LFM3 1.7B
Liquid AI
Son güncelleme: 28 Ekim 2026
🖥️ Bu model bilgisayarında çalışır mı?
Q4 quantization ile en az 4 GB VRAM ya da birleşik bellek ister — 6 GB ve üstünde rahat çalışır.
BF16 ağırlıklar yaklaşık 3,5 GB, 4-bit kuantlama ~1 GB. Uzun context için KV cache ile birlikte 6 GB rahat bir sınır.
4-bit kuantlamada yaklaşık 1 GB. Telefon, dizüstü veya tek GPU yeterli. llama.cpp, MLX, vLLM, SGLang destekleniyor (Apple, AMD, NVIDIA, Qualcomm).
Ekran kartını seç, çalışır mı gör →Türkçesini kendin test et →Bağlam uzunluğu
262K token
API giriş (1M token)
—
API çıkış (1M token)
—
Kullanıcı planı
Ücretsiz (açık kaynak)
Ücretsiz plan mevcut
Türkçe destek
Zayıf
Çok modlu
Hayır
Hızı
Hızlı
Ne İçin Kullanılır?
- ✓Telefonda ve dizüstünde çalışan yerel ajan
- ✓E-posta ayıklama, takvim ve web araştırması gibi gündelik otomasyonlar
- ✓Kendi verinle ince ayar yapılacak küçük uzman model
- ✓Uzun belge üzerinde çalışma (256K context)
- ✓Binlerce araç arasından seçim yapan tool search senaryoları
Güçlü Yönler
- ↑4-bit'te yaklaşık 1 GB: telefonda ve bilgisayarda rahat çalışır
- ↑Bu boyut sınıfı için geniş 256K context, RULER 128K'da 65,56 puan
- ↑LFM2.5-2.6B'yi %35 daha az parametreyle geçiyor (ajan ortalaması 49,37'ye 31,55)
- ↑Son eğitim aşaması ajan işlerine ayrıldı, tool search destekli
- ↑llama.cpp, MLX, vLLM, SGLang desteği ilk günden
Dikkat Edilecekler
- ↓Lisans, yıllık cirosu 10 milyon dolar ve üzeri şirketlere ticari kullanım hakkı vermiyor
- ↓Model kartındaki 16 dil arasında Türkçe yok
- ↓API fiyatı henüz yayınlanmadı
- ↓Küçük bir model: karmaşık akıl yürütme ve derin kodlamada büyük modellerin gerisinde
- ↓Sadece metin, görsel ve ses için ailenin diğer üyeleri gerekiyor
LFM3 1.7B, Liquid AI'ın 27 Ekim 2026'da tanıttığı LFM3 ailesinin metin modeli. Ailenin tamamı tek bir 1,7 milyar parametreli omurgadan (LFM3-1.7B-Base) türetildi ve ilk sürümde altı model var: metin, görsel (VL), ses (Audio), hepsi bir arada (Omni) ve iki karar modeli (d1). Burada anlatılan, saf metin modeli olan LFM3-1.7B. Liquid'in derdi "uzmanlaşmış zeka": tek bir dev genel model yerine, işine göre ayarlanmış küçük bir model çalıştırmak. Mimari hibrit ve 24 katmandan oluşuyor: 13 kısa konvolüsyon katmanı, 256 token'lık kayan pencereli 5 dikkat katmanı ve 6 global dikkat katmanı. Model 22 trilyon token'la ön eğitimden geçti, bunun son 3,5 trilyonu seçilmiş verilerle yapılan ve context'i 256K'ya genişleten ara eğitim aşaması. Sonuç: önceki LFM2.5-2.6B'den %35 daha az parametreyle daha iyi skorlar. Liquid'in ajan benchmark tablosunda ortalama 49,37 puan alıyor, LFM2.5-2.6B ise 31,55'te kalıyor. Yerel kullanım için çok elverişli. 4-bit'te yaklaşık 1 GB yer kaplıyor, yani telefonda, dizüstünde, giyilebilir cihazlarda ve araçlarda çalışabiliyor. llama.cpp, MLX, vLLM ve SGLang desteği ilk günden var, Ollama ve LM Studio da ekosistemde sayılıyor. 256 bin token'lık context penceresini gerçekten kullanabildiği de görülüyor: RULER 128K testinde 65,56 puan aldı, LFM2.5-2.6B'nin skoru 1,15'ti. Eğitimin son aşaması ajan işlerine ayrıldı. Web taramasından ofis işlerine kadar görevler gerçek ajan ortamlarında koşturuldu. Model binlerce araç arasından doğrusunu bulmak için tool search kullanabiliyor. Kendi verinle ince ayar yaparak kendi alanına uyarlayabilirsin. Ağırlıklar Hugging Face'te. Lisans LFM Open License v1.0: yıllık cirosu 10 milyon doların altındaki şirketler ticari olarak ücretsiz kullanabiliyor, eşiği aşanlar bu lisansla ticari kullanım hakkı almıyor. Kâr amacı gütmeyen kuruluşların ticari olmayan ve araştırma kullanımında eşik uygulanmıyor. Model kartında 16 dil listeleniyor ve Türkçe aralarında değil. Liquid API'de erişilebilir olduğunu söylüyor ama fiyat yayınlanmadığı için fiyat alanları boş.
En Yakın Alternatif
Gerekli Programlar
Açık ağırlıklı bir modeli kendi bilgisayarında çalıştırmak için bir model yöneticisi gerekir. İkisi de ücretsiz, ikisi de Windows, Mac ve Linux'ta çalışır.
LM Studio — görsel arayüz isteyenler için
Modeli listeden seçip indiriyorsun, terminal yok. Yeni başlayan için en kısa yol.
Ollama — terminalden çalıştıranlar için
Terminalden tek komutla model indirip çalıştırıyorsun, arayüz yok. Bu modelin Ollama kütüphanesinde hazır bir sürümü olup olmadığını ollama.com'da arayarak görebilirsin.
Donanım tarafı
Büyük modeller için ekran kartı yetmiyorsa, iş istasyonu sınıfı donanımın ne verdiğini rehberde ölçtük.
DGX Spark rehberi →