الرئيسية / الأدلة / واجهة LLM مجانية لـ RAG

واجهة LLM مجانية لـ RAG

يحتاج التوليد المعزز بالاسترجاع (RAG) إلى واجهتين: نموذج تضمين للعثور على النص المناسب، ونموذج دردشة لكتابة الإجابة. كلاهما متاح على المستويات المجانية. يقدم FreeLLMAPI مفتاحاً واحداً متوافقاً مع OpenAI لـ 41 من نماذج التضمين المجانية و487 من نماذج الدردشة المجانية، مع احتياط بين المزوّدين. يعرض هذا الدليل النماذج المجانية لكل خطوة، ومسار Python كامل.

تُعرض الشيفرة وأسماء النماذج وتسميات الكتالوج المباشر باللغة الإنجليزية.

مسار RAG على المستويات المجانية

الخطوةالواجهةما يجب الانتباه له في المستوى المجاني
1. قسّم المستندات إلى مقاطعلا شيء (كود محلي)لا شيء
2. ضمّن كل مقطع/v1/embeddingsطلبات كثيرة في البداية. تسمح بعض مستويات التضمين المجانية بـ 10 طلبات في الدقيقة.
3. ضمّن السؤال/v1/embeddingsطلب واحد لكل سؤال
4. اعثر على أفضل المقاطعلا شيء (بحث متجهات محلي)لا شيء
5. أعد ترتيب المقاطع (اختياري)/v1/chat/completionsطلب دردشة إضافي واحد لكل سؤال
6. اكتب الإجابة/v1/chat/completionsمطالبات كبيرة. تنطبق حدود الرموز في الدقيقة.

الخطوة 2 هي الخطوة الأغلى. تنفذها مرة واحدة لكل مستند. احفظ المتجهات، ولاحقاً ضمّن المستندات الجديدة أو المتغيرة فقط.

ثبّت FreeLLMAPI وحزم Python

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

python3 -m pip install -U openai numpy
export FREELLMAPI_API_KEY=<unified-key>

اختر نموذج تضمين مجانياً

اختر عائلة تضمين واحدة واحتفظ بها للفهرس كله. لا تتوافق المتجهات الناتجة من نموذجين. يحميك FreeLLMAPI من المتجهات المختلطة: لا يغيّر احتياط التضمين النموذج أبداً. ينتقل فقط بين المزوّدين الذين يقدمون العائلة نفسها.

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.

  • عدة مزوّدين لعائلة واحدة: تكون عائلة مثل bge-m3 مجانية لدى أكثر من مزوّد. عندئذ يكون للاحتياط وجهة يذهب إليها.
  • الحد الأقصى للإدخال: تُقطع المقاطع الأطول من الحد الأقصى للإدخال أو تُرفض. اجعل المقاطع أصغر من هذه القيمة.
  • اللغات: للنصوص غير الإنجليزية، استخدم عائلة متعددة اللغات مثل bge-m3. العائلات التي تحتوي -en- في اسمها مخصصة للإنجليزية.
  • الأبعاد: المتجهات الأكبر تستهلك تخزيناً أكثر. بالنسبة إلى فهرس صغير، هذا ليس مشكلة.

كود RAG كامل بلغة Python

يقسّم السكربت ملفات النصوص إلى مقاطع، ويضمّنها على دفعات، ويحفظ المتجهات باستخدام NumPy. ثم يجيب عن السؤال باستخدام أفضل المقاطع، ويعطي المصادر. يعيد المحاولة عندما يوقف حد الاستخدام طلباً.

rag.py

import json
import os
import pathlib
import time

import numpy as np
import openai
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:3001/v1",
    api_key=os.environ["FREELLMAPI_API_KEY"],
    max_retries=3,
    timeout=90,
)
EMBED_MODEL = "bge-m3"   # keep one family for the whole index
CHAT_MODEL = "auto"      # or a long-context profile: auto:<profile>
INDEX = pathlib.Path("index")

def with_retry(fn, *args, **kwargs):
    for attempt in range(6):
        try:
            return fn(*args, **kwargs)
        except openai.RateLimitError as err:
            header = err.response.headers.get("retry-after", "")
            time.sleep(min(int(header) if header.isdigit() else 2 ** attempt, 120))
    raise RuntimeError("Rate limited on every provider")

def chunk(text: str, size: int = 1500, overlap: int = 200) -> list[str]:
    step = size - overlap
    return [text[i:i + size] for i in range(0, max(len(text), 1), step)]

def embed(texts: list[str], batch: int = 32) -> np.ndarray:
    out = []
    for i in range(0, len(texts), batch):
        resp = with_retry(client.embeddings.create, model=EMBED_MODEL, input=texts[i:i + batch])
        out.extend(d.embedding for d in resp.data)
    vecs = np.array(out, dtype=np.float32)
    return vecs / np.linalg.norm(vecs, axis=1, keepdims=True)

def build(folder: str) -> None:
    chunks = []
    for path in sorted(pathlib.Path(folder).rglob("*.md")):
        for part in chunk(path.read_text(encoding="utf-8")):
            if part.strip():
                chunks.append({"source": str(path), "text": part})
    INDEX.mkdir(exist_ok=True)
    np.save(INDEX / "vectors.npy", embed([c["text"] for c in chunks]))
    (INDEX / "chunks.json").write_text(json.dumps(chunks))

def answer(question: str, k: int = 5) -> str:
    vecs = np.load(INDEX / "vectors.npy")
    chunks = json.loads((INDEX / "chunks.json").read_text())
    q = embed([question])[0]
    top = np.argsort(vecs @ q)[::-1][:k]
    context = "\n\n".join(f"[{n + 1}] ({chunks[i]['source']})\n{chunks[i]['text']}" for n, i in enumerate(top))
    resp = with_retry(
        client.chat.completions.create,
        model=CHAT_MODEL,
        temperature=0,
        messages=[
            {"role": "system", "content": "Answer only from the sources. Cite them as [1], [2]. If the sources do not answer, say so."},
            {"role": "user", "content": f"Sources:\n{context}\n\nQuestion: {question}"},
        ],
    )
    return resp.choices[0].message.content

if __name__ == "__main__":
    if not (INDEX / "vectors.npy").exists():
        build("docs")
    print(answer("How do I rotate the API keys?"))

لأكثر من بضعة آلاف من المقاطع، استبدل بحث NumPy بقاعدة بيانات متجهات. تبقى استدعاءات التضمين والدردشة كما هي.

يسأل المستخدمون السؤال نفسه مراراً. يملك FreeLLMAPI ذاكرة تخزين مؤقت للاستجابات، تُفعَّل باختيار المستخدم، للطلبات المتطابقة. لا تستهلك إصابة الذاكرة المؤقتة حصة المزوّد. يمكنك تشغيل الذاكرة المؤقتة أو إيقافها لطلب واحد بالترويسة X-FreeLLM-Cache: on أو off. استخدم temperature=0، حتى يُرسل السؤال نفسه الطلب نفسه.

أضف خطوة إعادة الترتيب

يجد البحث بالمتجهات نصاً مشابهاً، لكن أفضل مقطع ليس دائماً أفضل إجابة. تعيد خطوة إعادة الترتيب ترتيب المرشحين. لا تصف وثائق FreeLLMAPI نقطة إعادة ترتيب مخصصة. يمكنك استخدام نموذج دردشة سريع كأداة لإعادة الترتيب. استرجع 15 مرشحاً، واحتفظ بأفضل 5.

إعادة ترتيب بنموذج LLM باستخدام auto:fast

def rerank(question: str, candidates: list[str], keep: int = 5) -> list[int]:
    listing = "\n".join(f"{n}: {c[:400]}" for n, c in enumerate(candidates))
    resp = with_retry(
        client.chat.completions.create,
        model="auto:fast",
        temperature=0,
        messages=[{
            "role": "user",
            "content": (
                f"Question: {question}\n\nPassages:\n{listing}\n\n"
                f"Return the numbers of the {keep} most useful passages, best first, "
                "as a JSON list of integers. Return only the list."
            ),
        }],
    )
    try:
        ids = json.loads(resp.choices[0].message.content.strip())
        return [i for i in ids if isinstance(i, int) and 0 <= i < len(candidates)][:keep]
    except (json.JSONDecodeError, AttributeError):
        return list(range(min(keep, len(candidates))))  # fall back to vector order


# Use it in answer(): take 15 candidates, keep the best 5
# top = np.argsort(vecs @ q)[::-1][:15]
# best = rerank(question, [chunks[i]["text"] for i in top])
# top = [top[i] for i in best]

تضيف خطوة إعادة الترتيب طلب دردشة واحداً لكل سؤال. إذا كانت حدودك المجانية ضيقة، فتجاوزها. غالباً ما يفيد التقسيم الأفضل أكثر من خطوة إعادة الترتيب.

السياق الطويل: متى لا تحتاج إلى الاسترجاع

اليوم، يملك 56 من عروض النماذج المجانية نافذة سياق تبلغ مليون رمز أو أكثر. إذا كانت مستنداتك صغيرة، فيمكنك إرسالها كلها في المطالبة وتجاوز فهرس المتجهات. هذا أبسط، لكن كل سؤال عندئذ يرسل رموزاً كثيرة.

نماذج مجانية ذات أكبر نوافذ سياق
النموذجمجاني علىالسياقالحدود المجانية (أفضل عرض)الأدواتالرؤية
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsلالا
Gemini 3.8 FlashAPINex, Google AI Studio1M5 طلب/دقيقة
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
نعمنعم
Gemini 3.7 FlashGoogle AI Studio1M10 طلب/دقيقة
20 طلب/يوم
250,000 رمز/دقيقة
~3M
نعمنعم
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 طلب/دقيقة
50 طلب/يوم
Shared rate limit
نعملا
DeepSeek V4 Flash 0731ElectronHub, Router91M10,000 credits/month (~$1), shared; account-anniversary resetلالا
Gemini 3.6 FlashGoogle AI Studio1M10 طلب/دقيقة
20 طلب/يوم
250,000 رمز/دقيقة
~3M
نعمنعم
GLM 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetلالا
Gemini 3.5 FlashGoogle AI Studio1M10 طلب/دقيقة
20 طلب/يوم
250,000 رمز/دقيقة
~3M
نعمنعم
DeepSeek V4 ProAPINex, Router91M5 طلب/دقيقة
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
لالا
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 أخرى1M200 طلب/يوم
200 rpd
نعملا

يعرض 10 من أصل 35 نموذجًا مجانيًا مطابقًا. عرض كل النماذج.

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

  • استخدم السياق الطويل لعدد قليل من المستندات، أو للأسئلة التي تحتاج إلى النص الكامل، أو لتقرير واحد.
  • استخدم الاسترجاع لمستندات كثيرة، أو لأسئلة متكررة، أو عندما تكون حدود الرموز في الدقيقة المجانية منخفضة.
  • اجمع بينهما: استرجع 20 مقطعاً أو أكثر، وأرسلها إلى نموذج ذي سياق طويل.

قد تفشل مطالبة كبيرة لدى مزوّد ذي حد منخفض للرموز في الدقيقة. عندئذ يجرب FreeLLMAPI المزوّد التالي. للتحكم في النماذج التي تستقبل المطالبات الكبيرة، أنشئ ملف تعريف لسلسلة احتياط يضم نماذج ذات سياق طويل فقط. استخدمه بالصيغة auto:<profile>.

الحدود واستكشاف الأخطاء وإصلاحها

المشكلةالسببالحل
يتوقف الإدخال مع الخطأ 429عائلة التضمين بلغت حدها لدى كل المزوّديناستخدم دفعات أكبر، وانتظر Retry-After، وأدخل المستندات على أجزاء
نتائج سيئة بعد تغييريحتوي الفهرس على متجهات من عائلتينضمّن كل المقاطع من جديد بعائلة واحدة
خطأ يتعلق بطول الإدخالأحد المقاطع أطول من الحد الأقصى للإدخال في العائلةاستخدم مقاطع أصغر
تتجاهل الإجابة المصادريجيب النموذج من معرفته الخاصةاستخدم temperature=0 ومطالبة نظام صارمة
خطأ طول السياق في الإجابةمقاطع كثيرة أو طويلة جداًخفّض k أو استخدم ملف تعريف للسياق الطويل
تتغير أسلوب الإجاباتاختار الموجّه نموذجاً مختلفاًأرسل الترويسة X-Session-Id أو ثبّت نموذجاً

لا تقدم المستويات المجانية أي اتفاقية مستوى خدمة. تستنفد أقوى النماذج حدودها اليومية أولاً، وتُعاد ضبط كثير من الحدود عند منتصف الليل بتوقيت UTC. اختبر مسارك بالنماذج التي ستستخدمها سلسلتك فعلاً.

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 مجانية لـ RAG؟

نعم. لدى عدة مزوّدين مستويات مجانية للتضمين والدردشة. يقدم FreeLLMAPI الاثنين عبر مفتاح واحد متوافق مع OpenAI، مع احتياط بين المزوّدين.

ما أفضل نموذج تضمين مجاني لـ RAG؟

اختر عائلة مجانية لدى عدة مزوّدين وتناسب لغاتك. للنصوص متعددة اللغات، يُعد bge-m3 خياراً شائعاً. احتفظ بعائلة واحدة للفهرس كله.

هل توجد واجهة مجانية لإعادة الترتيب؟

لا تصف وثائق FreeLLMAPI نقطة لإعادة الترتيب. يمكنك إعادة الترتيب بنموذج دردشة سريع، كما يظهر في هذه الصفحة، أو تجاوز خطوة إعادة الترتيب.

هل أحتاج إلى RAG إذا كان نموذج مجاني يملك مليون رمز سياق؟

ليس لعدد قليل من المستندات الصغيرة. أما للمستندات الكثيرة أو الأسئلة المتكررة، فيرسل الاسترجاع رموزاً أقل في كل طلب، ويبقى ضمن الحدود المجانية.

هل يمكنني تغيير نموذج التضمين لاحقاً؟

نعم، لكن يجب أن تضمّن كل المقاطع من جديد. لا تتوافق المتجهات من نموذجين، لذلك لا تخلطهما في فهرس واحد.

أدلة ذات صلة

المصادر

كل الأدلة · تصفح كل النماذج المجانية