RAG-এর জন্য বিনামূল্যের LLM API
Retrieval-augmented generation (RAG)-এর জন্য দুটি API লাগে: প্রাসঙ্গিক টেক্সট খুঁজে বের করতে একটি embedding মডেল, আর উত্তর লিখতে একটি চ্যাট মডেল। দুটিই বিনামূল্যের টিয়ারে পাওয়া যায়। FreeLLMAPI 41টি বিনামূল্যের embedding মডেল ও 487টি বিনামূল্যের চ্যাট মডেলের জন্য একটি OpenAI-compatible কী দেয়, প্রোভাইডারদের মধ্যে ফেইলওভার সহ। এই গাইডে প্রতিটি ধাপের বিনামূল্যের মডেল এবং একটি সম্পূর্ণ Python পাইপলাইন দেখানো হয়েছে।
কোড, মডেলের নাম এবং লাইভ ক্যাটালগের লেবেল ইংরেজিতে দেখানো হয়।
বিনামূল্যের টিয়ারে RAG পাইপলাইন
| ধাপ | API | বিনামূল্যের টিয়ারের উদ্বেগ |
|---|---|---|
| 1. ডকুমেন্টগুলো চাঙ্কে ভাগ করুন | কিছু নেই (লোকাল কোড) | কিছু নেই |
| 2. প্রতিটি চাঙ্ক embed করুন | /v1/embeddings | শুরুতে অনেক অনুরোধ। কিছু বিনামূল্যের embedding টিয়ার প্রতি মিনিটে 10টি অনুরোধ দেয়। |
| 3. প্রশ্নটি embed করুন | /v1/embeddings | প্রতি প্রশ্নে একটি অনুরোধ |
| 4. সেরা চাঙ্কগুলো খুঁজুন | কিছু নেই (লোকাল vector search) | কিছু নেই |
| 5. চাঙ্কগুলো রি-র্যাংক করুন (ঐচ্ছিক) | /v1/chat/completions | প্রতি প্রশ্নে একটি অতিরিক্ত চ্যাট অনুরোধ |
| 6. উত্তর লিখুন | /v1/chat/completions | বড় প্রম্পট। প্রতি মিনিটের টোকেন সীমা প্রযোজ্য। |
ধাপ 2 সবচেয়ে ব্যয়বহুল। প্রতিটি ডকুমেন্টের জন্য এটি একবার করুন। ভেক্টরগুলো সংরক্ষণ করুন, এবং পরে শুধু নতুন বা বদলানো ডকুমেন্ট embed করুন।
FreeLLMAPI ও Python প্যাকেজ ইনস্টল করুন
curl -fsSL https://freellmapi.co/install.sh | bash
python3 -m pip install -U openai numpy
export FREELLMAPI_API_KEY=<unified-key>একটি বিনামূল্যের embedding মডেল বেছে নিন
একটি embedding পরিবার বেছে নিন এবং পুরো ইনডেক্সের জন্য সেটি রাখুন। দুটি মডেলের ভেক্টর সামঞ্জস্যপূর্ণ নয়। FreeLLMAPI মিশ্র ভেক্টর থেকে আপনাকে রক্ষা করে: embedding ফেইলওভার কখনও মডেল বদলায় না। এটি শুধু একই পরিবার সরবরাহকারী প্রোভাইডারদের মধ্যে যায়।
| মডেল | প্রোভাইডার | ডাইমেনশন | সর্বোচ্চ ইনপুট | বিনামূল্যের সীমা |
|---|---|---|---|---|
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) |
FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।
- একটি পরিবারের জন্য একাধিক প্রোভাইডার:
bge-m3-এর মতো একটি পরিবার একাধিক প্রোভাইডারে বিনামূল্যে। তাহলে ফেইলওভারের যাওয়ার জায়গা থাকে। - সর্বোচ্চ ইনপুট: সর্বোচ্চ ইনপুটের চেয়ে লম্বা চাঙ্ক কেটে যায় বা প্রত্যাখ্যাত হয়। চাঙ্ক এই মানের চেয়ে ছোট করুন।
- ভাষা: ইংরেজি ছাড়া টেক্সটের জন্য
bge-m3-এর মতো বহুভাষিক পরিবার ব্যবহার করুন। নামে-en-থাকা পরিবারগুলো ইংরেজির জন্য। - মাত্রা: বড় ভেক্টর বেশি স্টোরেজ নেয়। ছোট ইনডেক্সের জন্য এটি সমস্যা নয়।
Python-এ সম্পূর্ণ RAG কোড
স্ক্রিপ্টটি টেক্সট ফাইলগুলো চাঙ্কে ভাগ করে, ব্যাচে embed করে এবং NumPy দিয়ে ভেক্টর সংরক্ষণ করে। তারপর সেরা চাঙ্কগুলো দিয়ে একটি প্রশ্নের উত্তর দেয় এবং সূত্র দেখায়। কোনো সীমা অনুরোধ থামালে এটি আবার চেষ্টা করে।
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?"))কয়েক হাজারের বেশি চাঙ্কের জন্য NumPy অনুসন্ধানের জায়গায় একটি vector database ব্যবহার করুন। embedding ও চ্যাট কল একই থাকে।
ব্যবহারকারীরা প্রায়ই একই প্রশ্ন আবার করেন। FreeLLMAPI একই অনুরোধের জন্য একটি opt-in রেসপন্স ক্যাশ দেয়। ক্যাশ হিট কোনো প্রোভাইডার কোটা ব্যবহার করে না। X-FreeLLM-Cache: on বা off হেডার দিয়ে একটি অনুরোধের জন্য ক্যাশ চালু বা বন্ধ করতে পারেন। temperature=0 ব্যবহার করুন, যাতে একই প্রশ্ন একই অনুরোধ তৈরি করে।
একটি rerank ধাপ যোগ করুন
ভেক্টর অনুসন্ধান অনুরূপ টেক্সট খোঁজে, কিন্তু সেরা চাঙ্কটি সবসময় সেরা উত্তর হয় না। একটি rerank ধাপ প্রার্থীদের আবার সাজায়। FreeLLMAPI ডকুমেন্টে কোনো নির্দিষ্ট rerank এন্ডপয়েন্ট বর্ণনা করা নেই। reranker হিসেবে আপনি একটি দ্রুত চ্যাট মডেল ব্যবহার করতে পারেন। 15টি প্রার্থী আনুন এবং সেরা 5টি রাখুন।
auto:fast দিয়ে LLM রি-র্যাংক
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]rerank ধাপ প্রতি প্রশ্নে একটি চ্যাট অনুরোধ যোগ করে। আপনার বিনামূল্যের সীমা কম হলে এটি বাদ দিন। ভালো চাঙ্কিং প্রায়ই rerank ধাপের চেয়ে বেশি সাহায্য করে।
দীর্ঘ কনটেক্সট: কখন retrieval লাগে না
আজ 56টি বিনামূল্যের মডেল অফারে 1 মিলিয়ন টোকেন বা তার বেশি কনটেক্সট উইন্ডো আছে। আপনার ডকুমেন্ট ছোট হলে সবগুলো প্রম্পটে পাঠাতে পারেন, এবং vector ইনডেক্স বাদ দিতে পারেন। এটি সহজ, কিন্তু প্রতিটি প্রশ্নে তখন অনেক টোকেন যায়।
| মডেল | বিনামূল্যে | কনটেক্সট | বিনামূল্যের সীমা (সেরা অফার) | টুল | ভিশন |
|---|---|---|---|---|---|
| OpenAI: GPT-6 Luna | ElectronHub | 1.1M | $0.25/week shared free credits | না | না |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 অনুরোধ/মিনিট 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | হ্যাঁ | হ্যাঁ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 অনুরোধ/মিনিট 20 অনুরোধ/দিন 250,000 টোকেন/মিনিট ~3M | হ্যাঁ | হ্যাঁ |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 অনুরোধ/মিনিট 50 অনুরোধ/দিন Shared rate limit | হ্যাঁ | না |
| DeepSeek V4 Flash 0731 | ElectronHub, Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | না | না |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 অনুরোধ/মিনিট 20 অনুরোধ/দিন 250,000 টোকেন/মিনিট ~3M | হ্যাঁ | হ্যাঁ |
| GLM 5.2 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | না | না |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 অনুরোধ/মিনিট 20 অনুরোধ/দিন 250,000 টোকেন/মিনিট ~3M | হ্যাঁ | হ্যাঁ |
| DeepSeek V4 Pro | APINex, Router9 | 1M | 5 অনুরোধ/মিনিট 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | না | না |
| Nemotron 3 Ultra 550B | Gizmo, Kilo Gateway, LLMTR +আরও 3 | 1M | 200 অনুরোধ/দিন 200 rpd | হ্যাঁ | না |
মিলে যাওয়া 35টি 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।
- দীর্ঘ কনটেক্সট ব্যবহার করুন কয়েকটি ডকুমেন্টের জন্য, পুরো টেক্সট দরকার এমন প্রশ্নের জন্য, অথবা একটি একক প্রতিবেদনের জন্য।
- retrieval ব্যবহার করুন অনেক ডকুমেন্টের জন্য, ঘন ঘন প্রশ্নের জন্য, অথবা যখন বিনামূল্যের প্রতি মিনিটের টোকেন সীমা কম।
- দুটো মেলান: 20 বা তার বেশি চাঙ্ক আনুন এবং সেগুলো একটি দীর্ঘ-কনটেক্সট মডেলে পাঠান।
একটি বড় প্রম্পট কম প্রতি-মিনিটের টোকেন সীমার প্রোভাইডারে ব্যর্থ হতে পারে। তখন FreeLLMAPI পরের প্রোভাইডারটি চেষ্টা করে। কোন মডেল বড় প্রম্পট পাবে তা নিয়ন্ত্রণ করতে শুধু দীর্ঘ-কনটেক্সট মডেল নিয়ে একটি ফলব্যাক চেইন প্রোফাইল বানান। এটি auto:<profile> হিসেবে ব্যবহার করুন।
সীমা ও সমস্যা সমাধান
| সমস্যা | কারণ | সমাধান |
|---|---|---|
| ইনজেস্ট 429-তে থেমে যায় | embedding পরিবার সব প্রোভাইডারে সীমায় পৌঁছেছে | বড় ব্যাচ ব্যবহার করুন, Retry-After-এর জন্য অপেক্ষা করুন, অংশে অংশে ইনজেস্ট করুন |
| একটি পরিবর্তনের পর খারাপ ফল | ইনডেক্সে দুটি পরিবারের ভেক্টর আছে | একটি পরিবার দিয়ে সব চাঙ্ক আবার embed করুন |
| ইনপুট দৈর্ঘ্য নিয়ে ত্রুটি | একটি চাঙ্ক পরিবারের সর্বোচ্চ ইনপুটের চেয়ে লম্বা | ছোট চাঙ্ক ব্যবহার করুন |
| উত্তর সূত্র উপেক্ষা করে | মডেল নিজের জ্ঞান থেকে উত্তর দেয় | temperature=0 ও একটি কঠোর সিস্টেম প্রম্পট ব্যবহার করুন |
| উত্তরে কনটেক্সট দৈর্ঘ্যের ত্রুটি | অনেক বা খুব লম্বা চাঙ্ক | k কমান, অথবা একটি দীর্ঘ-কনটেক্সট প্রোফাইল ব্যবহার করুন |
| উত্তরের ধরন বদলায় | রাউটার অন্য মডেল বেছে নিয়েছে | একটি X-Session-Id হেডার পাঠান, অথবা একটি মডেল স্থির করুন |
বিনামূল্যের টিয়ারে কোনো SLA নেই। সবচেয়ে শক্তিশালী মডেলগুলো আগে তাদের দৈনিক সীমায় পৌঁছায়, এবং অনেক সীমা মধ্যরাত UTC-তে রিসেট হয়। আপনার চেইন আসলে যেসব মডেল ব্যবহার করবে, সেগুলো দিয়ে আপনার পাইপলাইন পরীক্ষা করুন।
সাধারণ প্রশ্ন
RAG-এর জন্য কি বিনামূল্যের API আছে?
হ্যাঁ। কয়েকটি প্রোভাইডারের বিনামূল্যের embedding ও চ্যাট টিয়ার আছে। FreeLLMAPI প্রোভাইডারদের মধ্যে ফেইলওভার সহ একটি OpenAI-compatible কী দিয়ে দুটিই সরবরাহ করে।
RAG-এর জন্য কোন বিনামূল্যের embedding মডেল সবচেয়ে ভালো?
এমন একটি পরিবার বেছে নিন যা একাধিক প্রোভাইডারে বিনামূল্যে এবং আপনার ভাষার সাথে মেলে। বহুভাষিক টেক্সটের জন্য bge-m3 একটি সাধারণ পছন্দ। পুরো ইনডেক্সের জন্য একটি পরিবার রাখুন।
বিনামূল্যের কোনো rerank API কি আছে?
FreeLLMAPI ডকুমেন্টে কোনো rerank এন্ডপয়েন্ট বর্ণনা করা নেই। এই পৃষ্ঠায় দেখানো মতো একটি দ্রুত চ্যাট মডেল দিয়ে rerank করতে পারেন, অথবা rerank ধাপ বাদ দিতে পারেন।
একটি বিনামূল্যের মডেলে 1 মিলিয়ন টোকেন কনটেক্সট থাকলে কি আমার RAG লাগবে?
কয়েকটি ছোট ডকুমেন্টের জন্য লাগবে না। অনেক ডকুমেন্ট বা ঘন ঘন প্রশ্নের জন্য retrieval প্রতি অনুরোধে কম টোকেন পাঠায় এবং বিনামূল্যের সীমার ভেতরে থাকে।
পরে কি embedding মডেল বদলানো যায়?
হ্যাঁ, তবে সব চাঙ্ক আবার embed করতে হবে। দুটি মডেলের ভেক্টর সামঞ্জস্যপূর্ণ নয়, তাই একটি ইনডেক্সে সেগুলো মেশাবেন না।
সম্পর্কিত গাইড
- বিনামূল্যের embeddings API
- 1 মিলিয়ন টোকেন কনটেক্সটসহ বিনামূল্যের LLM API
- LlamaIndex-এর জন্য বিনামূল্যের LLM
- LangChain-এর জন্য বিনামূল্যের LLM API
- Python-এ বিনামূল্যের LLM API
উৎস
- FreeLLMAPI docs: embeddings (families and failover rules) (যাচাই: 20 November 2026)
- FreeLLMAPI docs: routing strategies and response headers (যাচাই: 20 November 2026)
- OpenAI Python SDK: embeddings, errors and retries (যাচাই: 20 November 2026)