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 | bashگام 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 میشود | FreeLLMAPI اجرا میشود | آدرسی 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 میزبان | http://host.docker.internal:3001/v1 |
| در Docker روی Linux | در Docker (اسکریپت نصب) | http://freellmapi:3001/v1 روی یک شبکه مشترک Docker |
| روی رایانه دیگر | روی سروری در شبکه محلی شما | http://<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 300گام 2: اتصال را اضافه کنید
میتوانید اتصال را در رابط کاربری یا با متغیرهای محیطی اضافه کنید. رابط کاربری سادهترین روش است.
- Admin Panel را باز کنید و به Settings > Connections بروید.
- فهرست Manage OpenAI API Connections را پیدا کنید. روی Add Connection کلیک کنید.
- در URL، آدرس گام 1 را وارد کنید، برای مثال
http://host.docker.internal:3001/v1. - در API Key، کلید یکپارچه FreeLLMAPI خود را جایگذاری کنید.
- 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:mainبرای 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>"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 مدل | کار روتر |
|---|---|
auto | زنجیره جایگزین فعال شما را از داشبورد دنبال میکند |
auto:fast | مدلهای فعال را بر اساس سرعت اندازهگیریشده رتبهبندی میکند |
auto:smart | مدلهای فعال را بر اساس هوش رتبهبندی میکند |
auto:reliable | مدلهای 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.
| مدل | رایگان در | متن ورودی | محدودیتهای رایگان (بهترین پیشنهاد) | ابزارها | بینایی |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 درخواست در دقیقه 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | بله | خیر |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 مورد دیگر | 1M | 40 درخواست در دقیقه 40 RPM | بله | بله |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 درخواست در دقیقه 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | بله | بله |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | بله | خیر |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | بله | بله |
| Deepseek V4.1 Flash | APINex | 1M | 5 درخواست در دقیقه 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | خیر | خیر |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | بله | بله |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 درخواست در دقیقه 50 درخواست در روز 50 req/day account-wide (1,000 after a $10 purchase) | بله | بله |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 درخواست در دقیقه 50 درخواست در روز Shared rate limit | بله | خیر |
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:
| مدل | رایگان در | متن ورودی | محدودیتهای رایگان (بهترین پیشنهاد) | ابزارها | بینایی |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 درخواست در دقیقه 1 req/min per model | بله | بله |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | بله | بله |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | بله | بله |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | بله | بله |
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-m3یک 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:
| مدل | ارائهدهنده | ابعاد | حداکثر ورودی | محدودیت رایگان |
|---|---|---|---|---|
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) |
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
| مشکل | علت | راهحل |
|---|---|---|
| Verify Connection با خطای شبکه شکست میخورد | localhost به کانتینر Open WebUI اشاره میکند | مانند گام 1، از host.docker.internal یا یک شبکه مشترک Docker استفاده کنید |
| Verify Connection با خطای 401 شکست میخورد | کلید اشتباه است یا فاصله دارد | کلید یکپارچه را دوباره از صفحه Keys کپی کنید |
| صدها مدل در انتخابگر وجود دارد | اتصال کل کاتالوگ را میخواند | auto و شناسههای انتخابی خود را در Model IDs اضافه کنید |
| یک مدل با هر پیام خطا میدهد | کلیدی برای ارائهدهنده آن مدل وجود ندارد | کلید ارائهدهنده را اضافه کنید، یا auto را انتخاب کنید |
| خطای 429 بعد از گفتگوهای زیاد | همه کلیدهای ارائهدهنده در زنجیره به حد مجاز رسیدهاند | کلیدهای ارائهدهندگان بیشتر را اضافه کنید، یا زمان بازنشانی را در هدر Retry-After صبر کنید |
| متغیرهای محیطی اثری ندارند | مقادیر ذخیرهشده در پایگاه داده اولویت دارند | اتصال 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.
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
- API رایگان برای SillyTavern
- آدرسهای پایه API سازگار با OpenAI رایگان
- API رایگان embedding
- API رایگان LLM برای RAG
- محدودیت نرخ API رایگان LLM
منابع
- Open WebUI docs: environment variable configuration (بررسیشده در 20 November 2026)
- Open WebUI docs: connect an OpenAI-compatible provider (بررسیشده در 20 November 2026)
- Open WebUI README: Docker installation (بررسیشده در 20 November 2026)
- FreeLLMAPI docs: REST API (routing strategies, model listing, embeddings) (بررسیشده در 20 November 2026)
- FreeLLMAPI docs: Docker deployment (بررسیشده در 20 November 2026)