목록으로 Liquid LFM3-1.7B

바이브코딩

LiquidAI LFM3-1.7B | OpenRouter 단가와 로컬 에이전트 조건

유료 id의 단가, 창, 출력 상한을 가중치 문서와 나란히 적는다.

LiquidAI LFM3-1.7B | OpenRouter 단가와 로컬 에이전트 조건

LiquidAI LFM3-1.7B는 텍스트만 받고 텍스트만 내는 1.73B 파라미터 모델이다. 파라미터 수는 17.3억이다. Liquid AI는 2026년 10월 27일 블로그와 허깅페이스 글에서 이 모델을 LFM3의 텍스트 갈래로 공개했다. OpenRouter 유료 목록에는 2026년 11월 7일 오전 8시 57분(한국 시간)에 id liquid/lfm-3-1.7b로 올라왔다. 목록의 canonical slug는 liquid/lfm-3-1.7b-20261106이고, 허깅페이스 id는 LiquidAI/LFM3-1.7B이다.

이 글은 그 유료 id만 다룬다. 같은 목록 응답 안에 가격이 0인 행도 있었지만, 이 글은 그 주소를 적지 않는다. 아래 단가는 2026년 11월 7일 OpenRouter 모델 목록이 돌려 준 토큰 가격이다. 크레딧을 살 때 붙는 수수료는 그 필드에 없어서 표에 넣지 않았다.

가중치 문서는 입력과 출력을 합쳐 256K 토큰이라고 적는다. OpenRouter 창은 262,144토큰이고, 한 번 생성 상한은 8,192토큰이다. 호스트 엔드포인트는 FP8이고, 모델 객체는 추론을 필수로 표시한다. 노트북의 4비트 파일은 약 1GB이고, 로컬 채팅 템플릿에서는 생각 단계를 끌 수 있다. 같은 이름이라도 창, 양자화, 추론 스위치가 다르다.

Liquid 문서는 이 모델을 로컬 에이전트, 도구 호출, 구조화 출력, 분야 미세조정에 둔다. 동시에 크기가 작아서 에이전트 코딩이나 복잡한 다단계 추론에는 권하지 않는다고 적는다. 지식이 많이 필요한 질문에는 검색을 붙이라고 한다. 지식 절단 시점과 만료일은 OpenRouter 목록에서 둘 다 비어 있다.

LFM3-1.7B가 하는 일

이 모델은 dense 텍스트 모델이다. 문서가 적은 구조 이름은 LFM3이고, 층은 짧은 합성곱, 슬라이딩 윈도 어텐션, 전역 어텐션을 한 스택에 섞은 tri-hybrid이다. 후학습은 Hermes Agent, Pi, OpenClaw 같은 에이전트 하네스를 염두에 둔다고 문서가 적는다. 입력은 텍스트, 출력도 텍스트다. 이미지와 음성은 이 id의 일이 아니다. 같은 베이스에서 갈라진 비전, 오디오, 옴니, 결정 모델이 따로 있다.

언어 목록에는 영어, 아랍어, 중국어, 프랑스어, 독일어, 이탈리아어, 일본어, 한국어, 포르투갈어, 스페인어, 베트남어, 태국어, 인도네시아어, 힌디어, 러시아어, 폴란드어가 있다. 열여섯 개다. 한국어가 목록에 있다는 사실과, 한국어만의 점수가 공개돼 있다는 사실은 다르다. 모델 페이지는 후자 숫자를 주지 않는다.

생성 기본값은 temperature 0.1, top_k 50, repetition_penalty 1.1이다. OpenRouter 유료 행의 default_parameters도 같은 세 값이다. 수학과 과학만 문서가 다른 값을 따로 적는데, 그 재정의는 로컬 실행 절에서 다룬다.

LFM3-1.7B 파라미터와 층, 어휘, 4비트 메모리
그림 1. 이건 1.73B 텍스트 모델의 크기와 용도를 한 장에 모은 카드다. 출처: Liquid AI 문서, 2026년 11월.

4비트 약 1GB는 가중치 문서의 메모리 기준이다. OpenRouter에서 이 id를 부르면 그 1GB 파일을 내 기기에 올리는 것이 아니다. 호스트는 FP8 엔드포인트로 답을 만들고, 이용자는 토큰 단가를 낸다. 로컬 파일의 용량과 호스트 청구를 한 숫자로 묶으면 안 된다.

OpenRouter 유료 목록의 단가와 제한

2026년 11월 7일 모델 목록에서 이 id의 가격 필드는 토큰당 입력 0.00000008달러, 출력 0.0000002달러, 캐시 읽기 0.00000002달러였다. 100만 토큰으로 바꾸면 입력 0.08달러, 출력 0.20달러, 캐시 읽기 0.02달러다. 엔드포인트는 Liquid 한 곳이었고 태그 liquid/fp8, 양자화 fp8, 할인 0이었다. 암시적 캐시(supports_implicit_caching)는 true였다. 검열 플래그 is_moderated는 false였다.

항목가중치 문서OpenRouter 유료 행
파라미터1.73B허깅페이스 id LiquidAI/LFM3-1.7B
문맥256K, 입력과 출력 합산262,144
한 번 출력로컬 예시는 2,048 또는 8,192상한 8,192
양자화4비트 약 1GB엔드포인트 liquid/fp8
추론기본 켜짐, 로컬 템플릿에서 끌 수 있음모델 객체가 mandatory
단가라이선스 문제와 별개입력 0.08, 캐시 0.02, 출력 0.20달러 / 100만 토큰

창이 262,144라는 말과, 답이 그 길이까지 나온다는 말은 다르다. top_provider.max_completion_tokens는 8,192이다. 출력 상한은 8,192토큰이다. 긴 입력을 넣어도 호스트가 한 번에 이어 쓰는 길이는 그 상한에서 멈춘다. 가중치 문서의 256K는 입력과 출력을 합친 로컬 한도라서, 호스트 상한과 단위가 같다 해도 역할이 다르다.

Liquid가 자기 API 문서의 모델 표에 적은 lfm3-1.7b 창은 128,000이다. 주소는 가중치 페이지가 아니라 호스트 API 모델 목록이다. 그래서 창 숫자는 지금 세 곳이다. 열린 가중치는 256K, OpenRouter 유료 행은 262,144에 출력 8,192, Liquid 콘솔 표는 128,000. 호출하는 쪽 문서의 창을 따라야 한다.

추론은 유료 행에서 끌 수 없게 표시돼 있다. reasoning.mandatory가 true이고, 지원 파라미터에 reasoning과 include_reasoning이 있어도 모델 객체는 끄기 옵션을 주지 않는다. 짧은 답이어도 호스트 설명은 먼저 추론한 뒤 답한다고 적는다. 추론 토큰을 입력 단가와 출력 단가 중 어디에 붙이는지는 이번 목록 필드만으로 확인하지 않았다.

OpenRouter 유료 id의 단가와 출력 상한
그림 2. 이건 유료 id의 100만 토큰 단가와 창, 출력 상한, FP8을 모은 카드다. 출처: OpenRouter 모델 목록, 2026년 11월 7일.
핵심 포인트: 호스트 창 262,144와 출력 상한 8,192는 다른 칸이다. 4비트 약 1GB와 256K는 로컬 가중치 이야기다.

공식 설명은 프롬프트와 출력이 보관되어 Liquid 모델 학습에 쓰일 수 있다고 적는다. 유럽 역내 라우팅은 이 id에 현재 열려 있지 않다고 OpenRouter 모델 페이지가 적는다. 2026년 11월 7일 엔드포인트 JSON의 최근 가동률은 하루를 채우지 못했고, status 필드는 -5였다. 그 코드의 뜻은 공개 문서에 없다. 가동률과 status는 사양이 아니라 그 시각의 기록이다. 새로 올라온 행이라서, 호출 전에 엔드포인트가 살아 있는지는 따로 봐야 한다.

도구 선택은 none이 막혀 있고 auto, required, function은 열려 있다. response_format과 structured_outputs, tools, tool_choice가 지원 파라미터에 있다. 온도, top_p, top_k, stop, seed, 로그 확률도 목록에 있다. 벤치마크 객체는 이 모델 JSON에 없었다.

가중치 사양과 라이선스

가중치 카드의 표는 짧다. 파라미터 1.73B, 문맥 256K(입력과 출력), 층 24개, 어휘 128K, 라이선스 이름 LFM Open License v1.0. 24층은 게이트 짧은 합성곱 13, 슬라이딩 윈도 어텐션 5, 전역 어텐션 6이다. 이 구성은 다음 절에서 층별로 다시 적는다.

라이선스 안내는 2026년 10월 15일에 갱신된 사용자 가이드와 전문 페이지가 정본이다. 바닥은 Apache-2.0이고, 그 위에 상업 이용 문턱이 있다. 문턱은 가중치와 그 수정본의 이용 조건이다. OpenRouter에 토큰 값을 내는 일과는 별개다.

질문라이선스 안내의 답
연 매출 1,000만 달러 미만상업 이용이 이 라이선스 안에 있다
연 매출 1,000만 달러 이상별도 상업 라이선스가 필요하고 연락처는 sales@liquid.ai
연구, 적격 비영리문턱의 상업 이용에서 빠진다
수정본이용자 소유이고 카피레프트는 없다
배포라이선스, 고지, NOTICE, 수정 파일 표시를 남긴다
상표제품이 Liquid AI 모델을 쓴다고 말할 수 있다
위반라이선스가 자동으로 끝나고 사용 중지와 사본 삭제가 따른다

연 매출은 법인 단위다. 어떤 법인까지 합치는지는 안내의 Legal Entity 정의에 있고, 그 정의는 자주 묻는 답에 따로 적는다. 내부 연구, 시험, 평가는 상업 라이선스 없이 허용된다고 안내가 적는다. 다만 사업 안의 이용은, 모델이 매출의 원천이 아니어도 상업 이용이 될 수 있다고 같은 안내가 적는다. 미세조정 가중치는 공개하지 않아도 된다. 원본 모델 이용이 문턱을 지키면 수정본을 사내에 둘 수 있다. 더 넓은 브랜드 사용은 상표 문장이 허락하지 않는다. "이 제품은 Liquid AI 모델을 쓴다"는 말과, Liquid 이름으로 제품을 브랜딩하는 일은 다르다.

층을 세 종류로 섞은 구조

허깅페이스의 LFM3 글(2026년 10월 27일)이 적은 층 구성은 이렇다. 전체 24층이다. 짧은 합성곱이 13층이고 커널 크기는 7이다. 이전 LFM2의 커널은 3이었다고 같은 글이 비교한다. 슬라이딩 윈도 어텐션은 5층이고 윈도는 256토큰이다. 전역 어텐션은 6층이다.

어텐션 출력에는 헤드마다 시그모이드 게이트가 있다. 더할 내용이 없는 헤드는 출력을 낮출 수 있고, 그 장치가 양자화에 해로운 활성 이상치를 누르는 데 도움이 된다고 글은 적는다. 전역 어텐션의 회전 위치 부호화는 헤드의 고주파 절반만 돌린다. 나머지 절반은 거리와 상관없이 내용으로 맞춘다. 슬라이딩 윈도 층은 회전 위치 부호화를 통째로 유지한다. 각 블록은 입력과 출력을 모두 정규화한다. 글은 이 구성을 샌드위치 정규화라고 부른다.

사전학습은 22T 토큰이다. 어휘는 LFM2.5-8B-A1B와 같은 128K다. 마지막 3.5T 토큰은 중간 학습이고, 에이전트 궤적과 도구 호출 비중을 높인 데이터다. 그 단계에서 문맥이 256K까지 늘어난다고 글은 적는다. 에지 기기에서 파라미터당 짧은 프롬프트 속도는 LFM2-1.2B와 맞고, 문맥 8K에서는 약 25% 빠르다고 같은 글이 적는다. 이 속도 문장은 Liquid의 측정이다.

Liquid가 적은 에이전트 점수

점수 비교는 Liquid가 2026년 10월 27일 허깅페이스 글에 적은 것만 가져온다. OpenRouter 모델 객체에는 벤치마크 필드가 없었다. 다른 매체가 같은 표를 다시 쓴 숫자는 독립 실험으로 적지 않는다.

글은 LFM3-1.7B가 LFM2.5-2.6B보다 파라미터가 35% 적은데도 앞선다고 적는다. 차이가 가장 큰 쪽은 에이전트 작업이라고 하고, WebArena-Verified에서 38.42, 앞 모델은 3.02라고 적는다. 브라우저와 업무 앱의 긴 작업에서는 Qwen3.5-9B보다 낫다는 문장도 있다. Qwen 쪽 점수는 그 문장에 숫자가 없어서 여기 표에 넣지 않는다. 38.42와 3.02, 35%, 25%는 회사 자체 평가다. 제3자가 같은 세팅으로 다시 잰 값은 이 글의 조사 범위 밖에 있다.

점수가 에이전트 작업에서 올랐다는 문장과, 문서가 에이전트 코딩을 권하지 않는 문장은 같이 읽어야 한다. WebArena-Verified는 브라우저 작업을 재는 회사 수치다. 저장소 전체를 고치는 코딩 벤치의 합격률이 그 숫자와 같지는 않다. 모델 카드가 권하는 자리는 로컬 에이전트, 도구 호출, 구조화 출력, 분야 미세조정의 출발점이다.

OpenRouter 호출 형식

채팅 호출 주소는 https://openrouter.ai/api/v1/chat/completions 이다. 모델 문자열은 날짜가 붙은 canonical slug가 아니다.

유료 호출에 넣는 모델 문자열은 아래 한 줄이다.

liquid/lfm-3-1.7b

인증은 Bearer 토큰이다. 이 글은 키를 넣지 않는다. 같은 모델 객체가 여는 엔드포인트 종류는 chat completions 외에 completions, messages, responses도 있다. 날짜가 붙은 slug는 엔드포인트 조회 주소에 쓰인다. 조회가 성공한 경로는 /api/v1/models/liquid/lfm-3-1.7b-20261106/endpoints 였다. 날짜 없는 /api/v1/models/liquid/lfm-3-1.7b 는 이 조사에서 404였다. 호출 문자열과 조회 경로를 바꾸면 안 된다.

오류 코드로 문서가 다루는 범위는 400, 401, 402, 403, 404, 429, 502이다. 401은 인증, 402는 결제, 429는 속도 제한 쪽으로 읽으면 된다. 404가 모델 문자열에서 나오면 id를 날짜 slug로 바꿔 보냈는지부터 본다. 지원 파라미터에 tools가 있어도, 도구 설명이 아주 길면 작은 1.73B가 그 문맥을 다 쓰게 된다. 문서가 말하는 지연 로딩은 도구 정의를 프롬프트에 항상 넣지 않고, 검색 도구가 돌려준 뒤에 넣는 방식이다. 그 형식의 예시는 가중치 문서의 도구 사용 절에 있다. OpenRouter 유료 행이 그 지연 로딩을 그대로 구현한다고 이 조사에서 확인하지는 않았다.

노트북에서 가중치를 여는 경로

체크포인트는 허깅페이스에 여러 포맷으로 있다. 본 가중치 LiquidAI/LFM3-1.7B, 베이스 LiquidAI/LFM3-1.7B-Base, GGUF, MLX 4bit, ONNX, FP8, NVFP4. FP8과 NVFP4는 GPU에서 SGLang으로 쓰는 변형이라고 문서가 적는다. 베이스는 사전학습 체크포인트이고, 후학습을 거친 공개 모델이 일반 텍스트 id다. 분야 미세조정의 출발점으로 문서는 베이스를 가리킨다.

Transformers 빠른 시작은 transformers, torch, accelerate를 올리고, pipeline에 LiquidAI/LFM3-1.7B와 trust_remote_code=True를 준다. 샘플링은 temperature 0.1, top_k 50, repetition_penalty 1.1, max_new_tokens 2048이다. 이 2,048은 예시 값이지 OpenRouter 상한 8,192와 같은 칸이 아니다.

llama.cpp는 0.8.0(b11960) 이상이 필요하다. 문서가 적은 일반 실행 명령은 이렇다.

llama cli -hf LiquidAI/LFM3-1.7B-GGUF:Q4_K_M

GGUF 안에 샘플링이 들어 있어서, 일반 대화에는 샘플링 플래그를 또 주지 않아도 된다고 문서가 적는다. 수학과 과학은 그 값을 덮어쓴다. temperature 1.0, top_p 0.95, top_k 20, repeat penalty 1.0이다. :Q4_0 태그는 양자화 인식 증류(QAD) 체크포인트다. Q4_0 양자화에서 빠진 정확도를 되돌리려고 학습한 파일이라고 문서는 설명한다. 권장 일반 태그가 Q4_K_M이고, Q4_0은 그 증류본이다. 둘을 같은 파일이라고 부르면 안 된다.

vLLM 예시는 같은 일반 샘플링에 max_tokens 8192를 쓴다. SGLang은 0.5.10 이상이고, 문서의 서버 예시는 포트 30000이다. Llama 앱의 로컬 호환 API 예시는 포트 9931이다. 둘 다 내 컴퓨터 안의 포트다. 공개 URL로 열지 않는다.

추론은 로컬에서 기본 켜짐이다. 바로 답을 받으려면 apply_chat_template()에 enable_thinking=False를 넣는다. 직전 턴의 추론을 남기는 플래그는 자주 묻는 답에 적는다. 호스트 유료 행은 이 플래그를 모델 객체로 열지 않는다. 로컬에서 끈 설정이 OpenRouter 호출에서 그대로 먹힌다고 보면 안 된다.

맡기기 좋은 일과 빼야 할 일

맡기기 좋은 일은 문서가 이름을 붙인 자리다. 도구 정의가 짧은 호출, 형식이 고정된 짧은 출력, 한 분야의 미세조정, 4비트 약 1GB가 들어가는 기기다. 검색을 붙여 사실을 가져오고, 모델은 그 결과를 형식에 맞추는 구성이 문서의 지식 조언과 맞는다.

빼야 할 일도 문서에 있다. 에이전트 코딩은 권하지 않는다. 복잡한 다단계 추론도 권하지 않는다. 이유는 크기다. 1.73B는 긴 저장소와 긴 도구 목록을 한 번에 들고 가기 어렵다. 검색 없이 최신 사실을 묻는 일도 문서가 빼라고 하는 쪽에 가깝다. 지식 절단 시점이 목록에 비어 있으니, 학습 시점 이후의 사실을 모델 무게만으로 확인하면 안 된다.

호스트를 쓸 때는 단가와 상한을 먼저 계산한다. 입력 100만 토큰에 0.08달러, 출력 100만 토큰에 0.20달러다. 추론이 항상 켜져 있으면 짧은 질문에도 출력 쪽 토큰이 답 본문보다 먼저 쌓일 수 있다. 한 호출의 생성은 8,192에서 끊긴다. 256K까지 답을 이어서 쓰려면 호스트 한 방으로는 안 되고, 로컬 가중치의 합산 창인지부터 구분해야 한다.

맡길 일과 빼야 할 일
그림 3. 이건 1.73B에 맡길 일과 문서가 빼라고 한 일을 나란히 둔 카드다. 출처: Liquid AI 문서와 OpenRouter 출력 상한, 2026년 11월.

가격이 0인 행은 이 글의 호출 대상이 아니다. 과금이 다르고, 이 글은 그 행의 주소를 적지 않는다. 유료 id로 보낸 요청만 위 단가의 적용 대상으로 읽으면 된다.

마무리

앞에서 다룬 내용을 호출 전에 다시 보면 아래 여섯 가지다.

  • 유료 id는 liquid/lfm-3-1.7b이고, 날짜 slug는 엔드포인트 조회용이다.
  • 단가는 100만 토큰당 입력 0.08달러, 캐시 읽기 0.02달러, 출력 0.20달러다.
  • 호스트 창은 262,144, 한 번 출력은 8,192, 추론은 필수다.
  • 가중치 문맥은 입력과 출력을 합쳐 256K이고, 4비트는 약 1GB다.
  • 라이선스 문턱은 연 매출 1,000만 달러이고, API 청구서와는 별개다.
  • WebArena-Verified 38.42는 Liquid 자체 수치이고, 에이전트 코딩 권장은 아니다.

「한 줄 원칙」 유료 호출은 262,144 창 안의 8,192 출력과 꺼지지 않는 추론을 기준으로 하고, 256K와 4비트 약 1GB는 로컬 가중치의 조건으로 따로 읽는다.

출처와 링크

조사 기준은 2026년 11월이다. 단가와 출력 상한, 추론 필수, FP8 태그는 2026년 11월 7일 OpenRouter 모델 목록과 엔드포인트 JSON이다. 층 구성과 WebArena-Verified 수치는 Liquid가 2026년 10월 27일 허깅페이스 글에 적은 회사 측정이다.

FAQ

자주 묻는 질문

이 유료 id는 이미지를 보나요?

liquid/lfm-3-1.7b는 텍스트만 받는 행이다. 같은 발표의 비전 갈래 LFM3-VL-2B는 파라미터가 약 1.9B이고 이미지와 영상을 입력으로 받는다. 그 비전 모델의 평균 점수는 이 글의 단가 표와 별개다.

가격이 0인 행도 같은 조건인가요?

2026년 11월 7일 목록 응답에는 가격이 0인 행이 있었고, 창 262,144와 추론 필수 표시는 유료 행과 같았다. 이 글은 그 행의 주소를 적지 않고 호출 대상으로 삼지 않는다. 단가 표는 유료 id에만 해당한다.

로컬에서 직전 턴의 추론을 남기려면?

로컬 채팅 템플릿은 기본으로 최신 사용자 메시지보다 앞선 추론을 지운다. 그 텍스트를 남기려면 preserve_thinking=True가 필요하다. 유료 호스트의 모델 객체에는 이 스위치가 없다.

연 매출 1,000만 달러는 어느 법인까지 합치나요?

안내의 Legal Entity는 자신을 지배하는 법인, 자신이 지배하는 법인, 같은 지배 아래 있는 법인까지 매출을 합친다. 문턱은 그 합산이다. 별도 상업 라이선스 문의는 sales@liquid.ai이다.

한국어만의 벤치 점수가 있나요?

문서의 언어 목록에 한국어가 들어 있다. 모델 페이지와 OpenRouter JSON에는 한국어만 떼어 낸 점수가 없었다. 목록에 이름이 있다는 사실만으로 한국어 품질을 확인하기는 어렵다.

크레딧 충전 수수료가 토큰 단가에 들어 있나요?

0.08달러, 0.02달러, 0.20달러는 모델 목록의 토큰 단가다. 크레딧을 충전할 때의 비율은 이번 조사에서 확인하지 않았다. 결제 화면의 수수료를 더해야 실제 지출이 된다.

학습용 보관을 끄는 필드가 엔드포인트에 있나요?

2026년 11월 7일 엔드포인트 JSON에는 보관 거부를 켜는 필드가 없었다. 공식 설명은 프롬프트와 출력이 Liquid 모델 학습에 쓰일 수 있다고 적는다. 유럽 역내 라우팅이 닫힌 것과는 별개의 제한이다.