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.
| مدل | رایگان در | متن ورودی | محدودیتهای رایگان (بهترین پیشنهاد) | ابزارها | بینایی |
|---|---|---|---|---|---|
| OpenAI: GPT-6 Luna | ElectronHub | 1.1M | $0.25/week shared free credits | خیر | خیر |
| 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 |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 درخواست در دقیقه 50 درخواست در روز Shared rate limit | بله | خیر |
| DeepSeek V4 Flash 0731 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | خیر | خیر |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| GLM 5.2 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | خیر | خیر |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| DeepSeek V4 Pro | APINex, Router9 | 1M | 5 درخواست در دقیقه 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | خیر | خیر |
| Nemotron 3 Ultra 550B | Gizmo, Kilo Gateway, LLMTR +3 مورد دیگر | 1M | 200 درخواست در روز 200 rpd | بله | خیر |
| Gemini 3.5 Flash Lite | ElectronHub, Google AI Studio | 1M | 15 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| Gemini 3 Flash Preview | Google AI Studio | 1M | 10 درخواست در دقیقه 20 درخواست در روز 250,000 توکن در دقیقه ~3M | بله | بله |
| Gemini 3.1 Flash-Lite | DreamPrompting, Google AI Studio | 1M | 100 درخواست در دقیقه 5,000 درخواست در روز 500,000 توکن در روز 500K tokens/day · 5,000 req/day | بله | بله |
| Gemini 2.5 Flash | DreamPrompting, ElectronHub, Google AI Studio | 1M | 100 درخواست در دقیقه 5,000 درخواست در روز 500,000 توکن در روز 500K tokens/day · 5,000 req/day | بله | بله |
| Nemotron 3.5 Lightning | ElectronHub, Gizmo, Kilo Gateway +2 مورد دیگر | 1M | 20 درخواست در دقیقه 50 درخواست در روز 50 req/day account-wide (1,000 after a $10 purchase) | بله | خیر |
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 | bashداشبورد 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 وقتی | از RAG استفاده کنید وقتی |
|---|---|
| سند یک بار خوانده میشود، برای مثال یک قرارداد یا یک گزارش | شما پرسشهای زیادی درباره همان داده بزرگ میپرسید |
| پاسخ به متن کامل نیاز دارد، برای مثال یک خلاصه یا مقایسه بخشها | پاسخ در چند بند کوتاه است |
| متن از محدودیت TPM کلید رایگان شما کوچکتر است | داده از هر پنجره زمینه یا محدودیت TPM رایگان بزرگتر است |
| مدل باید ترتیب و ساختار متن را ببیند | شما 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_tokensرا 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.
| مشکل | علت | راهحل |
|---|---|---|
| خطای 429 روی اولین درخواست بلند | prompt از محدودیت TPM بزرگتر است | prompt را کوچکتر کنید، یا از RAG استفاده کنید |
| خطای 400 درباره طول زمینه | درخواست به مدلی با پنجره کوچکتر رفت | یک شناسه مدل از جدول را ثابت کنید |
| پاسخ خالی یا قطعشده | max_tokens خیلی کوچک است، یا تفکر آن را مصرف کرده | max_tokens بزرگتری تنظیم کنید |
| مهلت تمام شد | مدل برای خواندن prompt زمان لازم دارد | مهلت کلاینت را 300 ثانیه یا بیشتر تنظیم کنید |
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
- API رایگان LLM برای RAG
- API رایگان embedding
- free gemini api
- عبور از سهمیه Gemini API (429 RESOURCE_EXHAUSTED)
- محدودیت نرخ API رایگان LLM
منابع
- FreeLLMAPI docs: Native Gemini API (بررسیشده در 20 November 2026)
- FreeLLMAPI docs: Chat completions and routing (بررسیشده در 20 November 2026)
- Google AI Studio docs: Thinking (بررسیشده در 20 November 2026)
- Gemini Developer API pricing (بررسیشده در 20 November 2026)