হোম / গাইড / LlamaIndex-এর জন্য বিনামূল্যের LLM

LlamaIndex-এর জন্য বিনামূল্যের LLM

LlamaIndex-এ OpenAI-compatible API-র জন্য দুটি ক্লাস আছে: chat-এর জন্য OpenAILike এবং embeddings-এর জন্য OpenAILikeEmbedding। এই গাইড দুটিকেই FreeLLMAPI-এর দিকে নির্দেশ করে, যা একটি কীর পেছনে 45টি বিনামূল্যের প্রোভাইডার টিয়ার একত্র করে। আপনি একটি retrieval-augmented generation (RAG) index তৈরি করেন, সেটিতে query করেন এবং একটি এজেন্ট যোগ করেন। কোডটি রেট লিমিট সামলায়।

কোড, মডেলের নাম এবং লাইভ ক্যাটালগের লেবেল ইংরেজিতে দেখানো হয়।

প্যাকেজ ইনস্টল করুন

FreeLLMAPI ইনস্টল করুন এবং ড্যাশবোর্ডের Keys পেজে দুই বা তার বেশি প্রোভাইডার থেকে ফ্রি কী যোগ করুন। unified key কপি করুন। তারপর LlamaIndex প্যাকেজ ইনস্টল করুন।

ইনস্টল

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

pip install -U llama-index-core \
  llama-index-llms-openai-like \
  llama-index-embeddings-openai-like

export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>

যে মডেল নাম OpenAI চেনে না, সেগুলোর সঙ্গে সাধারণ OpenAI ক্লাস ব্যবহার করবেন না, যা llama-index-llms-openai থেকে আসে। সেই ক্লাস মডেল নাম ও কনটেক্সট সাইজ OpenAI মডেলের তালিকার সঙ্গে মিলিয়ে দেখে। OpenAILike তা করে না, তাই এই মানগুলো আপনি নিজে সেট করেন।

LLM ও embedding মডেল কনফিগার করুন

settings.py

import os
from llama_index.core import Settings
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding

BASE = os.environ["FREELLMAPI_BASE_URL"]
KEY = os.environ["FREELLMAPI_API_KEY"]

Settings.llm = OpenAILike(
    model="auto",
    api_base=BASE,
    api_key=KEY,
    is_chat_model=True,              # use /v1/chat/completions
    is_function_calling_model=True,  # needed for FunctionAgent
    context_window=32000,            # the smallest window in your chain
    max_retries=5,
    timeout=90,
)

Settings.embed_model = OpenAILikeEmbedding(
    model_name="bge-m3",  # one family, 1024 dimensions
    api_base=BASE,
    api_key=KEY,
    embed_batch_size=16,
    max_retries=10,
)
  • is_chat_model=True: এটি ছাড়া LlamaIndex পুরোনো completions এন্ডপয়েন্টে অনুরোধ পাঠায়।
  • context_window: LlamaIndex এই মান দিয়ে ঠিক করে প্রম্পটে কয়টি পুনরুদ্ধার করা chunk ধরবে। auto দিয়ে রাউটার ভিন্ন মডেল বেছে নিতে পারে। আপনার চেইনের সবচেয়ে ছোট কনটেক্সট উইন্ডো ব্যবহার করুন।
  • is_function_calling_model=True: শুধু তখনই সেট করুন যখন আপনার চেইনে tool-calling মডেল আছে।
  • embed_batch_size: প্রতিটি batch একটি অনুরোধ। বড় batch প্রতি মিনিটে কম অনুরোধ ব্যবহার করে।

RAG প্রম্পটে কয়েকটি পুনরুদ্ধার করা chunk থাকে, তাই chat মডেলে সেগুলোর জায়গা লাগে। RAG-এর জন্য দীর্ঘ-কনটেক্সট মডেল দিয়ে একটি fallback চেইন profile তৈরি করুন। তারপর model="auto:<profile>" সেট করুন এবং context_window-কে সেই profile-এর সবচেয়ে ছোট উইন্ডোতে বাড়ান। আজ এই বিনামূল্যের মডেলগুলোর সবচেয়ে বড় কনটেক্সট উইন্ডো আছে:

সবচেয়ে বড় কনটেক্সট উইন্ডোসহ বিনামূল্যের মডেল
মডেলবিনামূল্যেকনটেক্সটবিনামূল্যের সীমা (সেরা অফার)টুলভিশন
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsনানা
Gemini 3.8 FlashAPINex, Google AI Studio1M5 অনুরোধ/মিনিট
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
হ্যাঁহ্যাঁ
Gemini 3.7 FlashGoogle AI Studio1M10 অনুরোধ/মিনিট
20 অনুরোধ/দিন
250,000 টোকেন/মিনিট
~3M
হ্যাঁহ্যাঁ
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 অনুরোধ/মিনিট
50 অনুরোধ/দিন
Shared rate limit
হ্যাঁনা
DeepSeek V4 Flash 0731ElectronHub, Router91M10,000 credits/month (~$1), shared; account-anniversary resetনানা
Gemini 3.6 FlashGoogle AI Studio1M10 অনুরোধ/মিনিট
20 অনুরোধ/দিন
250,000 টোকেন/মিনিট
~3M
হ্যাঁহ্যাঁ
GLM-5.2ModelScope, Router91M100 অনুরোধ/দিন
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
নানা
Gemini 3.5 FlashGoogle AI Studio1M10 অনুরোধ/মিনিট
20 অনুরোধ/দিন
250,000 টোকেন/মিনিট
~3M
হ্যাঁহ্যাঁ

মিলে যাওয়া 115টি বিনামূল্যের মডেলের মধ্যে 8টি দেখানো হচ্ছে। সব মডেল দেখুন.

FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।

একজন ব্যবহারকারীকে একটি মডেলে রাখতে X-Session-Id হেডার পাঠান। OpenAILike default_headers গ্রহণ করে, যেমন default_headers={"X-Session-Id": "user-42"}। FreeLLMAPI একটি সেশনকে 30 মিনিট একই মডেলে রাখে। এতে একটি চ্যাট জুড়ে উত্তরের শৈলী একই থাকে।

একটি RAG index তৈরি ও query করুন

স্ক্রিপ্টটি একটি ফোল্ডার থেকে ফাইল পড়ে, embeddings তৈরি করে, index সংরক্ষণ করে এবং একটি প্রশ্নের উত্তর দেয়। index তৈরির জন্য একবার চালান। পরের চালনায় সংরক্ষিত index লোড হয় এবং ফাইলগুলো আবার embed হয় না।

rag.py

import os
import settings  # noqa: F401  (sets Settings.llm and Settings.embed_model)
from llama_index.core import (
    SimpleDirectoryReader,
    StorageContext,
    VectorStoreIndex,
    load_index_from_storage,
)

PERSIST = "./storage"


def load_index() -> VectorStoreIndex:
    if os.path.isdir(PERSIST):
        return load_index_from_storage(StorageContext.from_defaults(persist_dir=PERSIST))
    docs = SimpleDirectoryReader("./docs").load_data()
    index = VectorStoreIndex.from_documents(docs, show_progress=True)
    index.storage_context.persist(persist_dir=PERSIST)
    return index


if __name__ == "__main__":
    query_engine = load_index().as_query_engine(similarity_top_k=4, streaming=True)
    response = query_engine.query("How do I rotate the API keys?")
    response.print_response_stream()
    for node in response.source_nodes:
        print("\nSource:", node.metadata.get("file_name"), round(node.score or 0, 3))
গুরুত্বপূর্ণ: পুরো index-এর জন্য একটি embedding family রাখুন। FreeLLMAPI failover-এর সময় কখনো embedding মডেল বদলায় না। এটি শুধু একই family পরিবেশনকারী প্রোভাইডারের মধ্যে সরে। family বদলালে ./storage মুছে ফেলুন এবং index আবার তৈরি করুন।

আজকের ক্যাটালগে এই embedding মডেলগুলো বিনামূল্যে। dimensions কলামে প্রতিটি family-র vector আকার দেখানো হয়েছে।

মডেলপ্রোভাইডারডাইমেনশনসর্বোচ্চ ইনপুটবিনামূল্যের সীমা
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)

FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।

FunctionAgent দিয়ে একটি এজেন্ট যোগ করুন

FunctionAgent tool calling ব্যবহার করে। আপনি এটিকে query engine একটি tool হিসেবে দিতে পারেন এবং নিজের Python ফাংশন যোগ করতে পারেন।

agent.py

import asyncio
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.core.tools import QueryEngineTool
from llama_index.core import Settings
from rag import load_index

docs_tool = QueryEngineTool.from_defaults(
    query_engine=load_index().as_query_engine(similarity_top_k=4),
    name="project_docs",
    description="Answers questions about the project documentation.",
)

def open_tickets(team: str) -> int:
    """Return the number of open tickets for a team."""
    return {"billing": 4, "platform": 11}.get(team, 0)

agent = FunctionAgent(
    tools=[docs_tool, open_tickets],
    llm=Settings.llm,
    system_prompt="Use the tools. Cite the document name in each answer.",
)

async def main():
    result = await agent.run("How many platform tickets are open, and how do we rotate keys?")
    print(result)

asyncio.run(main())

এজেন্ট কাজের জন্য tool calling সহ মডেল বেছে নিন। শুধু এই মডেলগুলো দিয়ে একটি fallback চেইন profile তৈরি করুন, এবং মডেলের নাম হিসেবে auto:<profile> ব্যবহার করুন।

tool calling ও 128K+ কনটেক্সটসহ বিনামূল্যের মডেল
মডেলবিনামূল্যেকনটেক্সটবিনামূল্যের সীমা (সেরা অফার)টুলভিশন
GLM 5.3UnoRouter1M1 অনুরোধ/মিনিট
1 req/min per model
হ্যাঁনা
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 অনুরোধ/মিনিট
40 RPM
হ্যাঁহ্যাঁ
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaহ্যাঁহ্যাঁ
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowanceহ্যাঁনা
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditহ্যাঁহ্যাঁ
Gemini 3.7 FlashGoogle AI Studio1M10 অনুরোধ/মিনিট
20 অনুরোধ/দিন
250,000 টোকেন/মিনিট
~3M
হ্যাঁহ্যাঁ
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditহ্যাঁহ্যাঁ
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 অনুরোধ/মিনিট
50 অনুরোধ/দিন
50 req/day account-wide (1,000 after a $10 purchase)
হ্যাঁহ্যাঁ
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 অনুরোধ/মিনিট
50 অনুরোধ/দিন
Shared rate limit
হ্যাঁনা
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 অনুরোধ/মিনিট
250 অনুরোধ/দিন
70,000 টোকেন/মিনিট
~6M
হ্যাঁহ্যাঁ

মিলে যাওয়া 109টি বিনামূল্যের মডেলের মধ্যে 10টি দেখানো হচ্ছে। সব মডেল দেখুন.

FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।

ingestion বিনামূল্যের সীমার মধ্যে রাখুন

Ingestion অল্প সময়ে অনেক embedding অনুরোধ পাঠায়। বিনামূল্যের embedding টিয়ারের সীমা কম। উদাহরণস্বরূপ, কিছু প্রতি মিনিটে 10 অনুরোধ দেয় এবং অন্যরা প্রতি মাসের কল গণনা করে। শুরু করার আগে প্রথম ingestion-এর পরিকল্পনা করুন।

  • বড় chunk ব্যবহার করুন। কম chunk মানে কম vector ও কম অনুরোধ। প্রায় 1,024 টোকেনের chunk আকার একটি ভালো শুরু।
  • Batch ব্যবহার করুন। embed_batch_size 16 বা তার বেশি সেট করুন। তখন একটি অনুরোধে অনেক chunk যায়।
  • index সংরক্ষণ করুন। প্রথম চালনার পর index সংরক্ষণ করুন। একই ফাইল আবার embed করবেন না।
  • Retry চালু রাখুন। OpenAILikeEmbedding ডিফল্টভাবে সর্বোচ্চ 10 বার retry করে। দীর্ঘ ingestion job-এর জন্য এই মান রাখুন।
  • ভাগ করে ingest করুন। হাজার হাজার ফাইলের জন্য একবারে একটি ফোল্ডার ingest করুন।

Query, ingestion-এর চেয়ে কম খরচের। প্রতিটি query একটি embedding অনুরোধ ও একটি chat অনুরোধ ব্যবহার করে। চারটি 1,024-টোকেন chunk সহ একটি chat অনুরোধ প্রায় 5,000 টোকেন পাঠায়। কম tokens-per-minute সীমার ফ্রি টিয়ার এটি প্রত্যাখ্যান করতে পারে। তখন FreeLLMAPI পরের প্রোভাইডার চেষ্টা করে।

সমস্যা সমাধান

সমস্যাকারণসমাধান
Unknown model 'auto'আপনি OpenAI ক্লাস ব্যবহার করেছেনOpenAILike ব্যবহার করুন
অনুরোধ /v1/completions-এ যাচ্ছেis_chat_model সেট করা নেইis_chat_model=True সেট করুন
এজেন্ট tool কল করে নাis_function_calling_model বন্ধ, অথবা মডেলে tool calling নেইএটি True-এ সেট করুন এবং একটি tools profile ব্যবহার করুন
ingestion-এর সময় Error 429সব প্রোভাইডারে embedding family সীমায় আছেবড় batch ব্যবহার করুন, Retry-After-এর জন্য অপেক্ষা করুন এবং আবার চালান
embedding মডেল বদলানোর পর খারাপ উত্তরএক index-এ দুটি family-র vectorসংরক্ষিত index মুছে আবার তৈরি করুন
কনটেক্সট দৈর্ঘ্যের errorcontext_window উত্তরদাতা মডেলের চেয়ে বড়ছোট মান সেট করুন, অথবা একটি দীর্ঘ-কনটেক্সট profile ব্যবহার করুন

কোন প্রোভাইডার একটি অনুরোধে উত্তর দিয়েছে তা দেখতে FreeLLMAPI ড্যাশবোর্ড ব্যবহার করুন। Analytics পেজে প্রতিটি প্রোভাইডার ও মডেলের অনুরোধ, latency এবং error দেখানো হয়। প্রতিটি response-এ একটি X-Routed-Via হেডারও আছে। রাউটার প্রোভাইডার বদলালে X-Fallback-Trail হেডার প্রতিটি ব্যর্থ চেষ্টা এবং কারণ দেখায়।

একটি কী দিয়ে এর প্রতিটি ব্যবহার করুন। FreeLLMAPI একটি ওপেন-সোর্স, নিজের সার্ভারে চালানো রাউটার। এটি এই সব বিনামূল্যের টিয়ার একটি মাত্র OpenAI-সামঞ্জস্যপূর্ণ এন্ডপয়েন্টের পেছনে রাখে এবং কোনো একটির সীমা শেষ হলে অন্যটিতে সরে যায়। ক্যাটালগ ব্রাউজ করুন অথবা শুরু করুন.

সাধারণ প্রশ্ন

বিনামূল্যের LLM দিয়ে কি LlamaIndex ব্যবহার করা যায়?

হ্যাঁ। OpenAI-compatible URL-এ api_base সেট করে OpenAILike ব্যবহার করুন। FreeLLMAPI অনেক বিনামূল্যের প্রোভাইডার টিয়ারের জন্য একটি URL দেয়। প্রতিটি টিয়ারের নিজস্ব সীমা আছে।

LlamaIndex-এ OpenAI ও OpenAILike-এর পার্থক্য কী?

OpenAI ক্লাস মডেল নাম OpenAI মডেলের সঙ্গে মিলিয়ে দেখে। OpenAILike যেকোনো মডেল নাম গ্রহণ করে। কনটেক্সট উইন্ডো এবং chat ও function-calling flag আপনি নিজে সেট করেন।

LlamaIndex-এর জন্য সেরা বিনামূল্যের embedding মডেল কোনটি?

আপনার ingestion-এর জন্য যথেষ্ট বিনামূল্যের অনুরোধ আছে এমন একটি family বেছে নিন এবং পুরো index-এর জন্য সেটি রাখুন। bge-m3 family কয়েকটি প্রোভাইডারে বিনামূল্যে, তাই failover তাদের মধ্যে সরতে পারে।

বিনামূল্যের মডেলে কি FunctionAgent কাজ করে?

হ্যাঁ, যদি মডেলটি tool calling সমর্থন করে এবং আপনি is_function_calling_model=True সেট করেন। এমন একটি fallback চেইন profile ব্যবহার করুন যাতে শুধু tool-calling মডেল আছে।

LlamaIndex index তৈরির সময় রেট লিমিট কীভাবে এড়াব?

বড় chunk ব্যবহার করুন, embed_batch_size 16 বা তার বেশি সেট করুন, index সংরক্ষণ করুন এবং বড় ফোল্ডার ভাগ করে ingest করুন।

সম্পর্কিত গাইড

উৎস

সব গাইড · সব বিনামূল্যের মডেল দেখুন