API de modelos de razonamiento gratuitos
Un modelo de razonamiento piensa antes de responder. Escribe pasos ocultos o visibles y después da la respuesta final. Esto ayuda con las matemáticas, la lógica, la planificación y el código difícil. Varios proveedores ofrecen modelos de razonamiento gratis. Esta guía los muestra, explica el coste de los tokens de razonamiento y ofrece código que funciona.
El código, los nombres de los modelos y las etiquetas del catálogo en vivo se muestran en inglés.
Modelos de razonamiento gratuitos hoy
La tabla enumera los modelos gratuitos con razonamiento en el nombre, por ejemplo GPT-OSS, R1, QwQ, Thinking, Reasoning y Magistral. Los datos proceden del catálogo en vivo. Muchos otros modelos, como Gemini Flash, también razonan, pero sus nombres no lo indican.
| Modelo | Gratis en | Contexto | Límites gratuitos (mejor oferta) | Herramientas | Visión |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 solicitudes/min 20 solicitudes/día 250,000 tokens/min ~3M | Sí | Sí |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 más | 131K | 30 solicitudes/min 1,000 solicitudes/día 8,000 tokens/min 200,000 tokens/día ~6M | Sí | No |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 más | 131K | 30 solicitudes/min 1,000 solicitudes/día 8,000 tokens/min 200,000 tokens/día ~6M | Sí | No |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 solicitudes/min 1,000 solicitudes/día 8,000 tokens/min 200,000 tokens/día ~6M | Sí | No |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | No | No |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | No | No |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 solicitudes/día Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | No | No |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 solicitudes/min 5,000 solicitudes/día 500,000 tokens/día 500K tokens/day · 5,000 req/day | No | No |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 solicitudes/día Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | No | No |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | Sí | No |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 solicitudes/día 200 rpd | No | Sí |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 solicitudes/min 40 RPM | No | Sí |
| Command A Reasoning | Cohere | 256K | 20 solicitudes/min 33 solicitudes/día ~1-2M | Sí | No |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 solicitudes/min 50 solicitudes/día 50 req/day account-wide (1,000 after a $10 purchase) | No | No |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | Sí | Sí |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 solicitudes/min 5,000 solicitudes/día 500,000 tokens/día 500K tokens/day · 5,000 req/day | No | No |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | Sí | No |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | Sí | No |
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.
GPT-OSS 120B lo ofrecen gratis varios proveedores, así que la conmutación por error tiene muchas opciones. QwQ 32B y DeepSeek R1 Distill Qwen 32B se ejecutan en Cloudflare Workers AI. Los modelos Qwen3 Thinking tienen un contexto de 262K tokens en ModelScope.
Los tokens de razonamiento usan su presupuesto de salida
Este es el problema más habitual de los modelos de razonamiento. El modelo escribe primero su razonamiento. Estos tokens de razonamiento cuentan contra el límite de salida, igual que la respuesta.
- Google indica: el límite de salida de Gemini incluye los tokens de pensamiento. Si el modelo alcanza el límite mientras razona, la salida puede cortarse o quedar vacía. Los tokens de pensamiento se siguen contando.
- Groq indica: el valor predeterminado de 1,024 tokens de finalización puede ser demasiado bajo para un razonamiento complejo.
- Límites gratuitos: los tokens de razonamiento también cuentan contra los límites de tokens por minuto y por día. Una respuesta con razonamiento puede usar muchos más tokens que una respuesta directa a la misma pregunta.
max_tokens pequeño en un modelo de razonamiento. Empiece en 4,000 o más. Si finish_reason es length y el contenido está vacío, el modelo usó todo el presupuesto para razonar.Paso 1: Instale FreeLLMAPI y añada claves
FreeLLMAPI es de código abierto. Se ejecuta en su ordenador con Docker. Sus claves de proveedor permanecen en su ordenador.
Instalación (macOS o Linux)
curl -fsSL https://freellmapi.co/install.sh | bashAbra el panel de control en http://localhost:3001. Añada claves de Groq, Cloudflare y Google AI Studio en la página Keys. Cada una ofrece modelos de razonamiento gratuitos. Copie su clave unificada de la misma página.
Paso 2: Llame a un modelo de razonamiento
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: compruebe si la respuesta se cortó y elimine el texto de razonamiento
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")Algunos proveedores devuelven el razonamiento dentro de etiquetas <think> en el contenido. Otros lo ocultan o lo devuelven en un campo aparte. Elimine las etiquetas antes de mostrar la respuesta a los usuarios.
Controle la cantidad de razonamiento
Cada proveedor tiene sus propios ajustes para la longitud del razonamiento. Groq acepta reasoning_effort con low, medium o high en los modelos GPT-OSS. Los modelos Gemini 3 usan un ajuste thinking_level. La documentación de FreeLLMAPI no describe cómo pasan estos campos por el gateway, así que pruébelos primero en su instalación.
El endpoint nativo de Gemini de FreeLLMAPI, /v1beta/models/{model}:generateContent, traduce los presupuestos de razonamiento. Úselo si necesita controlar el razonamiento de Gemini.
| Tarea | ¿Usar un modelo de razonamiento? | Motivo |
|---|---|---|
| Matemáticas, rompecabezas de lógica, planificación | Sí | Pensar paso a paso reduce los errores |
| Errores difíciles y diseño de algoritmos | Sí | El modelo revisa sus propios pasos |
| Chat, respuestas breves, traducción | No | El razonamiento añade tiempo y tokens con poca ganancia |
| Agentes con muchas llamadas a herramientas | A veces | Cada ronda vuelve a pagar el coste del razonamiento |
Prompts y enrutamiento para tareas de razonamiento
- Indique el objetivo y las reglas: incluya en el prompt todos los datos, los límites y el resultado esperado. Un modelo de razonamiento no puede pedirle datos que falten mientras razona.
- Defina el formato de la respuesta: pida la respuesta final en una forma fija, por ejemplo un número o un objeto JSON. Así su código puede leerla sin el texto de razonamiento.
- Dé casos de prueba: en el caso de código, añada entradas y salidas de ejemplo. El modelo puede comprobar su respuesta con ellas.
- Enrute según la tarea: use
model: "auto:smart"para ordenar los modelos por inteligencia en tareas difíciles. Useauto:fastpara tareas sencillas, para no pagar el coste del razonamiento. - Una pregunta difícil por solicitud: varias preguntas difíciles en una misma solicitud comparten un solo presupuesto de salida. Divídalas en solicitudes separadas.
Las estrategias auto:* ordenan todos los modelos habilitados e ignoran el orden de su cadena. Para que las solicitudes de razonamiento usen solo modelos de razonamiento, fije un id de modelo. También puede crear una cadena de respaldo con nombre que tenga solo modelos de razonamiento. Después llámela con auto:<profile-name>.
Solución de problemas
| Problema | Causa | Solución |
|---|---|---|
Contenido vacío, finish_reason: "length" | El razonamiento usó todo el presupuesto de salida | Suba max_tokens a 4,000 o más |
Texto <think> en la respuesta | El proveedor devuelve el razonamiento visible | Elimine las etiquetas en su código |
| Explicación larga para una pregunta corta | Algunos modelos de razonamiento explican su proceso de pensamiento | Pida "solo la respuesta final", o use un modelo sin razonamiento |
| Error 429 tras unas pocas solicitudes | Los tokens de razonamiento agotaron el límite de tokens por minuto | Añada más claves de proveedores o use el razonamiento solo en tareas difíciles |
| Respuestas lentas | El modelo escribe muchos tokens de razonamiento | Use auto:fast para tareas sencillas |
Preguntas frecuentes
¿Existe una API gratuita de modelos de razonamiento?
Sí. Groq, Cloudflare, NVIDIA, OVH, OpenRouter y otros proveedores ofrecen modelos de razonamiento gratis, como GPT-OSS 120B, QwQ 32B y DeepSeek R1 Distill. FreeLLMAPI los reúne detrás de una clave única compatible con OpenAI.
¿Los tokens de razonamiento cuentan como tokens de salida?
Sí. Google indica que el límite de salida de Gemini incluye los tokens de pensamiento, y que esos tokens se cuentan. En los niveles gratuitos también usan su límite de tokens por minuto.
¿Por qué mi modelo de razonamiento devuelve una respuesta vacía?
El modelo usó todo el presupuesto de max_tokens para razonar, así que no quedaron tokens para la respuesta. Suba max_tokens a 4,000 o más.
¿DeepSeek R1 es gratuito mediante una API?
DeepSeek R1 Distill Qwen 32B está en el catálogo gratuito de Cloudflare Workers AI. La tabla de esta página muestra los proveedores que lo ofrecen hoy.
¿Cuál es el mejor modelo de razonamiento gratuito?
GPT-OSS 120B es una buena opción predeterminada, porque varios proveedores lo ofrecen gratis. Use la tabla de esta página, que ordena los modelos por su posición de inteligencia en el catálogo en vivo.
Guías relacionadas
- free gpt oss api
- free deepseek api
- free qwen api
- Mejores API gratuitas de modelos para programar
- Límites de uso de API LLM gratuitas
Fuentes
- FreeLLMAPI docs: Routing strategies and native Gemini API (revisado 20 November 2026)
- Google AI Studio docs: Thinking (revisado 20 November 2026)
- Gemini Developer API pricing (revisado 20 November 2026)
- Groq docs: Reasoning (revisado 20 November 2026)