خانه / راهنماها / API رایگان LLM با زمینه 1 میلیون توکن

API رایگان LLM با زمینه 1 میلیون توکن

یک پنجره زمینه بلند به مدل اجازه می‌دهد یک کتاب کامل، یک پایگاه کد بزرگ یا ساعت‌ها متن پیاده‌شده را در یک درخواست بخواند. کاتالوگ FreeLLMAPI دارای 56 پیشنهاد مدل رایگان با پنجره زمینه 1 میلیون توکن یا بیشتر است. این راهنما این مدل‌ها و محدودیت‌های سطح رایگان را نشان می‌دهد که تعیین می‌کنند در عمل چقدر می‌توانید بفرستید.

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

مدل‌های رایگان با زمینه 1M+ توکن امروز

جدول مدل‌های رایگانی را با پنجره زمینه حداقل 1٬000٬000 توکن فهرست می‌کند، از بزرگ‌ترین شروع. داده‌ها از کاتالوگ زنده می‌آیند. ستون "Free limits" را همراه با اندازه زمینه بررسی کنید.

مدل‌های رایگان با زمینه 1M+ توکن، از بزرگ‌ترین
مدلرایگان درمتن ورودیمحدودیت‌های رایگان (بهترین پیشنهاد)ابزارهابینایی
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsخیرخیر
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
Gemini 3.7 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 درخواست در دقیقه
50 درخواست در روز
Shared rate limit
بلهخیر
DeepSeek V4 Flash 0731Router91M10,000 credits/month (~$1), shared; account-anniversary resetخیرخیر
Gemini 3.6 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
GLM 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetخیرخیر
Gemini 3.5 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
DeepSeek V4 ProAPINex, Router91M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
خیرخیر
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 مورد دیگر1M200 درخواست در روز
200 rpd
بلهخیر
Gemini 3.5 Flash LiteElectronHub, Google AI Studio1M15 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Gemini 3 Flash PreviewGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Gemini 3.1 Flash-LiteDreamPrompting, Google AI Studio1M100 درخواست در دقیقه
5,000 درخواست در روز
500,000 توکن در روز
500K tokens/day · 5,000 req/day
بلهبله
Gemini 2.5 FlashDreamPrompting, ElectronHub, Google AI Studio1M100 درخواست در دقیقه
5,000 درخواست در روز
500,000 توکن در روز
500K tokens/day · 5,000 req/day
بلهبله
Nemotron 3.5 LightningElectronHub, Gizmo, Kilo Gateway +2 مورد دیگر1M20 درخواست در دقیقه
50 درخواست در روز
50 req/day account-wide (1,000 after a $10 purchase)
بلهخیر

نمایش 15 مدل رایگان مطابق از 33 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.

مدل‌های Gemini Flash از Google AI Studio شناخته‌شده‌ترین مدل‌های رایگان 1M توکنی هستند. آن‌ها تصویر و فراخوانی ابزار را هم می‌پذیرند. ردیف‌های دیگر از روترهای رایگان و از NVIDIA می‌آیند.

محدودیت واقعی: توکن در دقیقه

پنجره زمینه بزرگ‌ترین prompt ای است که مدل می‌تواند بخواند. سطح رایگان همچنین یک محدودیت توکن در دقیقه (TPM) دارد. در بسیاری از سطح‌های رایگان، محدودیت TPM کوچک‌تر از پنجره زمینه است.

  • مثال: یک کلید رایگان Gemini Flash در جدول، 250٬000 توکن در دقیقه مجاز می‌داند. یک prompt با 800٬000 توکن در پنجره زمینه جا می‌گیرد، اما بالاتر از محدودیت TPM است. ارائه‌دهنده خطای 429 می‌فرستد.
  • درخواست در روز: برخی مدل‌های رایگان Gemini فقط حدود 20 درخواست در روز مجاز می‌دانند. prompt های بلند را برای وظایفی نگه دارید که به آن‌ها نیاز دارند.
  • خروجی جداست: پاسخ حداکثر طول جداگانه‌ای دارد. زمینه 1M توکنی پاسخ 1M توکنی نمی‌دهد.

پس در عمل، یک مدل رایگان با زمینه 1M می‌تواند در یک درخواست چند صد هزار توکن را بخواند. پیش از ارسال، prompt خود را اندازه بگیرید.

مرحله 1: نصب FreeLLMAPI و افزودن کلیدها

FreeLLMAPI متن‌باز است. روی رایانه شما در Docker اجرا می‌شود. کلیدهای ارائه‌دهندگان شما روی رایانه‌تان می‌مانند.

نصب (macOS یا Linux)

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

داشبورد را در http://localhost:3001 باز کنید. یک کلید Google AI Studio را در صفحه Keys اضافه کنید. کلیدهای ارائه‌دهندگان دیگر جدول را هم اضافه کنید، تا وقتی Google خطای 429 می‌فرستد، مسیریاب یک مدل زمینه بلند دیگر داشته باشد. کلید یکپارچه خود را از همان صفحه کپی کنید.

مرحله 2: شمردن توکن‌ها، سپس ارسال یک سند بلند

FreeLLMAPI روش بومی countTokens مربوط به Gemini را ارائه می‌دهد. از آن برای اندازه‌گیری prompt پیش از ارسال استفاده کنید.

curl: شمردن توکن‌ها با نقطه پایانی بومی Gemini

curl "http://localhost:3001/v1beta/models/gemini-2.5-flash:countTokens" \
  -H "x-goog-api-key: <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"contents": [{"role": "user", "parts": [{"text": "Paste the long text here"}]}]}'

پایتون: ارسال یک فایل بلند به یک مدل 1M زمینه

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>", timeout=300)

doc = open("annual-report.txt", encoding="utf-8").read()
print("about", len(doc) // 4, "tokens")  # rough rule for English text

resp = client.chat.completions.with_raw_response.create(
    model="gemini-2.5-flash",  # pin a 1M-context model; "auto" can pick a smaller one
    messages=[
        {"role": "system", "content": "Answer only from the document. Quote the section you use."},
        {"role": "user", "content": doc + "\n\nQuestion: What are the three largest risks?"},
    ],
    max_tokens=4000,
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

یک مدل زمینه بلند را با شناسه‌اش ثابت کنید. با model: "auto"، مسیریاب ممکن است مدلی با پنجره زمینه کوچک‌تر انتخاب کند. یک مهلت طولانی برای کلاینت تنظیم کنید، زیرا prompt های بزرگ زمان خواندن می‌خواهند.

زمینه بلند یا RAG؟

از زمینه بلند استفاده کنید وقتیاز RAG استفاده کنید وقتی
سند یک بار خوانده می‌شود، برای مثال یک قرارداد یا یک گزارششما پرسش‌های زیادی درباره همان داده بزرگ می‌پرسید
پاسخ به متن کامل نیاز دارد، برای مثال یک خلاصه یا مقایسه بخش‌هاپاسخ در چند بند کوتاه است
متن از محدودیت TPM کلید رایگان شما کوچک‌تر استداده از هر پنجره زمینه یا محدودیت TPM رایگان بزرگ‌تر است
مدل باید ترتیب و ساختار متن را ببیندشما باید هر درخواست را کوچک و سریع نگه دارید

RAG با هر پرسش فقط بخش‌های مرتبط داده را می‌فرستد. روی سطح‌های رایگان توکن کمتری مصرف می‌کند. برای راه‌اندازی، API رایگان LLM برای RAG و API رایگان embeddings را بخوانید.

خطاهای رایج و عیب‌یابی

  • جزئیات گم‌شده: مدل‌ها ممکن است واقعیت‌هایی را در وسط یک prompt بسیار بلند از دست بدهند. پرسش خود را بعد از سند بگذارید و از مدل بخواهید منبع خود را نقل کند.
  • توکن‌های تفکر: مدل‌های Gemini Flash می‌توانند توکن‌های تفکر پنهان را از بودجه خروجی مصرف کنند. max_tokens را خیلی کوچک تنظیم نکنید.
  • فایل‌های PDF: FreeLLMAPI فایل‌های PDF، DOCX یا XLSX را تبدیل نمی‌کند. پیوست سند باینری خطای 400 برمی‌گرداند. ابتدا متن را استخراج کنید، سپس متن را بفرستید.
  • متن را تمیز کنید: پیش از ارسال سند، سرصفحه‌ها، پاصفحه‌ها و فهرست مطالب تکراری را حذف کنید. آن‌ها توکن مصرف می‌کنند و واقعیتی اضافه نمی‌کنند.
  • prompt های تکراری: هر درخواست کل سند را دوباره می‌فرستد. اگر ممکن است، چند پرسش را در یک درخواست بپرسید.
مشکلعلتراه‌حل
خطای 429 روی اولین درخواست بلندprompt از محدودیت TPM بزرگ‌تر استprompt را کوچک‌تر کنید، یا از RAG استفاده کنید
خطای 400 درباره طول زمینهدرخواست به مدلی با پنجره کوچک‌تر رفتیک شناسه مدل از جدول را ثابت کنید
پاسخ خالی یا قطع‌شدهmax_tokens خیلی کوچک است، یا تفکر آن را مصرف کردهmax_tokens بزرگ‌تری تنظیم کنید
مهلت تمام شدمدل برای خواندن prompt زمان لازم داردمهلت کلاینت را 300 ثانیه یا بیشتر تنظیم کنید
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 یک API رایگان LLM با زمینه 1 میلیون توکن وجود دارد؟

بله. مدل‌های Gemini Flash در سطح رایگان Google AI Studio پنجره زمینه‌ای حدود 1 میلیون توکن دارند. کاتالوگ FreeLLMAPI دارای 56 پیشنهاد مدل رایگان با 1M توکن یا بیشتر است.

آیا می‌توانم در یک درخواست 1 میلیون توکن را رایگان بفرستم؟

معمولاً نه. سطح رایگان Gemini در کاتالوگ 250٬000 توکن در دقیقه مجاز می‌داند، پس یک prompt بزرگ‌تر خطای 429 می‌گیرد. برای هر درخواست، چند صد هزار توکن برنامه‌ریزی کنید.

پیش از ارسال یک prompt چطور توکن‌ها را بشمارم؟

روش بومی countTokens مربوط به Gemini را از طریق FreeLLMAPI در /v1beta/models/{model}:countTokens فراخوانی کنید. برای متن انگلیسی، حدود 4 نویسه یک توکن می‌شود.

کدام LLM رایگان بزرگ‌ترین پنجره زمینه را دارد؟

جدول این صفحه مدل‌های رایگان را بر اساس اندازه زمینه، از بزرگ‌ترین، مرتب می‌کند. چند مدل رایگان به حدود 1 میلیون توکن می‌رسند. همچنین ستون محدودیت‌های رایگان را بخوانید، زیرا محدودیت TPM اندازه واقعی یک درخواست را تعیین می‌کند.

آیا زمینه بلند بهتر از RAG است؟

زمینه بلند برای یک سند بهتر است که یک بار خوانده می‌شود. RAG برای پرسش‌های زیاد درباره داده بزرگ بهتر است، زیرا هر بار توکن کمتری می‌فرستد.

راهنماهای مرتبط

منابع

همه راهنماها · مرور همه مدل‌های رایگان