বিনামূল্যের রিজনিং মডেল API
একটি রিজনিং মডেল উত্তর দেওয়ার আগে চিন্তা করে। এটি লুকানো বা দৃশ্যমান ধাপ লেখে, তারপর চূড়ান্ত উত্তর দেয়। গণিত, যুক্তি, পরিকল্পনা ও কঠিন কোডে এটি সাহায্য করে। কয়েকটি প্রোভাইডার রিজনিং মডেল বিনামূল্যে দেয়। এই গাইডে সেগুলো দেখানো হয়েছে, thinking টোকেনের খরচ ব্যাখ্যা করা হয়েছে এবং কার্যকর কোড দেওয়া হয়েছে।
কোড, মডেলের নাম এবং লাইভ ক্যাটালগের লেবেল ইংরেজিতে দেখানো হয়।
আজ বিনামূল্যের রিজনিং মডেল
টেবিলে নামে রিজনিং থাকা বিনামূল্যের মডেল তালিকাভুক্ত, যেমন GPT-OSS, R1, QwQ, Thinking, Reasoning ও Magistral। ডেটা আসে লাইভ ক্যাটালগ থেকে। Gemini Flash-এর মতো আরও অনেক মডেলও চিন্তা করে, কিন্তু তাদের নামে তা দেখা যায় না।
| মডেল | বিনামূল্যে | কনটেক্সট | বিনামূল্যের সীমা (সেরা অফার) | টুল | ভিশন |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 অনুরোধ/মিনিট 20 অনুরোধ/দিন 250,000 টোকেন/মিনিট ~3M | হ্যাঁ | হ্যাঁ |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +আরও 5 | 131K | 30 অনুরোধ/মিনিট 1,000 অনুরোধ/দিন 8,000 টোকেন/মিনিট 200,000 টোকেন/দিন ~6M | হ্যাঁ | না |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +আরও 2 | 131K | 30 অনুরোধ/মিনিট 1,000 অনুরোধ/দিন 8,000 টোকেন/মিনিট 200,000 টোকেন/দিন ~6M | হ্যাঁ | না |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 অনুরোধ/মিনিট 1,000 অনুরোধ/দিন 8,000 টোকেন/মিনিট 200,000 টোকেন/দিন ~6M | হ্যাঁ | না |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | না | না |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | না | না |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 অনুরোধ/দিন Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | না | না |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 অনুরোধ/মিনিট 5,000 অনুরোধ/দিন 500,000 টোকেন/দিন 500K tokens/day · 5,000 req/day | না | না |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 অনুরোধ/দিন Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | না | না |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | হ্যাঁ | না |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 অনুরোধ/দিন 200 rpd | না | হ্যাঁ |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 অনুরোধ/মিনিট 40 RPM | না | হ্যাঁ |
| Command A Reasoning | Cohere | 256K | 20 অনুরোধ/মিনিট 33 অনুরোধ/দিন ~1-2M | হ্যাঁ | না |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 অনুরোধ/মিনিট 50 অনুরোধ/দিন 50 req/day account-wide (1,000 after a $10 purchase) | না | না |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | হ্যাঁ | হ্যাঁ |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 অনুরোধ/মিনিট 5,000 অনুরোধ/দিন 500,000 টোকেন/দিন 500K tokens/day · 5,000 req/day | না | না |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | হ্যাঁ | না |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | হ্যাঁ | না |
FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।
GPT-OSS 120B একাধিক প্রোভাইডার বিনামূল্যে সরবরাহ করে, তাই ফেইলওভারের অনেক বিকল্প আছে। QwQ 32B ও DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI-তে চলে। Qwen3 Thinking মডেলের ModelScope-এ 262K-টোকেন কনটেক্সট আছে।
Thinking টোকেন আপনার আউটপুট বাজেট ব্যবহার করে
রিজনিং মডেলের এটিই সবচেয়ে সাধারণ সমস্যা। মডেল আগে তার চিন্তা লেখে। এই thinking টোকেন আউটপুট সীমায় গোনা হয়, উত্তরের মতোই।
- Google বলে: Gemini-এর আউটপুট সীমায় thought টোকেন অন্তর্ভুক্ত। মডেল চিন্তা করতে করতে সীমায় পৌঁছালে আউটপুট কাটা যেতে পারে বা খালি হতে পারে। thinking টোকেন তবুও গোনা হয়।
- Groq বলে: জটিল রিজনিংয়ের জন্য ডিফল্ট 1,024 কমপ্লিশন টোকেন খুব কম হতে পারে।
- বিনামূল্যের সীমা: thinking টোকেন প্রতি মিনিট ও প্রতি দিনের টোকেন সীমাতেও গোনা হয়। একই প্রশ্নের জন্য একটি রিজনিং উত্তর সরাসরি উত্তরের চেয়ে অনেক বেশি টোকেন ব্যবহার করতে পারে।
max_tokens সেট করবেন না। 4,000 বা তার বেশি থেকে শুরু করুন। finish_reason যদি length হয় এবং কনটেন্ট খালি থাকে, তবে মডেল চিন্তার জন্য পুরো বাজেট ব্যবহার করেছে।ধাপ 1: FreeLLMAPI ইনস্টল করুন ও কী যোগ করুন
FreeLLMAPI ওপেন সোর্স। এটি Docker-এ আপনার কম্পিউটারে চলে। আপনার প্রোভাইডার কী আপনার কম্পিউটারেই থাকে।
ইনস্টল করুন (macOS বা Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001-এ ড্যাশবোর্ড খুলুন। Keys পৃষ্ঠায় Groq, Cloudflare ও Google AI Studio-এর কী যোগ করুন। প্রতিটি বিনামূল্যের রিজনিং মডেল সরবরাহ করে। একই পৃষ্ঠা থেকে আপনার একীভূত কী কপি করুন।
ধাপ 2: রিজনিং মডেলকে কল করুন
curl
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-oss-120b",
"max_tokens": 4000,
"messages": [{"role": "user", "content": "A bat and a ball cost 1.10 in total. The bat costs 1.00 more than the ball. What does the ball cost?"}]
}'Python: কাটা উত্তর যাচাই করুন ও thinking টেক্সট সরান
import re
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
resp = client.chat.completions.create(
model="openai/gpt-oss-120b", # or "auto:smart" to rank by intelligence
max_tokens=4000,
messages=[{"role": "user", "content": "Plan a 3-step database migration with no downtime."}],
)
choice = resp.choices[0]
text = choice.message.content or ""
text = re.sub(r"<think>.*?</think>", "", text, flags=re.S).strip() # some models return visible thinking
if choice.finish_reason == "length" and not text:
print("The model used the full budget to think. Raise max_tokens.")
else:
print(text)
print("tokens used:", resp.usage.completion_tokens if resp.usage else "unknown")কিছু প্রোভাইডার কনটেন্টের <think> ট্যাগের ভেতরে চিন্তা ফেরত দেয়। অন্যরা তা লুকিয়ে রাখে, অথবা একটি আলাদা ফিল্ডে ফেরত দেয়। ব্যবহারকারীকে উত্তর দেখানোর আগে ট্যাগগুলো সরান।
চিন্তার পরিমাণ নিয়ন্ত্রণ করুন
প্রোভাইডারদের চিন্তার দৈর্ঘ্যের নিজস্ব সেটিং আছে। GPT-OSS মডেলে Groq reasoning_effort গ্রহণ করে, যার মান হতে পারে low, medium বা high। Gemini 3 মডেল একটি thinking_level সেটিং ব্যবহার করে। FreeLLMAPI ডকুমেন্ট বর্ণনা করে না যে এই ফিল্ডগুলো গেটওয়ের মধ্য দিয়ে কীভাবে যায়, তাই আগে আপনার ইনস্টলে পরীক্ষা করুন।
FreeLLMAPI-এর নেটিভ Gemini এন্ডপয়েন্ট, /v1beta/models/{model}:generateContent, thinking বাজেট অনুবাদ করে। Gemini-এর চিন্তার ওপর নিয়ন্ত্রণ দরকার হলে এটি ব্যবহার করুন।
| কাজ | রিজনিং মডেল ব্যবহার করবেন? | কেন |
|---|---|---|
| গণিত, যুক্তির ধাঁধা, পরিকল্পনা | হ্যাঁ | ধাপে ধাপে চিন্তা ভুল কমায় |
| কঠিন বাগ ও অ্যালগরিদম ডিজাইন | হ্যাঁ | মডেল নিজের ধাপ যাচাই করে |
| চ্যাট, সংক্ষিপ্ত উত্তর, অনুবাদ | না | চিন্তা অল্প লাভে সময় ও টোকেন যোগ করে |
| অনেক টুল কলসহ এজেন্ট | কখনও কখনও | প্রতিটি রাউন্ডে চিন্তার খরচ আবার লাগে |
রিজনিং কাজের জন্য প্রম্পট ও রাউটিং
- লক্ষ্য ও নিয়ম বলুন: প্রম্পটে সব তথ্য, সীমা ও প্রত্যাশিত ফলাফল দিন। রিজনিং মডেল চিন্তার সময় আপনাকে নিখোঁজ তথ্যের জন্য জিজ্ঞাসা করতে পারে না।
- উত্তরের ফরম্যাট ঠিক করুন: চূড়ান্ত উত্তর একটি নির্দিষ্ট রূপে চান, যেমন একটি সংখ্যা বা একটি JSON অবজেক্ট। তাহলে আপনার কোড thinking টেক্সট ছাড়াই তা পড়তে পারবে।
- টেস্ট কেস দিন: কোডের জন্য উদাহরণ ইনপুট ও আউটপুট যোগ করুন। মডেল সেগুলোর সাথে তার উত্তর মিলিয়ে দেখতে পারে।
- কাজ অনুযায়ী রাউট করুন: কঠিন কাজের জন্য বুদ্ধিমত্তা অনুযায়ী মডেল র্যাংক করতে
model: "auto:smart"ব্যবহার করুন। সহজ কাজের জন্যauto:fastব্যবহার করুন, যাতে চিন্তার খরচ দিতে না হয়। - প্রতি অনুরোধে একটি কঠিন প্রশ্ন: একটি অনুরোধে কয়েকটি কঠিন প্রশ্ন একই আউটপুট বাজেট ভাগ করে। সেগুলো আলাদা অনুরোধে ভাগ করুন।
auto:* কৌশলগুলো সব সক্রিয় মডেল র্যাংক করে এবং আপনার চেইনের ক্রম উপেক্ষা করে। রিজনিং অনুরোধ শুধু রিজনিং মডেলে রাখতে একটি মডেল আইডি স্থির করুন। আপনি শুধু রিজনিং মডেল নিয়ে একটি নামযুক্ত ফলব্যাক চেইনও বানাতে পারেন। তারপর সেটিকে auto:<profile-name> দিয়ে কল করুন।
সমস্যা সমাধান
| সমস্যা | কারণ | সমাধান |
|---|---|---|
খালি কনটেন্ট, finish_reason: "length" | Thinking পুরো আউটপুট বাজেট ব্যবহার করেছে | max_tokens 4,000 বা তার বেশিতে বাড়ান |
উত্তরে <think> টেক্সট | প্রোভাইডার দৃশ্যমান চিন্তা ফেরত দেয় | আপনার কোডে ট্যাগগুলো সরান |
| ছোট প্রশ্নের জন্য দীর্ঘ ব্যাখ্যা | কিছু রিজনিং মডেল তাদের চিন্তার প্রক্রিয়া ব্যাখ্যা করে | “শুধু চূড়ান্ত উত্তর” চান, অথবা একটি নন-রিজনিং মডেল ব্যবহার করুন |
| কয়েকটি অনুরোধের পর 429 ত্রুটি | Thinking টোকেন প্রতি মিনিটের টোকেন সীমা ব্যবহার করেছে | আরও প্রোভাইডারের কী যোগ করুন, অথবা শুধু কঠিন কাজে রিজনিং ব্যবহার করুন |
| ধীর উত্তর | মডেল অনেক thinking টোকেন লেখে | সহজ কাজের জন্য auto:fast ব্যবহার করুন |
সাধারণ প্রশ্ন
বিনামূল্যের রিজনিং মডেল API কি আছে?
হ্যাঁ। Groq, Cloudflare, NVIDIA, OVH, OpenRouter ও অন্য প্রোভাইডার রিজনিং মডেল বিনামূল্যে দেয়, যেমন GPT-OSS 120B, QwQ 32B ও DeepSeek R1 Distill। FreeLLMAPI এগুলোকে একটি OpenAI-compatible কী-এর আড়ালে রাখে।
Thinking টোকেন কি আউটপুট টোকেন হিসেবে গোনা হয়?
হ্যাঁ। Google বলে, Gemini-এর আউটপুট সীমায় thought টোকেন অন্তর্ভুক্ত এবং thinking টোকেন গোনা হয়। বিনামূল্যের টিয়ারে সেগুলো আপনার প্রতি মিনিটের টোকেন সীমাও ব্যবহার করে।
আমার রিজনিং মডেল কেন খালি উত্তর দেয়?
মডেল চিন্তার জন্য পুরো max_tokens বাজেট ব্যবহার করেছে, তাই উত্তরের জন্য টোকেন অবশিষ্ট ছিল না। max_tokens 4,000 বা তার বেশিতে বাড়ান।
DeepSeek R1 কি API-র মাধ্যমে বিনামূল্যে?
DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI-এর বিনামূল্যের ক্যাটালগে আছে। এই পৃষ্ঠার টেবিলে আজ যেসব প্রোভাইডার এটি সরবরাহ করে তা দেখানো হয়েছে।
কোন বিনামূল্যের রিজনিং মডেল সবচেয়ে ভালো?
GPT-OSS 120B একটি ভালো ডিফল্ট, কারণ একাধিক প্রোভাইডার এটি বিনামূল্যে সরবরাহ করে। এই পৃষ্ঠার টেবিল ব্যবহার করুন, যা লাইভ ক্যাটালগ থেকে বুদ্ধিমত্তার র্যাংক অনুযায়ী মডেল সাজায়।
সম্পর্কিত গাইড
- free gpt oss api
- free deepseek api
- free qwen api
- সেরা বিনামূল্যের কোডিং মডেল API
- বিনামূল্যের LLM API রেট লিমিট
উৎস
- FreeLLMAPI docs: Routing strategies and native Gemini API (যাচাই: 20 November 2026)
- Google AI Studio docs: Thinking (যাচাই: 20 November 2026)
- Gemini Developer API pricing (যাচাই: 20 November 2026)
- Groq docs: Reasoning (যাচাই: 20 November 2026)