হোম / গাইড / বিনামূল্যের রিজনিং মডেল API

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।

বিনামূল্যের রিজনিং মডেল, সবচেয়ে শক্তিশালী আগে
মডেলবিনামূল্যেকনটেক্সটবিনামূল্যের সীমা (সেরা অফার)টুলভিশন
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 অনুরোধ/মিনিট
20 অনুরোধ/দিন
250,000 টোকেন/মিনিট
~3M
হ্যাঁহ্যাঁ
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +আরও 5131K30 অনুরোধ/মিনিট
1,000 অনুরোধ/দিন
8,000 টোকেন/মিনিট
200,000 টোকেন/দিন
~6M
হ্যাঁনা
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +আরও 2131K30 অনুরোধ/মিনিট
1,000 অনুরোধ/দিন
8,000 টোকেন/মিনিট
200,000 টোকেন/দিন
~6M
হ্যাঁনা
GPT-OSS Safeguard 20BGroq, LLMTR131K30 অনুরোধ/মিনিট
1,000 অনুরোধ/দিন
8,000 টোকেন/মিনিট
200,000 টোকেন/দিন
~6M
হ্যাঁনা
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsনানা
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditনানা
Qwen3 235B A22B Thinking 2507ModelScope262K200 অনুরোধ/দিন
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
নানা
GPT-OSS 120B (via Groq)DreamPrompting131K100 অনুরোধ/মিনিট
5,000 অনুরোধ/দিন
500,000 টোকেন/দিন
500K tokens/day · 5,000 req/day
নানা
Qwen3 Next 80B A3B ThinkingModelScope262K200 অনুরোধ/দিন
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
নানা
QwQ 32BCloudflare Workers AI131K~10-20Mহ্যাঁনা
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 অনুরোধ/দিন
200 rpd
নাহ্যাঁ
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 অনুরোধ/মিনিট
40 RPM
নাহ্যাঁ
Command A ReasoningCohere256K20 অনুরোধ/মিনিট
33 অনুরোধ/দিন
~1-2M
হ্যাঁনা
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 অনুরোধ/মিনিট
50 অনুরোধ/দিন
50 req/day account-wide (1,000 after a $10 purchase)
নানা
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditহ্যাঁহ্যাঁ
GPT-OSS 20B (via Groq)DreamPrompting131K100 অনুরোধ/মিনিট
5,000 অনুরোধ/দিন
500,000 টোকেন/দিন
500K tokens/day · 5,000 req/day
নানা
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5Mহ্যাঁনা
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditহ্যাঁনা

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।
নিয়ম: রিজনিং মডেলে ছোট 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 | bash

http://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।

কাজরিজনিং মডেল ব্যবহার করবেন?কেন
গণিত, যুক্তির ধাঁধা, পরিকল্পনাহ্যাঁধাপে ধাপে চিন্তা ভুল কমায়
কঠিন বাগ ও অ্যালগরিদম ডিজাইনহ্যাঁমডেল নিজের ধাপ যাচাই করে
চ্যাট, সংক্ষিপ্ত উত্তর, অনুবাদনাচিন্তা অল্প লাভে সময় ও টোকেন যোগ করে
অনেক টুল কলসহ এজেন্টকখনও কখনওপ্রতিটি 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 জন্য auto:fast ব্যবহার 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

সমস্যাকারণসমাধান
খালি কনটেন্ট, finish_reason: "length"Thinking পুরো আউটপুট বাজেট ব্যবহার করেছেmax_tokens 4,000 বা তার বেশিতে বাড়ান
উত্তরে <think> টেক্সটপ্রোভাইডার দৃশ্যমান চিন্তা ফেরত দেয়আপনার কোডে ট্যাগগুলো সরান
ছোট প্রশ্নের জন্য দীর্ঘ ব্যাখ্যাকিছু রিজনিং মডেল তাদের চিন্তার প্রক্রিয়া ব্যাখ্যা করে“শুধু চূড়ান্ত উত্তর” চান, অথবা একটি নন-রিজনিং মডেল ব্যবহার করুন
কয়েকটি অনুরোধের পর 429 ত্রুটিThinking টোকেন প্রতি মিনিটের টোকেন সীমা ব্যবহার করেছেআরও প্রোভাইডারের কী যোগ করুন, অথবা শুধু কঠিন কাজে রিজনিং ব্যবহার করুন
ধীর উত্তরমডেল অনেক thinking টোকেন লেখেসহজ কাজের জন্য auto:fast ব্যবহার করুন
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 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

উৎস

সব গাইড · সব বিনামূল্যের মডেল দেখুন