LFM3-1.7B

LFM3-1.7B 是 Liquid AI LFM3 开放权重家族中经过后训练的纯文本模型，面向需要本地部署、小模型、长上下文和工具调用的专用应用与智能体框架。Liquid AI 于 2026 年 10 月 27 日发布该家族；模型卡列出 17.3 亿参数、256K token 的输入加输出上下文窗口，以及 LFM Open License v1.0。

核心定位

该模型针对 Hermes Agent、Pi、OpenClaw 等智能体框架进行了后训练。Liquid AI 将其定位为工具调用、结构化输出和领域微调的基础模型。其 tri-hybrid 架构结合门控短卷积、滑动窗口注意力和全局注意力；模型卡列出 16 种语言，包含英文、中文和日文。

官方提供 BF16、FP8、NVFP4、GGUF、MLX 和 ONNX 等构建版本，可根据硬件在 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 或 ONNX Runtime 中测试同一模型。Liquid AI 称 4-bit 版本约需 1 GB 内存；这是厂商数据，应在自己的提示长度、并发数和运行时开销下实测。

建议工作流

1. 先选官方 GGUF、MLX 或 ONNX 包，匹配目标设备。
2. 从一个只读工具开始，在代表性任务上验证 JSON 或受 schema 约束的输出。
3. 对知识密集型问题配合检索，模型卡也给出了这一建议。
4. 微调前保留评测集，覆盖工具报错、含糊输入和多语言样例。

局限与风险

LFM3-1.7B 并非面向编程智能体或复杂多步推理。Liquid AI 因模型规模明确不建议这些用途。长上下文上限不等于可靠记忆、规划或事实正确性。应限制工具权限，对写入和外部操作设置明确确认，并以端到端成功率与更大模型对照后再扩展到生产流程。

替代方案

• LFM 2.5-2.6B：Liquid AI 较早的小型智能体模型。
• Qwen 3.8 27B：本地硬件允许时可选的更大开放权重模型。
• Gemma 3：Google 面向端侧工作的开放模型家族。

总结

如果本地自动化需要紧凑的模型、结构化输出和受约束的工具调用，LFM3-1.7B 值得评测。它的官方打包格式较全，能降低部署摩擦，但适用边界是专用自动化，而非替代更大的编程或推理模型。可从官方模型卡开始，先在自己的环境核验模型、许可证和运行时路径。