LiquidAI : LFM3-1.7B
LFM3-1.7B, sorti le 27 octobre 2026, est un modèle de Liquid AI qui lit du texte et produit des sorties structurées. Il est conçu pour les agents locaux, l’appel d’outils et les applications spécialisées.
À quoi sert LFM3-1.7B
Chat
LFM3-1.7B est conçu pour les agents locaux et les applications spécialisées. Selon Liquid AI, à sa sortie, il peut trier une boîte de réception, gérer un agenda et effectuer des recherches sur le web. Il peut aussi envoyer des points du matin sur WhatsApp et chercher, parmi des milliers d’outils, celui qui convient.
Suivi de consignes
LFM3-1.7B sait appeler des outils et produire des sorties structurées. Selon la carte de modèle de Liquid AI, des carnets d’affinage permettent notamment de travailler l’extraction de JSON à partir de documents désordonnés ou les réponses fondées sur des documents retrouvés. Pour les tâches riches en connaissances, Liquid AI conseille la recherche documentaire ou web. Le code agentique et le raisonnement complexe en plusieurs étapes ne sont pas recommandés.
- Chat
- Suivi de consignes
Essayer LFM3-1.7B
Où l'utiliser pour de vrai, puis des exemples à copier pour découvrir ce qu'il sait faire.
Où l'essayer
- Tester cette version du modèlePlateforme externeSur OpenRouter, plateforme externe à Aikiwi · Compte et crédits requis · Payant à l'usage : 0,080 $ en entrée, 0,20 $ en sortie par million de tokensOuvrir sur OpenRouter
Quoi lui demander
- Chat
Expliquer un sujet simplement
Voir s'il rend clair un sujet technique, sans jargon.
Explique-moi comment fonctionne une pompe à chaleur, comme à quelqu'un qui n'y connaît rien. Utilise une comparaison tirée de la vie quotidienne, puis dis-moi en trois points ce qui fait varier sa consommation d'électricité. - Suivi de consignes
Respecter des consignes précises
Vérifiez vous-même chaque contrainte : c'est facile à contrôler.
Écris une présentation de la ville de Nantes en exactement six phrases. Chaque phrase commence par la lettre suivante du mot NANTES (N, A, N, T, E, S). N'utilise aucun chiffre et termine par une question. - Raisonnement
Démêler plusieurs contraintes
Une seule solution existe : regardez s'il la trouve et la justifie.
Quatre collègues, Ana, Bilal, Chloé et David, présentent chacun une fois, du lundi au jeudi, un par jour. - Ana ne peut pas le lundi. - Bilal passe avant Chloé. - David passe le lendemain d'Ana. - Chloé ne peut pas le jeudi. Donne toutes les solutions possibles et justifie chaque étape.
Les réponses changent d'un essai à l'autre et selon la plateforme. Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites.
Les performances de LFM3-1.7B
LFM3-1.7B dépasse LFM2.5-2.6B avec 35 % de paramètres en moins, selon Liquid AI à sa sortie, grâce à une architecture tri-hybride et une nouvelle recette d’entraînement. L’entreprise le présente comme rivalisant avec des modèles plusieurs fois plus grands sur les tâches d’agent, avec une avance en suivi de consignes et en appel de fonctions. Ses scores atteignent 71,39 sur BFCL V4 et 80,36 sur ToolSandbox.
Selon Liquid AI, à sa sortie, le modèle bat Qwen3.5-9B sur les longues tâches dans les navigateurs et les applications métier. Il obtient 38,42 sur WebArena-Verified et 41,29 sur AutomationBench (public). Des modèles plus grands le devancent encore en code agentique et en connaissances. Avec la recherche, son score sur Humanity’s Last Exam double presque, ce qui réduit l’écart en connaissances dans le comparatif de l’entreprise.
Selon les mesures de Liquid AI à sa sortie, le décodage est de 1,8 à 2,8 fois plus rapide que celui du modèle suivant dans son comparatif, sur les trois appareils testés. Ces mesures utilisent llama.cpp en Q4_0 avec un contexte de 32K tokens. Dans ces conditions de test, le modèle demande aussi moins de mémoire que les autres modèles comparés.
Selon Liquid AI, à sa sortie, un contexte complet de 128K tokens demande 1,6 Go de cache KV, la mémoire qui conserve les clés et valeurs d’attention, contre 4,3 Go pour Qwen3.5-4B et 5,6 Go pour MiniCPM5-2B. Sur un seul GPU NVIDIA B300 avec SGLang en BF16, le débit annoncé atteint 3,6 milliards de tokens par jour avec 1 024 requêtes simultanées, au-dessus des autres modèles du comparatif.
Bien utiliser LFM3-1.7B : réflexion et paramètres
LFM3-1.7B active le raisonnement par défaut, selon la carte Hugging Face de Liquid AI. Le paramètre enable_thinking=False permet de désactiver les traces de réflexion, mais ce comportement peut être inconstant, surtout pour les tâches qui demandent beaucoup de raisonnement.
Selon la carte Hugging Face de Liquid AI, les paramètres d’échantillonnage pour l’usage général sont temperature 0.1, top_k 50 et repetition_penalty 1.1. Cet ensemble couvre la conversation, l’appel d’outils, les agents et le code. Pour les mathématiques et les sciences, les valeurs indiquées sont temperature 1.0, top_p 0.95 et top_k 20.
Caractéristiques techniques de LFM3-1.7B
LFM3-1.7B est sorti le 27 octobre 2026 et accepte uniquement du texte en entrée. Le tableau des caractéristiques présente ses données techniques.
Selon la carte Hugging Face de Liquid AI, ce modèle de langage post-entraîné compte 1,73 milliard de paramètres. Son architecture comprend 24 couches : 13 convolutions courtes à porte, 5 couches d’attention à fenêtre glissante et 6 couches d’attention globale. Sa fenêtre de contexte atteint 262 144 tokens, entrée et sortie comprises. Son vocabulaire compte 128 000 tokens.
- Éditeur
LiquidAI
- Produit
- Texte
- Sortie
- Contexte
- 262 k tokens
- Réponse maximale
- 8 k tokens
- Réflexion
- Toujours active
- Entrées
- Texte
- Paramètres pris en charge (noms techniques de l'API)
toolsstructured_outputstemperaturetop_preasoningseedstoplogprobsresponse_formatmax_tokens- Hébergeurs
- Liquid
Source : OpenRouter, relevé du 22/11/2026.
Où utiliser LFM3-1.7B
LFM3-1.7B était accessible à sa sortie sur Hugging Face, dans le Playground de Liquid AI et par l’API de Liquid AI, selon l’entreprise. La carte d’accès donne les derniers prix relevés.
Selon la carte Hugging Face de Liquid AI, les poids sont publiés sous licence LFM Open License v1.0. Pour l’exécution locale, le format GGUF est proposé avec llama.cpp, Ollama et LM Studio, tandis que la version MLX 4 bits cible Apple Silicon. D’autres formats sont proposés : BF16 pour vLLM, SGLang et Transformers, FP8 et NVFP4 pour SGLang, ainsi qu’ONNX pour ONNX Runtime.
L'API chez des hébergeurs
Servi par d'autres hébergeurs que LiquidAI, selon OpenRouter
Chez OpenRouter, au prix de Liquid (relevé du 22/11/2026) : 0,080 $ / M tokens en entrée, 0,20 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
FAQ
Quand LFM3-1.7B est-il sorti ?
LFM3-1.7B est sorti le 27 octobre 2026. Il accepte du texte en entrée.
Que peut lire LFM3-1.7B ?
LFM3-1.7B lit du texte en entrée. Selon la carte Hugging Face de Liquid AI, son contexte comprend l’entrée et la sortie.
Quelle est la fenêtre de contexte de LFM3-1.7B ?
LFM3-1.7B a une fenêtre de contexte de 262 144 tokens. Selon la carte Hugging Face de Liquid AI, sa longueur de contexte est de 256K tokens, entrée et sortie comprises.