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-m3بـ 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.
| النموذج | المزوّد | الأبعاد | أقصى مدخلات | الحد المجاني |
|---|---|---|---|---|
Gemini Embeddinggemini-embedding-001 | Google AI Studio | 3072 | 2048 | 100 rpm · 1K req/day |
Nemotron Embed VL 1Bnvidia/llama-nemotron-embed-vl-1b-v2 | NVIDIA NIM | 2048 | 8192 | ~40 rpm |
Nemotron 3 Embed 1B (OR free)nvidia/nemotron-3-embed-1b:free | OpenRouter | 2048 | 32768 | 20 rpm · shared free daily cap |
SEA-LION E5 Embedding 600Maisingapore/SEA-LION-E5-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 300Maisingapore/SEA-LION-ModernBERT-Embedding-300M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 600Maisingapore/SEA-LION-ModernBERT-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
BGE-M3@cf/baai/bge-m3 | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
EmbeddingGemma 300M@cf/google/embeddinggemma-300m | Cloudflare Workers AI | 768 | 2048 | 10K neurons/day (shared) |
Qwen3 Embedding 0.6B@cf/qwen/qwen3-embedding-0.6b | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
Cohere Embed v4embed-v4.0 | Cohere | 1536 | 128000 | 1K calls/mo (shared w/ chat) |
Gemini Embedding 2gemini-embedding-2 | Google AI Studio | 3072 | 8192 | free-tier rate limited |
Nemotron 3 Embed 1Bnvidia/nemotron-3-embed-1b | NVIDIA NIM | 2048 | 4096 | ~40 rpm |
PLaMo Embedding 1B (CF)@cf/pfnet/plamo-embedding-1b | Cloudflare Workers AI | 2048 | 4096 | 10K neurons/day (shared) |
BGE Small EN v1.5 (CF)@cf/baai/bge-small-en-v1.5 | Cloudflare Workers AI | 384 | 512 | 10K neurons/day (shared) |
BGE Base EN v1.5 (CF)@cf/baai/bge-base-en-v1.5 | Cloudflare Workers AI | 768 | 512 | 10K neurons/day (shared) |
BGE Large EN v1.5 (CF)@cf/baai/bge-large-en-v1.5 | Cloudflare Workers AI | 1024 | 512 | 10K neurons/day (shared) |
Mistral Embedmistral-embed | Mistral | 1024 | 8192 | free mode · monthly cap (shared) |
Codestral Embedcodestral-embed | Mistral | 1536 | 8192 | free mode · monthly cap (shared) |
Llama Text Embed v2 (Pinecone)llama-text-embed-v2 | Pinecone | 1024 | 2048 | 5M tokens/mo per model |
Multilingual E5 Large (Pinecone)multilingual-e5-large | Pinecone | 1024 | 507 | 5M tokens/mo per model |
Nemotron 3 Embed 1B (Speka)nvidia/nemotron-3-embed-1b | Speka | 2048 | 8192 | $1/month shared across Speka models |
OpenAI: Text Embedding 3 Small (ElectronHub)text-embedding-3-small | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
OpenAI: Text Embedding 3 Large (ElectronHub)text-embedding-3-large | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Nemotron 3 Embed 8B (Inferbase)nvidia-nemotron-3-embed-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 0.6B (Inferbase)qwen3-embedding-0-6b | Inferbase | 1024 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 4B (Inferbase)qwen3-embedding-4b | Inferbase | 2560 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 8B (Inferbase)qwen3-embedding-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
LFM2.5 Embedding 350M (LLMTR)liquid/lfm-2.5-embedding-350m-free | LLMTR | 1024 | 512 | Ongoing zero-price route; provider terms apply |
BGE-M3 (SEA-LION)BAAI/bge-m3 | SEA-LION | 1024 | 8192 | free · 10 rpm |
Cohere Embed English v3embed-english-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Qwen3 Embedding 8B (OVH)Qwen3-Embedding-8B | OVH AI Endpoints | 4096 | 32768 | free · anonymous 2 req/min per IP |
BGE-M3 (OVH)bge-m3 | OVH AI Endpoints | 1024 | 8192 | free · anonymous 2 req/min per IP |
BGE Multilingual Gemma2 (OVH)bge-multilingual-gemma2 | OVH AI Endpoints | 3584 | 8192 | free · anonymous 2 req/min per IP |
Mistral: Codestral Embed (ElectronHub)codestral-embed | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Mistral: Mistral Embed (ElectronHub)mistral-embed | ElectronHub | 1024 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 2 (ElectronHub)gemini-embedding-2 | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 001 (ElectronHub)gemini-embedding-001 | ElectronHub | 3072 | 2048 | $0.25/week shared free credits |
OpenAI: Text Embedding Ada 002 (ElectronHub)text-embedding-ada-002 | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Cohere Embed English Light v3embed-english-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual v3embed-multilingual-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual Light v3embed-multilingual-light-v3.0 | Cohere | 384 | 512 | 1K 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 | bashافتح 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.
| الحاجة | عائلة النموذج | السبب |
|---|---|---|
| نص إنجليزي قصير أو متعدد اللغات، مع مزوّدين كثيرين | bge-m3 | 1024 بُعداً و8,192 رمز إدخال. يقدمه عدة مزوّدين مجانيين، فيتوفر للتحويل عند الفشل خيارات أكثر. |
| استرجاع عالي الجودة مع مفتاح Google | gemini-embedding-001 | 3072 بُعداً. حد الإدخال 2,048 رمزاً، لذلك قسّم الوثائق الطويلة إلى أجزاء. |
| وثائق طويلة في متجه واحد | embed-v4.0 (Cohere) | نافذة إدخال كبيرة. يسمح المفتاح التجريبي بـ 1,000 استدعاء فقط في الشهر، وتشاركها الدردشة. |
| متجهات صغيرة وبحث سريع | bge-small-en-v1.5 | 384 بُعداً. إنجليزي فقط، وحد الإدخال 512 رمزاً. |
| البحث في الشيفرة | codestral-embed | مدرّب 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-001التي 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.
استكشاف الأخطاء وإصلاحها
| المشكلة | السبب | الحل |
|---|---|---|
| الخطأ 429 أثناء الفهرسة الكبيرة | بلغ حد المزوّد للعائلة | أضف مفتاح مزوّد ثانياً للعائلة نفسها، أو أرسل طلبات أقل في كل دقيقة |
| نتائج البحث خاطئة بعد تغيير | تستخدم الوثائق والاستعلامات عائلات مختلفة | استخدم قيمة model واحدة للاثنين. ضمّن الوثائق من جديد إذا غيّرتها |
| طول المتجه ليس كما تتوقع | تستخدم auto العائلة الافتراضية | حدد اسم عائلة صريحاً، أو تحقق من الافتراضي في Models, Embeddings |
| النصوص الطويلة تعطي تطابقات ضعيفة | النص أطول من حد الإدخال | قسّم النص إلى أجزاء أصغر |
| الخطأ 401 | المفتاح الموحّد خاطئ أو مفقود | انسخ المفتاح الموحّد من جديد من صفحة Keys |
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
- واجهة LLM مجانية لـ RAG
- واجهة LLM مجانية لـ LangChain
- واجهة LLM مجانية في Python
- free cohere api
- حدود معدل واجهات LLM المجانية
المصادر
- FreeLLMAPI docs: Embeddings (تم التحقق 20 November 2026)
- Google AI Studio docs: Embeddings (تم التحقق 20 November 2026)
- Cloudflare Workers AI pricing (تم التحقق 20 November 2026)
- Cohere docs: API keys and rate limits (تم التحقق 20 November 2026)
- OVHcloud AI Endpoints capabilities (تم التحقق 20 November 2026)