Kostenlose Embeddings-API
Eine Embeddings-API wandelt Text in Vektoren um, für Suche, RAG und Clustering. Mehrere Anbieter stellen Embeddings kostenlos bereit. FreeLLMAPI legt 41 kostenlose Embedding-Modelle hinter einen Endpunkt /v1/embeddings. Diese Anleitung zeigt die Modelle, ihre Limits und funktionierenden Code.
Code, Modellnamen und Bezeichnungen aus dem Live-Katalog werden auf Englisch angezeigt.
So funktionieren kostenlose Embeddings in FreeLLMAPI
Der Endpunkt /v1/embeddings verwendet das OpenAI-Anfrageformat. Jedes OpenAI-SDK kann ihn aufrufen. Sie senden Text und erhalten für jede Eingabezeichenkette einen Vektor.
Embeddings verwenden eine andere Ausfallregel als Chat. Chat-Anfragen können zu einem anderen Modell wechseln. Embedding-Anfragen wechseln nie das Modell. Vektoren von zwei Modellen sind nicht kompatibel. Ein stiller Modellwechsel würde Ihren Vektorspeicher beschädigen.
- Familie: FreeLLMAPI gruppiert Anbieter nach Familie. Eine Familie ist eine Modellidentität mit einer Vektorgröße, zum Beispiel
bge-m3mit 1024 Dimensionen. - Ausfallsicherung: Wenn ein Anbieter einer Familie sein Limit erreicht, versucht der Router den nächsten Anbieter, der dieselbe Familie bereitstellt.
- Standard:
model: "auto"verwendet die Standardfamilie. Sie legen die Standardfamilie auf der Seite Models, Embeddings im Dashboard fest.
Kostenlose Embedding-Modelle heute
Die Tabelle listet jedes kostenlose Embedding-Modell im FreeLLMAPI-Katalog. Die Daten stammen aus dem Live-Katalog. „Max input“ ist die maximale Anzahl Tokens für eine Eingabezeichenkette. „Free limit“ ist das kostenlose Kontingent, das der Anbieter veröffentlicht.
| Modell | Anbieter | Dimensionen | Max. Eingabe | Kostenloses Limit |
|---|---|---|---|---|
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) |
Live-Daten aus dem FreeLLMAPI-Katalog (Version 2026.11.19, geprüft 2026-11-19). Kostenlose Limits ändern sich oft. Der Katalog wird jeden Tag geprüft.
Manche Anbieter teilen sich ein Kontingent für Chat und Embeddings. Ein Cohere-Testschlüssel erlaubt zum Beispiel 1,000 API-Aufrufe pro Monat für alle Endpunkte zusammen. Cloudflare Workers AI gibt 10,000 Neurons pro Tag, die sich alle Workers-AI-Modelle des Kontos teilen.
Schritt 1: FreeLLMAPI installieren und Schlüssel hinzufügen
FreeLLMAPI ist Open Source. Es läuft in Docker auf Ihrem Computer. Ihre Anbieter-Schlüssel bleiben auf Ihrem Computer.
Installation (macOS oder Linux)
curl -fsSL https://freellmapi.co/install.sh | bashÖffnen Sie das Dashboard unter http://localhost:3001. Fügen Sie Ihre Anbieter-Schlüssel auf der Seite Keys hinzu. Für Embeddings ist ein Google-AI-Studio-Schlüssel und ein Cloudflare-Schlüssel ein guter Start. Kopieren Sie Ihren einheitlichen Schlüssel von derselben Seite.
Schritt 2: Den Embeddings-Endpunkt aufrufen
Senden Sie eine Liste von Zeichenketten, um in einer Anfrage mehrere Vektoren zu erhalten. Verwenden Sie für Ihre Dokumente und für Ihre Suchanfragen denselben Wert für model.
curl
curl http://localhost:3001/v1/embeddings \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'Python: zwei Texte einbetten und vergleichen
import math
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
resp = client.embeddings.create(
model="bge-m3", # a family name, "auto", or a provider model id
input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")
dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))Das Feld model akzeptiert drei Formen: auto, einen Familiennamen wie bge-m3 oder eine Anbieter-Modell-ID wie @cf/baai/bge-m3. Eine Anbieter-Modell-ID wird auf ihre Familie aufgelöst. Die Ausfallsicherung bleibt daher innerhalb dieser Familie.
Welches kostenlose Embedding-Modell Sie wählen sollten
Wählen Sie das Modell einmal für jeden Vektorspeicher. Wenn Sie das Modell später ändern, müssen Sie alle Dokumente neu einbetten.
| Bedarf | Modellfamilie | Warum |
|---|---|---|
| Kurzer englischer oder mehrsprachiger Text, viele Anbieter | bge-m3 | 1024 Dimensionen, 8,192 Eingabe-Tokens. Mehrere kostenlose Anbieter stellen es bereit, daher hat die Ausfallsicherung mehr Optionen. |
| Hochwertige Suche mit einem Google-Schlüssel | gemini-embedding-001 | 3072 Dimensionen. Das Eingabelimit liegt bei 2,048 Tokens, teilen Sie lange Dokumente daher in Abschnitte auf. |
| Lange Dokumente in einem Vektor | embed-v4.0 (Cohere) | Großes Eingabefenster. Der Testschlüssel erlaubt nur 1,000 Aufrufe pro Monat, geteilt mit dem Chat. |
| Kleine Vektoren und schnelle Suche | bge-small-en-v1.5 | 384 Dimensionen. Nur Englisch, und das Eingabelimit liegt bei 512 Tokens. |
| Code-Suche | codestral-embed | Für Code trainiert. Es verwendet das kostenlose Kontingent des Mistral-Modus. |
Große Vektoren kosten mehr Speicher in der Vektordatenbank. Ein Vektor mit 3072 Dimensionen ist dreimal so groß wie ein Vektor mit 1024 Dimensionen. Für die meisten RAG-Projekte mit weniger als einer Million Abschnitte liefern 768 bis 1024 Dimensionen gute Ergebnisse.
Limits und Fallstricke
- Eingabelimits: Text über dem Wert „Max input“ kann gekürzt oder abgelehnt werden. Teilen Sie Dokumente in Abschnitte mit 300 bis 800 Tokens, bevor Sie sie einbetten.
- Eine Familie pro Speicher: Mischen Sie in einem Index keine Vektoren aus zwei Familien. Die Ähnlichkeitswerte haben modellübergreifend keine Bedeutung.
- Normalisierung: Google sagt, dass Sie Vektoren von
gemini-embedding-001mit weniger als 3072 Dimensionen selbst normalisieren müssen. Normalisieren Sie alle Vektoren, bevor Sie das Skalarprodukt als Wert verwenden. - Rate-Limits: Kostenlose Stufen zählen Anfragen pro Minute oder pro Tag. Senden Sie Stapel von Zeichenketten in einer Anfrage, nicht eine Anfrage pro Zeichenkette.
- Anonyme Stufen: OVH AI Endpoints erlaubt ohne Schlüssel 2 Anfragen pro Minute für jede IP-Adresse und jedes Modell. Verwenden Sie es als Ausweichlösung, nicht für Massenindizierung.
Fehlerbehebung
| Problem | Ursache | Lösung |
|---|---|---|
| Fehler 429 bei der Massenindizierung | Das Anbieterlimit für die Familie ist erreicht | Fügen Sie einen zweiten Anbieter-Schlüssel für dieselbe Familie hinzu oder senden Sie pro Minute weniger Anfragen |
| Suchergebnisse sind nach einer Änderung falsch | Dokumente und Abfragen verwenden verschiedene Familien | Verwenden Sie für beides einen model-Wert. Betten Sie die Dokumente neu ein, wenn Sie ihn geändert haben |
| Die Vektorlänge ist nicht wie erwartet | auto verwendet die Standardfamilie | Legen Sie einen expliziten Familiennamen fest oder prüfen Sie den Standard unter Models, Embeddings |
| Lange Texte liefern schlechte Treffer | Der Text ist länger als das Eingabelimit | Teilen Sie den Text in kleinere Abschnitte |
| Fehler 401 | Der einheitliche Schlüssel ist falsch oder fehlt | Kopieren Sie den einheitlichen Schlüssel erneut von der Seite Keys |
Häufig gestellte Fragen
Gibt es eine kostenlose Embeddings-API?
Ja. Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH und andere stellen kostenlose Embedding-Modelle mit Rate-Limits bereit. FreeLLMAPI legt 41 davon hinter einen OpenAI-kompatiblen Endpunkt.
Kann ich das OpenAI-SDK für kostenlose Embeddings verwenden?
Ja. Setzen Sie die Base URL auf http://localhost:3001/v1 und verwenden Sie Ihren einheitlichen Schlüssel. Rufen Sie dann client.embeddings.create mit einem Familiennamen wie bge-m3 auf.
Warum wechselt FreeLLMAPI bei Embeddings nicht zu einem anderen Modell?
Vektoren von verschiedenen Modellen sind nicht kompatibel. Ein stiller Modellwechsel würde die Ähnlichkeitssuche brechen. Der Router schaltet nur zwischen Anbietern um, die dieselbe Modellfamilie bereitstellen.
Was ist das beste kostenlose Embedding-Modell für RAG?
Für die meisten Projekte ist bge-m3 ein guter Standard. Es hat 1024 Dimensionen, ein Eingabelimit von 8,192 Tokens und mehrere kostenlose Anbieter. Verwenden Sie gemini-embedding-001, wenn Sie 3072 Dimensionen wollen und einen Google-Schlüssel haben.
Wie viele Dimensionen sollten meine Embeddings haben?
Verwenden Sie für die meisten Such- und RAG-Aufgaben 768 bis 1024 Dimensionen. Größere Vektoren brauchen mehr Speicher. Wählen Sie die Größe einmal, denn bei einer Änderung müssen Sie alle Dokumente neu einbetten.
Verwandte Anleitungen
- Kostenlose LLM-API für RAG
- Kostenlose LLM-API für LangChain
- Kostenlose LLM-API in Python
- free cohere api
- Rate-Limits kostenloser LLM-APIs
Quellen
- FreeLLMAPI docs: Embeddings (geprüft 20 November 2026)
- Google AI Studio docs: Embeddings (geprüft 20 November 2026)
- Cloudflare Workers AI pricing (geprüft 20 November 2026)
- Cohere docs: API keys and rate limits (geprüft 20 November 2026)
- OVHcloud AI Endpoints capabilities (geprüft 20 November 2026)