خانه / راهنماها / API رایگان LLM برای Open WebUI

API رایگان LLM برای Open WebUI

Open WebUI یک رابط گفتگوی میزبانی‌شده روی سرور خودتان است. این رابط به هر سروری که API Chat Completions از OpenAI را پشتیبانی کند وصل می‌شود. این راهنما Open WebUI را به FreeLLMAPI وصل می‌کند. FreeLLMAPI با یک کلید، 45 سطح رایگان ارائه‌دهنده را در اختیار شما قرار می‌دهد. شما یک اتصال اضافه می‌کنید. روتر هر گفتگو را به یک مدل رایگان می‌فرستد و وقتی محدودیتی جلوی یک درخواست را بگیرد، به ارائه‌دهنده بعدی می‌رود.

کد، نام مدل‌ها و برچسب‌های زندهٔ کاتالوگ به زبان انگلیسی نمایش داده می‌شوند.

نحوه کار اتصال

Open WebUI درخواست‌های گفتگو را به آدرس هر اتصال OpenAI می‌فرستد. FreeLLMAPI روی http://localhost:3001/v1 گوش می‌دهد و همان درخواست‌ها را می‌پذیرد. یک مدل رایگان را انتخاب می‌کند، درخواست را می‌فرستد و پاسخ را با قالب OpenAI برمی‌گرداند.

  • یک اتصال، ارائه‌دهندگان زیاد: شما یک آدرس و یک کلید یکپارچه اضافه می‌کنید. کلیدهای ارائه‌دهندگان شما در FreeLLMAPI روی رایانه خودتان می‌مانند.
  • جایگزینی خودکار: وقتی یک ارائه‌دهنده خطای 429 برگرداند، روتر مدل بعدی زنجیره جایگزین شما را امتحان می‌کند.
  • محدودیت‌ها: سطوح رایگان محدودیت درخواست و توکن دارند. کلیدهای بیشتر ارائه‌دهنده، درخواست بیشتری در روز می‌دهند. جایگزینی خودکار بار را پخش می‌کند، اما محدودیت‌ها را حذف نمی‌کند.

ابتدا FreeLLMAPI را نصب کنید. این برنامه در Docker اجرا می‌شود. داشبورد را در http://localhost:3001 باز کنید، حداقل دو کلید ارائه‌دهنده رایگان را در صفحه Keys اضافه کنید و کلید یکپارچه خود را کپی کنید.

نصب FreeLLMAPI (macOS یا Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

گام 1: آدرس درست را پیدا کنید

آدرسی که Open WebUI باید استفاده کند به محل اجرای هر برنامه بستگی دارد. Open WebUI معمولاً در Docker اجرا می‌شود. در داخل یک کانتینر، localhost خود کانتینر است، نه رایانه شما.

Open WebUI اجرا می‌شودFreeLLMAPI اجرا می‌شودآدرسی که باید استفاده شود
روی میزبان (pip یا uv)روی میزبان (Docker یا برنامه دسکتاپ)http://localhost:3001/v1
در Docker Desktop (macOS، Windows)روی میزبانhttp://host.docker.internal:3001/v1
در Docker روی Linuxدر Docker (اسکریپت نصب)http://freellmapi:3001/v1 روی یک شبکه مشترک Docker
روی رایانه دیگرروی سروری در شبکه محلی شماhttp://<server-ip>:3001/v1، با HOST_BIND=0.0.0.0 فقط روی یک شبکه مورد اعتماد

به طور پیش‌فرض، کانتینر FreeLLMAPI پورت خود را فقط روی 127.0.0.1 منتشر می‌کند. در Linux، یک کانتینر دوم همیشه نمی‌تواند از طریق میزبان به آن پورت برسد. هر دو کانتینر را به یک شبکه Docker وصل کنید. سپس از نام سرویس freellmapi به عنوان نام میزبان استفاده کنید.

اتصال Open WebUI به شبکه FreeLLMAPI (Linux)

# Find the network of the FreeLLMAPI stack (usually freellmapi_default)
docker network ls

# Attach the Open WebUI container to it
docker network connect freellmapi_default open-webui

# Test the URL from inside the Open WebUI container
docker exec open-webui curl -s http://freellmapi:3001/v1/models \
  -H "Authorization: Bearer <unified-key>" | head -c 300

گام 2: اتصال را اضافه کنید

می‌توانید اتصال را در رابط کاربری یا با متغیرهای محیطی اضافه کنید. رابط کاربری ساده‌ترین روش است.

  1. Admin Panel را باز کنید و به Settings > Connections بروید.
  2. فهرست Manage OpenAI API Connections را پیدا کنید. روی Add Connection کلیک کنید.
  3. در URL، آدرس گام 1 را وارد کنید، برای مثال http://host.docker.internal:3001/v1.
  4. در API Key، کلید یکپارچه FreeLLMAPI خود را جای‌گذاری کنید.
  5. روی Verify Connection کلیک کنید. سپس روی Save کلیک کنید.

برای تنظیم اتصال هنگام شروع کانتینر، از OPENAI_API_BASE_URL و OPENAI_API_KEY استفاده کنید. دستور زیر، دستور استاندارد docker run برای Open WebUI است که این دو متغیر به آن اضافه شده‌اند.

docker run با اتصال FreeLLMAPI

docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -e OPENAI_API_BASE_URL=http://host.docker.internal:3001/v1 \
  -e OPENAI_API_KEY=<unified-key> \
  -v open-webui:/app/backend/data \
  --name open-webui --restart always \
  ghcr.io/open-webui/open-webui:main

برای نگه داشتن یک اتصال OpenAI موجود، از متغیرهای جمع استفاده کنید. OPENAI_API_BASE_URLS و OPENAI_API_KEYS فهرستی از مقادیر را می‌گیرند که با نقطه‌ویرگول جدا شده‌اند. کلید اول با آدرس اول استفاده می‌شود.

دو اتصال در یک کانتینر

-e OPENAI_API_BASE_URLS="https://api.openai.com/v1;http://host.docker.internal:3001/v1" \
-e OPENAI_API_KEYS="<openai-key>;<unified-key>"
مهم: این متغیرها در بار اول شروع در پایگاه داده Open WebUI ذخیره می‌شوند. بعد از آن، مقادیری که در Admin Panel ذخیره شده‌اند، بر محیط اولویت دارند. اگر تغییر متغیرها اثری نداشت، اتصال را در Admin Panel ویرایش کنید. همچنین می‌توانید ENABLE_PERSISTENT_CONFIG=False را تنظیم کنید تا محیط اولویت پیدا کند.

گام 3: فهرست مدل‌ها را کوتاه نگه دارید

FreeLLMAPI کل کاتالوگ خود را در /v1/models برمی‌گرداند. کاتالوگ شامل مدل‌هایی هم هست که هنوز نمی‌توانید فراخوانی کنید، چون کلیدی برای آن‌ها اضافه نکرده‌اید. Open WebUI هر مدلی را نشان می‌دهد که اتصال برمی‌گرداند. فهرست طولانی از مدل‌هایی که خطا می‌دهند، مفید نیست.

اتصال را دوباره باز کنید و از فیلد Model IDs استفاده کنید. وقتی شناسه اضافه می‌کنید، Open WebUI فقط همین شناسه‌ها را نشان می‌دهد و دیگر فهرست کامل را نمی‌خواند. ابتدا ورودی‌های روتر را اضافه کنید:

شناسه مدلکار روتر
autoزنجیره جایگزین فعال شما را از داشبورد دنبال می‌کند
auto:fastمدل‌های فعال را بر اساس سرعت اندازه‌گیری‌شده رتبه‌بندی می‌کند
auto:smartمدل‌های فعال را بر اساس هوش رتبه‌بندی می‌کند
auto:reliableمدل‌های فعال را بر اساس نرخ موفقیت اخیر رتبه‌بندی می‌کند
auto:<profile>از یک زنجیره جایگزین نام‌دار استفاده می‌کند، برای مثال یک زنجیره بینایی

می‌توانید یک شناسه مدل ثابت هم اضافه کنید، برای مثال مدلی از جدول زیر. مدل ثابت همیشه پاسخ با یک سبک یکسان می‌دهد. همچنین وقتی محدودیت رایگان آن مدل تمام شود، متوقف می‌شود، مگر اینکه همان مدل در ارائه‌دهندگان دیگر رایگان باشد.

برای صرفه‌جویی در سهمیه، مدل وظیفه را روی یک ورودی سریع تنظیم کنید. Open WebUI از مدل وظیفه برای عنوان‌ها و جستجوها استفاده می‌کند. نام متغیر TASK_MODEL_EXTERNAL است، برای مثال TASK_MODEL_EXTERNAL=auto:fast.

مدل‌های گفتگوی رایگان قوی با متن ورودی 128K یا بیشتر
مدلرایگان درمتن ورودیمحدودیت‌های رایگان (بهترین پیشنهاد)ابزارهابینایی
GLM 5.3APINex, UnoRouter1M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account
بلهخیر
GLM 5.3 FlashAPINex, BlazeAPI, NVIDIA NIM +1 مورد دیگر1M40 درخواست در دقیقه
40 RPM
بلهبله
Gemini 3.8 FlashAPINex, Google AI Studio1M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
بلهبله
Qwen3.8 Flash NextAMD Radeon Cloud, BlazeAPI, ElectronHub262KRecurring daily account allowanceبلهخیر
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditبلهبله
Deepseek V4.1 FlashAPINex1M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
خیرخیر
Gemini 3.7 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditبلهبله
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 درخواست در دقیقه
50 درخواست در روز
50 req/day account-wide (1,000 after a $10 purchase)
بلهبله
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 درخواست در دقیقه
50 درخواست در روز
Shared rate limit
بلهخیر

نمایش 10 مدل رایگان مطابق از 184 مدل. مشاهده همه مدل‌ها.

داده‌های زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسی‌شده در 2026-11-19). محدودیت‌های رایگان اغلب تغییر می‌کنند. کاتالوگ هر روز بررسی می‌شود.

اگر در Open WebUI تصویر بفرستید، روتر فقط برای آن درخواست از مدل‌های بینایی استفاده می‌کند. اگر هیچ مدل بینایی در زنجیره شما نباشد، درخواست خطای 422 برمی‌گرداند. این مدل‌های رایگان تصویر را می‌پذیرند:

مدل‌های رایگان با ورودی تصویر
مدلرایگان درمتن ورودیمحدودیت‌های رایگان (بهترین پیشنهاد)ابزارهابینایی
GLM 5.3 FlashUnoRouter1M1 درخواست در دقیقه
1 req/min per model
بلهبله
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaبلهبله
Gemini Flash (latest alias)Google AI Studio-10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditبلهبله
Gemini 3.7 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditبلهبله

نمایش 6 مدل رایگان مطابق از 67 مدل. مشاهده همه مدل‌ها.

داده‌های زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسی‌شده در 2026-11-19). محدودیت‌های رایگان اغلب تغییر می‌کنند. کاتالوگ هر روز بررسی می‌شود.

برای اسناد از embedding رایگان استفاده کنید

Open WebUI می‌تواند از طریق یک API سازگار با OpenAI برای اسناد شما embedding بسازد. FreeLLMAPI مسیر /v1/embeddings را ارائه می‌دهد. جایگزینی خودکار embedding هرگز مدل را تغییر نمی‌دهد، بنابراین بردارهای ذخیره‌شده شما سازگار می‌مانند.

تنظیمات embedding برای Open WebUI

-e RAG_EMBEDDING_ENGINE=openai \
-e RAG_OPENAI_API_BASE_URL=http://host.docker.internal:3001/v1 \
-e RAG_OPENAI_API_KEY=<unified-key> \
-e RAG_EMBEDDING_MODEL=bge-m3

یک خانواده embedding را انتخاب کنید و آن را نگه دارید. اگر خانواده را تغییر دهید، embedding همه اسناد را دوباره بسازید. مدل‌های embedding رایگان در کاتالوگ امروز این‌ها هستند:

مدلارائه‌دهندهابعادحداکثر ورودیمحدودیت رایگان
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)

داده‌های زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسی‌شده در 2026-11-19). محدودیت‌های رایگان اغلب تغییر می‌کنند. کاتالوگ هر روز بررسی می‌شود.

عیب‌یابی

مشکلعلتراه‌حل
Verify Connection با خطای شبکه شکست می‌خوردlocalhost به کانتینر Open WebUI اشاره می‌کندمانند گام 1، از host.docker.internal یا یک شبکه مشترک Docker استفاده کنید
Verify Connection با خطای 401 شکست می‌خوردکلید اشتباه است یا فاصله داردکلید یکپارچه را دوباره از صفحه Keys کپی کنید
صدها مدل در انتخاب‌گر وجود دارداتصال کل کاتالوگ را می‌خواندauto و شناسه‌های انتخابی خود را در Model IDs اضافه کنید
یک مدل با هر پیام خطا می‌دهدکلیدی برای ارائه‌دهنده آن مدل وجود نداردکلید ارائه‌دهنده را اضافه کنید، یا auto را انتخاب کنید
خطای 429 بعد از گفتگوهای زیادهمه کلیدهای ارائه‌دهنده در زنجیره به حد مجاز رسیده‌اندکلیدهای ارائه‌دهندگان بیشتر را اضافه کنید، یا زمان بازنشانی را در هدر Retry-After صبر کنید
متغیرهای محیطی اثری ندارندمقادیر ذخیره‌شده در پایگاه داده اولویت دارنداتصال را در Admin Panel ویرایش کنید

برای دیدن اینکه کدام ارائه‌دهنده به یک گفتگو پاسخ داده، هدر X-Routed-Via پاسخ را بخوانید. نمایشگر Server Logs در منوی Analytics داشبورد هم تصمیم‌های مسیریابی و دوره‌های استراحت کلیدها را نشان می‌دهد.

هر یک از این‌ها را با یک کلید استفاده کنید. FreeLLMAPI یک روتر متن‌باز و میزبانی‌شده روی سرور خودتان است. این روتر همه این سطوح رایگان را پشت یک نقطه پایانی سازگار با OpenAI قرار می‌دهد و وقتی یک سرویس به محدودیت نرخ برسد، به سرویس بعدی منتقل می‌شود. مرور کاتالوگ یا اجرای زنده.

پرسش‌های متداول

آیا برای Open WebUI یک API رایگان وجود دارد؟

بله. Open WebUI با هر API سازگار با OpenAI کار می‌کند. FreeLLMAPI سطوح رایگان ارائه‌دهندگان را پشت یک آدرس و یک کلید ترکیب می‌کند. هر سطح رایگان محدودیت‌های خودش را دارد.

برای یک اتصال سازگار با OpenAI در Open WebUI از کدام آدرس استفاده کنم؟

آدرس پایه را با /v1 در انتها استفاده کنید، برای مثال http://host.docker.internal:3001/v1. /chat/completions اضافه نکنید. اگر Open WebUI در Docker اجرا می‌شود، از localhost استفاده نکنید.

چرا Open WebUI تغییر OPENAI_API_BASE_URL من را نادیده می‌گیرد؟

Open WebUI تنظیمات اتصال را بعد از بار اول شروع در پایگاه داده خود ذخیره می‌کند. مقادیر پایگاه داده اولویت دارند. اتصال را در Admin Panel ویرایش کنید، یا ENABLE_PERSISTENT_CONFIG=False را تنظیم کنید.

آیا Open WebUI می‌تواند همزمان از چند ارائه‌دهنده رایگان استفاده کند؟

بله. می‌توانید برای هر ارائه‌دهنده یک اتصال اضافه کنید. با FreeLLMAPI یک اتصال کافی است، چون روتر ارائه‌دهنده را انتخاب می‌کند و وقتی محدودیتی درخواست را متوقف کند، به ارائه‌دهنده بعدی می‌رود.

در Open WebUI کدام مدل رایگان بهترین است؟

با auto شروع کنید. این مدل زنجیره جایگزین شما را دنبال می‌کند. برای یک مدل ثابت، یکی را با پنجره متن بزرگ از جدول این صفحه انتخاب کنید.

راهنماهای مرتبط

منابع

همه راهنماها · مرور همه مدل‌های رایگان