الرئيسية / الأدلة / واجهة Embeddings مجانية

واجهة Embeddings مجانية

تحوّل واجهة Embeddings النص إلى متجهات للبحث وRAG والتجميع. يقدم عدة مزوّدين خدمة التضمين مجاناً. تضع FreeLLMAPI 41 نماذج تضمين مجانية خلف نقطة نهاية واحدة هي /v1/embeddings. يعرض هذا الدليل النماذج وحدودها وشيفرة تعمل.

تُعرض الشيفرة وأسماء النماذج وتسميات الكتالوج المباشر باللغة الإنجليزية.

كيف تعمل التضمينات المجانية في FreeLLMAPI

تستخدم نقطة النهاية /v1/embeddings تنسيق طلب OpenAI. يستطيع أي SDK من OpenAI استدعاءها. ترسل النص، فتحصل على متجه واحد لكل سلسلة نصية مدخلة.

تتبع التضمينات قاعدة تحويل عند الفشل تختلف عن الدردشة. يمكن أن تنتقل طلبات الدردشة إلى نموذج آخر. أما طلبات التضمين فلا تنتقل إلى نموذج آخر أبداً. لا تتوافق المتجهات من نموذجين، لذلك سيُفسد تغيير النموذج دون إشعار مخزن المتجهات لديك.

  • العائلة: تجمع FreeLLMAPI المزوّدين حسب العائلة. العائلة هي هوية نموذج واحدة بحجم متجه واحد، على سبيل المثال bge-m3 بـ 1024 بُعداً.
  • التحويل عند الفشل: عندما يبلغ أحد المزوّدين في العائلة حدّه، يجرّب الموجّه المزوّد التالي الذي يقدم العائلة نفسها.
  • الافتراضي: تستخدم model: "auto" العائلة الافتراضية. تحدد العائلة الافتراضية في صفحة Models, Embeddings في لوحة التحكم.

نماذج Embeddings المجانية اليوم

يسرد الجدول كل نموذج تضمين مجاني في كتالوج FreeLLMAPI. تأتي البيانات من الكتالوج الحي. يعني "Max input" الحد الأقصى من الرموز لسلسلة نصية واحدة. ويعني "Free limit" الحصة المجانية التي ينشرها المزوّد.

النموذجالمزوّدالأبعادأقصى مدخلاتالحد المجاني
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)

بيانات مباشرة من كتالوج FreeLLMAPI (الإصدار 2026.11.19، تم التحقق 2026-11-19). تتغير الحدود المجانية كثيرًا. يُفحص الكتالوج كل يوم.

يشارك بعض المزوّدين حصة واحدة بين الدردشة والتضمينات. على سبيل المثال، يسمح مفتاح Cohere التجريبي بـ 1,000 استدعاء API في الشهر لجميع نقاط النهاية معاً. ويمنح Cloudflare Workers AI 10,000 neurons في اليوم، تشاركها كل نماذج Workers AI في الحساب.

الخطوة 1: ثبّت FreeLLMAPI وأضف المفاتيح

FreeLLMAPI مفتوحة المصدر. تعمل على حاسوبك في Docker. تبقى مفاتيح المزوّدين على حاسوبك.

التثبيت (macOS أو Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

افتح لوحة التحكم على http://localhost:3001. أضف مفاتيح المزوّدين في صفحة Keys. لبدء جيد في التضمينات، يكفي مفتاح Google AI Studio ومفتاح Cloudflare. انسخ المفتاح الموحّد من الصفحة نفسها.

الخطوة 2: استدعِ نقطة نهاية التضمين

أرسل قائمة من السلاسل النصية لتحصل على عدة متجهات في طلب واحد. استخدم القيمة نفسها للحقل model للوثائق ولاستعلامات البحث.

curl

curl http://localhost:3001/v1/embeddings \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'

Python: ضمّن نصين وقارن بينهما

import math
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

resp = client.embeddings.create(
    model="bge-m3",  # a family name, "auto", or a provider model id
    input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")

dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))

يقبل الحقل model ثلاثة أشكال: auto، أو اسم عائلة مثل bge-m3، أو معرّف نموذج لدى المزوّد مثل @cf/baai/bge-m3. يُحوَّل معرّف نموذج المزوّد إلى عائلته، فيبقى التحويل عند الفشل داخل تلك العائلة.

أي نموذج تضمين مجاني تختار

اختر النموذج مرة واحدة لكل مخزن متجهات. إذا غيّرت النموذج لاحقاً، فيجب أن تضمّن جميع الوثائق من جديد.

الحاجةعائلة النموذجالسبب
نص إنجليزي قصير أو متعدد اللغات، مع مزوّدين كثيرينbge-m31024 بُعداً و8,192 رمز إدخال. يقدمه عدة مزوّدين مجانيين، فيتوفر للتحويل عند الفشل خيارات أكثر.
استرجاع عالي الجودة مع مفتاح Googlegemini-embedding-0013072 بُعداً. حد الإدخال 2,048 رمزاً، لذلك قسّم الوثائق الطويلة إلى أجزاء.
وثائق طويلة في متجه واحدembed-v4.0 (Cohere)نافذة إدخال كبيرة. يسمح المفتاح التجريبي بـ 1,000 استدعاء فقط في الشهر، وتشاركها الدردشة.
متجهات صغيرة وبحث سريعbge-small-en-v1.5384 بُعداً. إنجليزي فقط، وحد الإدخال 512 رمزاً.
البحث في الشيفرةcodestral-embedمدرّب على الشيفرة. يستخدم حصة الوضع المجاني في Mistral.

تكلّف المتجهات الكبيرة مساحة تخزين وذاكرة أكثر في قاعدة المتجهات. المتجه ذو 3072 بُعداً أكبر ثلاث مرات من المتجه ذي 1024 بُعداً. لمعظم مشاريع RAG التي تقل عن مليون جزء، تعطي 768 إلى 1024 بُعداً نتائج جيدة.

الحدود والمحاذير

  • حدود الإدخال: قد يُقتطع النص الذي يتجاوز القيمة "Max input" أو يُرفض. قسّم الوثائق إلى أجزاء من 300 إلى 800 رمز قبل التضمين.
  • عائلة واحدة لكل مخزن: لا تخلط المتجهات من عائلتين في فهرس واحد. لا تملك درجات التشابه معنى عبر النماذج.
  • التطبيع: تقول Google إن متجهات gemini-embedding-001 التي تقل أبعادها عن 3072 يجب تطبيعها بنفسك. طبّع كل المتجهات قبل أن تستخدم الضرب النقطي كدرجة.
  • حدود الطلبات: تحسب المستويات المجانية الطلبات في الدقيقة أو في اليوم. أرسل دفعات من السلاسل النصية في طلب واحد، لا طلباً لكل سلسلة.
  • المستويات المجهولة: تسمح OVH AI Endpoints بطلبين في الدقيقة لكل عنوان IP ولكل نموذج دون مفتاح. استخدمها كاحتياط، لا للفهرسة الكبيرة.
نصيحة: أبقِ مزوّدين اثنين على الأقل في العائلة التي اخترتها. عندئذ لا يوقف الخطأ 429 لدى مزوّد واحد مهمة الفهرسة لديك.

استكشاف الأخطاء وإصلاحها

المشكلةالسببالحل
الخطأ 429 أثناء الفهرسة الكبيرةبلغ حد المزوّد للعائلةأضف مفتاح مزوّد ثانياً للعائلة نفسها، أو أرسل طلبات أقل في كل دقيقة
نتائج البحث خاطئة بعد تغييرتستخدم الوثائق والاستعلامات عائلات مختلفةاستخدم قيمة model واحدة للاثنين. ضمّن الوثائق من جديد إذا غيّرتها
طول المتجه ليس كما تتوقعتستخدم auto العائلة الافتراضيةحدد اسم عائلة صريحاً، أو تحقق من الافتراضي في Models, Embeddings
النصوص الطويلة تعطي تطابقات ضعيفةالنص أطول من حد الإدخالقسّم النص إلى أجزاء أصغر
الخطأ 401المفتاح الموحّد خاطئ أو مفقودانسخ المفتاح الموحّد من جديد من صفحة Keys
استخدم كل واحد من هذه النماذج عبر مفتاح واحد. FreeLLMAPI موجّه مفتوح المصدر تستضيفه بنفسك. يضع كل هذه المستويات المجانية خلف نقطة وصول واحدة متوافقة مع OpenAI، ويتحول تلقائيًا إلى مزوّد آخر عند تجاوز حد الطلبات. تصفح الكتالوج أو ابدأ الآن.

الأسئلة الشائعة

هل توجد واجهة Embeddings مجانية؟

نعم. تقدم Google AI Studio وCloudflare Workers AI وCohere وNVIDIA وMistral وOVH وغيرها نماذج تضمين مجانية مع حدود للطلبات. تضع FreeLLMAPI 41 منها خلف نقطة نهاية واحدة متوافقة مع OpenAI.

هل أستطيع استخدام SDK من OpenAI للتضمينات المجانية؟

نعم. اضبط العنوان الأساسي على http://localhost:3001/v1 واستخدم المفتاح الموحّد. ثم استدعِ client.embeddings.create باسم عائلة مثل bge-m3.

لماذا لا تنتقل FreeLLMAPI إلى نموذج تضمين مختلف عند الفشل؟

لا تتوافق المتجهات من نماذج مختلفة. سيكسر تغيير النموذج دون إشعار بحث التشابه. ولا يحوّل الموجّه الطلبات إلا بين المزوّدين الذين يقدمون عائلة النموذج نفسها.

ما أفضل نموذج تضمين مجاني لـ RAG؟

لمعظم المشاريع، يُعد bge-m3 خياراً افتراضياً جيداً. له 1024 بُعداً، وحد إدخال 8,192 رمزاً، وعدة مزوّدين مجانيين. استخدم gemini-embedding-001 إذا أردت 3072 بُعداً وكان لديك مفتاح Google.

كم بُعداً يجب أن تملك التضمينات لدي؟

استخدم من 768 إلى 1024 بُعداً لمعظم أعمال البحث وRAG. تستخدم المتجهات الأكبر مساحة تخزين وذاكرة أكثر. اختر الحجم مرة واحدة، لأن التغيير يعني أن تضمّن جميع الوثائق من جديد.

أدلة ذات صلة

المصادر

كل الأدلة · تصفح كل النماذج المجانية