API LLM gratuita para agentes de IA
Un agente de IA envía muchas solicitudes al modelo para una sola tarea. Cada paso necesita llamadas a herramientas y un contexto amplio. Un solo nivel gratuito detiene a un agente con rapidez. FreeLLMAPI reúne 45 niveles gratuitos de proveedores detrás de una clave única compatible con OpenAI. Cambia al siguiente proveedor cuando un límite detiene una solicitud, para que el agente pueda continuar. Esta guía trata las llamadas a herramientas, el enrutamiento por paso, las sesiones largas y el servidor MCP del enrutador.
El código, los nombres de los modelos y las etiquetas del catálogo en vivo se muestran en inglés.
Lo que necesita un agente de una API gratuita
| Necesidad | Motivo | Lo que hace FreeLLMAPI |
|---|---|---|
| Llamadas a herramientas | El agente selecciona y ejecuta herramientas | Pasa tools en formato OpenAI a cada proveedor. Convierte las llamadas de herramientas en texto plano en tool_calls reales. |
| Muchas solicitudes | Una tarea puede tener de 20 a 100 pasos | Cuenta la cuota de cada clave y pasa a la siguiente clave o proveedor con un 429 |
| Contexto amplio | Los resultados de las herramientas y el historial crecen en cada paso | Enruta a modelos de su cadena. Puede crear un perfil de contexto largo. |
| Comportamiento estable | Un cambio de modelo a mitad de una tarea puede confundir al agente | Mantiene una sesión en un modelo durante 30 minutos. Traspaso de contexto opcional cuando se produce un cambio. |
| Visibilidad | Debe saber qué modelo falló | Encabezados X-Routed-Via y X-Fallback-Trail en cada respuesta |
Los niveles gratuitos tienen límites. La conmutación reparte la carga entre sus claves, pero el total sigue siendo la suma de los límites gratuitos. Para trabajar con agentes, añada claves de cuatro o más proveedores.
| Modelo | Gratis en | Contexto | Límites gratuitos (mejor oferta) | Herramientas | Visión |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 solicitudes/min 1 req/min per model | Sí | No |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 solicitudes/min 40 RPM | Sí | Sí |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | Sí | Sí |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | Sí | No |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Sí | Sí |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 solicitudes/min 20 solicitudes/día 250,000 tokens/min ~3M | Sí | Sí |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Sí | Sí |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 solicitudes/min 50 solicitudes/día 50 req/day account-wide (1,000 after a $10 purchase) | Sí | Sí |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 solicitudes/min 50 solicitudes/día Shared rate limit | Sí | No |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 solicitudes/min 250 solicitudes/día 70,000 tokens/min ~6M | Sí | Sí |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 solicitudes/min 20 solicitudes/día 250,000 tokens/min ~3M | Sí | Sí |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | Sí | Sí |
Se muestran 12 de 109 modelos gratuitos que coinciden. Ver todos los modelos.
Datos en vivo del catálogo de FreeLLMAPI (versión 2026.11.19, revisado 2026-11-19). Los límites gratuitos cambian con frecuencia. El catálogo se revisa todos los días.
Un bucle de agente completo en Python
El bucle siguiente usa el SDK oficial de OpenAI. Envía las herramientas, ejecuta cada llamada de herramienta, devuelve el resultado al modelo y se detiene cuando el modelo da una respuesta final. También se detiene después de un número máximo de pasos.
agent.py
import json
import os
import time
import openai
from openai import OpenAI
client = OpenAI(
base_url="http://localhost:3001/v1",
api_key=os.environ["FREELLMAPI_API_KEY"], # <unified-key>
max_retries=3,
)
def get_weather(city: str) -> dict:
return {"city": city, "temp_c": 18, "sky": "cloudy"}
TOOLS = [{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the current weather for a city.",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
},
},
}]
FUNCTIONS = {"get_weather": get_weather}
def call_model(messages, session_id):
for attempt in range(5):
try:
return client.chat.completions.create(
model="auto:smart",
messages=messages,
tools=TOOLS,
extra_headers={"X-Session-Id": session_id},
)
except openai.RateLimitError as err:
header = err.response.headers.get("retry-after", "")
wait = int(header) if header.isdigit() else 2 ** attempt
time.sleep(min(wait, 60))
raise RuntimeError("All free providers are at their limit")
def run(task: str, session_id: str, max_steps: int = 10) -> str:
messages = [
{"role": "system", "content": "Use the tools when they help. Be brief."},
{"role": "user", "content": task},
]
for _ in range(max_steps):
msg = call_model(messages, session_id).choices[0].message
messages.append(msg)
if not msg.tool_calls:
return msg.content
for call in msg.tool_calls:
fn = FUNCTIONS.get(call.function.name)
try:
args = json.loads(call.function.arguments or "{}")
result = fn(**args) if fn else {"error": "unknown tool"}
except Exception as exc: # return tool errors to the model
result = {"error": str(exc)}
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": json.dumps(result),
})
return "Stopped: too many steps."
print(run("Should I take an umbrella in Dublin today?", session_id="task-001"))- X-Session-Id: mantiene todos los pasos de una tarea en el mismo modelo mientras ese modelo tenga cuota.
- Retry-After: cuando todas las claves han alcanzado su límite, el gateway devuelve 429 con este encabezado. El bucle espera y vuelve a intentarlo.
- Errores de herramientas: el bucle envía los errores al modelo como resultados de herramientas. Así el modelo puede corregir su llamada.
Enrute cada paso al modelo correcto
Los pasos de un agente no son iguales. Un paso de planificación necesita un modelo potente. Un paso que extrae un solo campo necesita un modelo rápido. Use una cadena de modelo distinta para cada tipo de paso. No necesita cambiar el panel de control.
| Cadena de modelo | Ordena los modelos por | Uso en agentes |
|---|---|---|
auto:smart | Inteligencia | Planificación, selección de herramientas, respuestas finales |
auto:fast | Velocidad medida y tiempo hasta el primer byte | Extracción, clasificación, resúmenes breves de la salida de las herramientas |
auto:reliable | Tasa reciente de éxito | Agentes programados que deben terminar |
auto:balanced | Primero la fiabilidad, después la velocidad y la inteligencia | Valor predeterminado general |
auto:<profile> | Su cadena de respaldo con nombre | Una cadena solo con modelos de llamadas a herramientas |
Las estrategias auto:* ordenan todos los modelos habilitados e ignoran el orden de su cadena. Una solicitud con herramientas todavía necesita un modelo con llamadas a herramientas. Si algunos modelos habilitados no admiten bien las herramientas, cree un perfil solo con modelos de llamadas a herramientas. Después use auto:<profile> para los pasos con herramientas. Un nombre de perfil desconocido devuelve el error 400.
El encabezado X-FreeLLM-Task-Type: code cambia el peso del enrutamiento de la velocidad a la inteligencia para una solicitud. Es una preferencia flexible. No cambia las comprobaciones de capacidad ni la cadena de respaldo.
Sesiones largas de agentes y cambios de modelo
Durante una tarea larga, un modelo puede alcanzar su límite diario. Entonces el enrutador pasa a otro modelo. El modelo nuevo recibe el historial completo de mensajes, pero no sabe que otro modelo hizo los pasos anteriores.
Active el traspaso de contexto para añadir un mensaje corto de sistema cuando cambie el modelo. El mensaje indica al modelo nuevo que continúe la tarea y que conserve los resultados anteriores de las herramientas.
FreeLLMAPI .env
FREELLMAPI_CONTEXT_HANDOFF=on_model_switch- El mensaje de traspaso solo se añade cuando cambia el modelo seleccionado para una sesión.
- Las sesiones se guardan en memoria durante 3 horas. No se escribe nada en el disco.
- La clave de sesión es el encabezado
X-Session-Id. Sin ese encabezado, es un hash del primer mensaje del usuario.
Use el enrutador como servidor MCP
FreeLLMAPI también es un servidor MCP en /mcp. Un agente que habla MCP puede enviar una tarea de texto a un modelo de FreeLLMAPI. También puede leer el estado del gateway durante una sesión: los modelos disponibles y sus parámetros, el estado de los proveedores, las estadísticas de uso y caché, y la estrategia de enrutamiento.
La superficie MCP está desactivada en las instalaciones nuevas. Actívela en el panel de control, en la página Keys, en Compatibilidad de agentes. Mientras esté desactivada, /mcp devuelve 403.
Añada el servidor MCP a Claude Code
claude mcp add --transport http freellmapi http://localhost:3001/mcp \
--header "Authorization: Bearer <unified-key>"Cualquier cliente MCP con Streamable HTTP funciona de la misma forma. Apúntelo a /mcp y envíe la clave unificada como token Bearer. Las herramientas útiles son healthcheck, list_models y ask_freellmapi. La herramienta ask_freellmapi ejecuta una tarea por la misma ruta de chat que la API, con enrutamiento y respaldo.
Para los agentes de programación, FreeLLMAPI tiene comandos de configuración que escriben la configuración del cliente por usted. Algunos ejemplos son npx freellmapi setup-claude, setup-codex, setup-cline, setup-openclaw y setup-hermes. Cada comando admite --dry-run y crea antes una copia de seguridad.
Solución de problemas
| Problema | Causa | Solución |
|---|---|---|
| El modelo responde con texto y no llama a ninguna herramienta | El modelo tiene un soporte débil de llamadas a herramientas | Use auto:<profile> solo con modelos de llamadas a herramientas |
| El agente reinicia la tarea a mitad de camino | Un límite obligó a cambiar de modelo | Envíe X-Session-Id y active el traspaso de contexto |
| Error 429 después de muchos pasos | Todas las claves de la cadena han alcanzado su límite | Añada proveedores, use auto:fast para los pasos pequeños y espere a Retry-After |
Error 400 con auto:name | El perfil no existe | Compruebe el nombre del perfil en el panel de control |
/mcp devuelve 403 | La superficie MCP está desactivada | Actívela en Compatibilidad de agentes, en la página Keys |
| Errores de longitud de contexto al final de una tarea | El historial es mayor que la ventana del modelo | Resuma los resultados antiguos de las herramientas o use un perfil de contexto largo |
Preguntas frecuentes
¿Existe una API LLM gratuita para agentes de IA?
Sí. Varios proveedores tienen niveles gratuitos con llamadas a herramientas. FreeLLMAPI los combina detrás de una clave única compatible con OpenAI y cambia al siguiente proveedor cuando un límite detiene una solicitud.
¿Qué LLM gratuito es el mejor para las llamadas a herramientas?
Use un modelo con llamadas a herramientas y una ventana de contexto de 128K tokens o más. La tabla de esta página muestra los modelos gratuitos más sólidos que cumplen hoy ambas reglas.
¿Puedo usar FreeLLMAPI como servidor MCP?
Sí. Active la superficie MCP en la página Keys, en Compatibilidad de agentes. Después conecte su cliente MCP a /mcp con la clave unificada como token Bearer.
¿Cómo evito que un agente falle por los límites de uso?
Añada claves de más proveedores, envíe los pasos pequeños a auto:fast, reintente con 429 usando el encabezado Retry-After y fije un número máximo de pasos.
¿Qué ocurre si el modelo cambia a mitad de una tarea de agente?
El modelo nuevo recibe el historial completo de mensajes. Con el traspaso de contexto activado, también recibe una nota breve que le indica que continúe la tarea.
Guías relacionadas
- LLM API gratuita con llamadas a funciones
- API de LLM gratuita en Python
- API LLM gratuita para LangChain
- LLM API gratuita para n8n
- Cómo usar Claude Code gratis
- Límites de uso de API LLM gratuitas
Fuentes
- FreeLLMAPI docs: REST API (tool calling, routing strategies, response headers) (revisado 20 November 2026)
- FreeLLMAPI docs: clients, MCP server and context handoff (revisado 20 November 2026)
- OpenAI Python SDK: errors and retries (revisado 20 November 2026)
- Claude Code docs: MCP (revisado 20 November 2026)