Liquid AI · modelo de lenguaje
LFM3-1.7B: precio, contexto y benchmarks
LFM3-1.7B es el modelo de Liquid AI lanzado el 6 de noviembre de 2026. Cuesta 0,08 US$ por millón de tokens de entrada y 0,2 US$ de salida, con un contexto de 262,1 mil tokens. Por ahora no hay ninguna puntuación independiente publicada.
| Precio | 27/30 | |
|---|---|---|
| Contexto | 8/15 | |
| Funciones | 15/15 |
Lo que hay que saber de LFM3-1.7B
Liquid AI, con sede en Estados Unidos, puso LFM3-1.7B en línea el 6 de noviembre de 2026. Acepta texto como entrada y produce texto. Su ventana de contexto alcanza 262.144 tokens, más que el 56 % de los modelos del registro, y puede escribir hasta 8192 tokens de una vez.
Es un modelo reciente: todavía hay pocas opiniones de uso y puntuaciones independientes.
Precio de LFM3-1.7B
En OpenRouter, LFM3-1.7B cuesta 0,08 US$ por millón de tokens de entrada y 0,2 US$ de salida. Contando tres tokens leídos por cada token escrito, su precio medio es de 0,11 US$ por millón, más caro que el 11 % de los modelos de pago (7,3 veces menos que la mediana de 0,8 US$).
Un ejemplo concreto: una tarea que envía 2.000 tokens (unas 1.500 palabras) y recibe 500 tokens de respuesta cuesta 0,0003 US$. Con 1.000 tareas al día, cuente 8 US$ al mes. La calculadora de precios rehace este cálculo con sus propios volúmenes.
Los tokens ya enviados y en caché se facturan a 0,02 US$ por millón.
Rendimiento y benchmarks
Epoch AI aún no publica un índice de capacidades para LFM3-1.7B. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.
Funciones, privacidad y uso local
- Admite la llamada a herramientas: puede manejar un agente IA, llamar a API o a servidores MCP.
- Puede responder en un formato JSON impuesto (salidas estructuradas).
- Es un modelo de razonamiento: «piensa» antes de responder, lo que ayuda en tareas difíciles pero consume más tokens de salida.
Sus pesos son abiertos y se pueden descargar en Hugging Face (licencia other): puede ejecutarlo en sus propias máquinas sin enviar sus datos a terceros. Con 1.728.801.536 mil millones de parámetros, necesita unos 966.043.139 GB de memoria en cuantización de 4 bits. Comprobar con la calculadora de VRAM. Se descargó 70.034 veces en Hugging Face el mes pasado.
Otros modelos de Liquid AI
| Modelo | Lanzamiento | Precio medio | ECI |
|---|---|---|---|
| LFM2.5-24B-A2B | 13 oct 2026 | 0,21 US$ | — |
| LFM2.5-2.6B | 11 ago 2026 | 0,39 US$ | — |
Veredicto
Nota calculada: 83/100, a partir de datos públicos (rendimiento, precio, contexto, funciones).
Puntos fuertes
- Precio bajo: más barato que el 89 % de los modelos de pago.
- Pesos abiertos: autoalojable, sus datos se quedan con usted.
- Listo para agentes: llamada a herramientas y salidas JSON estructuradas.
Limitaciones
- Ninguna puntuación independiente publicada: rendimiento no verificable.
- Solo texto: no lee imágenes ni archivos.
Evítelo si…
- quiere alojarlo en un solo ordenador doméstico (≈ 966.043.139 GB necesarios en 4 bits).
Alternativas
- Gemma 4 26B A4B0,11 US$
- Nex-N2.5-Pro0,12 US$
- Nemotron 3 Nano 30B A3B0,11 US$
- Nova Lite 1.00,11 US$
- Nemotron 3.5 Lightning0,1 US$
- Ternary Bonsai 2 9B0,09 US$
Comparativas y herramientas
Entender
Preguntas frecuentes
¿Cuánto cuesta LFM3-1.7B?
0,08 US$ por millón de tokens de entrada y 0,2 US$ de salida en OpenRouter (dato del 8 de noviembre de 2026). Una tarea de 2.000 tokens leídos y 500 escritos cuesta 0,0003 US$.
¿Qué tamaño tiene el contexto de LFM3-1.7B?
262.144 tokens, unas 197.000 palabras, con un máximo de 8192 tokens de salida.
¿Se puede usar LFM3-1.7B en local?
Sí, sus pesos están publicados con licencia other. Cuente unos 966.043.139 GB de memoria en 4 bits.
¿Sirve LFM3-1.7B para un agente IA?
Técnicamente sí: admite llamada a herramientas y salidas estructuradas. Compruebe después su coste para su volumen.
¿Qué alternativas hay a LFM3-1.7B?
Los modelos más cercanos en precio y rendimiento son Gemma 4 26B A4B, Nex-N2.5-Pro y Nemotron 3 Nano 30B A3B.
Artículos relacionados
- DeepSeek para un agente de IA: ventajas, límites y costes reales27 de octubre de 2026
- Mistral AI: modelos, precios y agentes25 de octubre de 2026
- Benchmark LLM: cómo interpretar las clasificaciones de modelos24 de octubre de 2026
- Ejecutar un LLM en local: hardware, software y límites24 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos

