خانه / راهنماها / API رایگان مدل استدلالی

API رایگان مدل استدلالی

یک مدل استدلالی پیش از پاسخ دادن فکر می‌کند. مراحل پنهان یا آشکار می‌نویسد، سپس پاسخ نهایی را می‌دهد. این در ریاضی، منطق، برنامه‌ریزی و کد سخت کمک می‌کند. چند ارائه‌دهنده مدل‌های استدلالی را رایگان می‌دهند. این راهنما آن‌ها را نشان می‌دهد، هزینه توکن‌های تفکر را توضیح می‌دهد و کد کاری ارائه می‌کند.

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

مدل‌های استدلالی رایگان امروز

جدول مدل‌های رایگانی را فهرست می‌کند که در نامشان استدلال دیده می‌شود، برای مثال GPT-OSS، R1، QwQ، Thinking، Reasoning و Magistral. داده‌ها از کاتالوگ زنده می‌آیند. بسیاری از مدل‌های دیگر، مانند Gemini Flash، هم فکر می‌کنند، اما نام‌هایشان این را نشان نمی‌دهد.

مدل‌های استدلالی رایگان، قوی‌ترین اول
مدلرایگان درمتن ورودیمحدودیت‌های رایگان (بهترین پیشنهاد)ابزارهابینایی
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 مورد دیگر131K30 درخواست در دقیقه
1,000 درخواست در روز
8,000 توکن در دقیقه
200,000 توکن در روز
~6M
بلهخیر
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 مورد دیگر131K30 درخواست در دقیقه
1,000 درخواست در روز
8,000 توکن در دقیقه
200,000 توکن در روز
~6M
بلهخیر
GPT-OSS Safeguard 20BGroq, LLMTR131K30 درخواست در دقیقه
1,000 درخواست در روز
8,000 توکن در دقیقه
200,000 توکن در روز
~6M
بلهخیر
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsخیرخیر
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditخیرخیر
Qwen3 235B A22B Thinking 2507ModelScope262K200 درخواست در روز
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
خیرخیر
GPT-OSS 120B (via Groq)DreamPrompting131K100 درخواست در دقیقه
5,000 درخواست در روز
500,000 توکن در روز
500K tokens/day · 5,000 req/day
خیرخیر
Qwen3 Next 80B A3B ThinkingModelScope262K200 درخواست در روز
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
خیرخیر
QwQ 32BCloudflare Workers AI131K~10-20Mبلهخیر
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 درخواست در روز
200 rpd
خیربله
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 درخواست در دقیقه
40 RPM
خیربله
Command A ReasoningCohere256K20 درخواست در دقیقه
33 درخواست در روز
~1-2M
بلهخیر
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 درخواست در دقیقه
50 درخواست در روز
50 req/day account-wide (1,000 after a $10 purchase)
خیرخیر
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditبلهبله
GPT-OSS 20B (via Groq)DreamPrompting131K100 درخواست در دقیقه
5,000 درخواست در روز
500,000 توکن در روز
500K tokens/day · 5,000 req/day
خیرخیر
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5Mبلهخیر
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditبلهخیر

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

GPT-OSS 120B توسط چند ارائه‌دهنده رایگان ارائه می‌شود، پس جایگزینی گزینه‌های زیادی دارد. QwQ 32B و DeepSeek R1 Distill Qwen 32B روی Cloudflare Workers AI اجرا می‌شوند. مدل‌های Qwen3 Thinking در ModelScope زمینه 262K توکن دارند.

توکن‌های تفکر از بودجه خروجی شما استفاده می‌کنند

این رایج‌ترین مشکل مدل‌های استدلالی است. مدل ابتدا تفکر خود را می‌نویسد. این توکن‌های تفکر مانند پاسخ، از حد خروجی کم می‌شوند.

  • Google می‌گوید: حد خروجی Gemini شامل توکن‌های تفکر می‌شود. اگر مدل هنگام تفکر به حد برسد، خروجی ممکن است قطع یا خالی شود. توکن‌های تفکر همچنان شمرده می‌شوند.
  • Groq می‌گوید: پیش‌فرض 1٬024 توکن تکمیل ممکن است برای استدلال پیچیده کم باشد.
  • محدودیت‌های رایگان: توکن‌های تفکر در محدودیت‌های توکن در دقیقه و توکن در روز هم شمرده می‌شوند. یک پاسخ استدلالی ممکن است توکن بسیار بیشتری از یک پاسخ مستقیم به همان سؤال مصرف کند.
قاعده: برای یک مدل استدلالی max_tokens کوچک تنظیم نکنید. از 4٬000 یا بیشتر شروع کنید. اگر finish_reason برابر length باشد و محتوا خالی باشد، مدل کل بودجه را برای تفکر مصرف کرده است.

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. کلیدهای Groq، Cloudflare و Google AI Studio را در صفحه Keys اضافه کنید. هر کدام مدل‌های استدلالی رایگان ارائه می‌دهند. کلید یکپارچه خود را از همان صفحه کپی کنید.

مرحله 2: فراخوانی یک مدل استدلالی

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?"}]
  }'

پایتون: بررسی پاسخ قطع‌شده و حذف متن تفکر

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")

برخی ارائه‌دهندگان تفکر را داخل برچسب‌های <think> در محتوا برمی‌گردانند. برخی دیگر آن را پنهان می‌کنند، یا در یک فیلد جداگانه برمی‌گردانند. پیش از نمایش پاسخ به کاربران، برچسب‌ها را حذف کنید.

کنترل میزان تفکر

ارائه‌دهندگان تنظیمات خودشان را برای طول تفکر دارند. Groq مقدار reasoning_effort را با low، medium یا high روی مدل‌های GPT-OSS می‌پذیرد. مدل‌های Gemini 3 از تنظیم thinking_level استفاده می‌کنند. مستندات FreeLLMAPI توضیح نمی‌دهد که این فیلدها چطور از دروازه عبور می‌کنند، پس ابتدا آن‌ها را روی نصب خود آزمایش کنید.

نقطه پایانی بومی Gemini در FreeLLMAPI، یعنی /v1beta/models/{model}:generateContent، بودجه‌های تفکر را ترجمه می‌کند. اگر به کنترل تفکر Gemini نیاز دارید، از آن استفاده کنید.

وظیفهاز مدل استدلالی استفاده کنیم؟دلیل
ریاضی، معماهای منطقی، برنامه‌ریزیبلهتفکر گام‌به‌گام خطا را کم می‌کند
باگ‌های سخت و طراحی الگوریتمبلهمدل مراحل خودش را بررسی می‌کند
گفتگو، پاسخ‌های کوتاه، ترجمهخیرتفکر زمان و توکن اضافه می‌کند با سود کم
عامل‌ها با فراخوانی ابزار زیادگاهیهر دور دوباره هزینه تفکر را می‌پردازد

Prompt و مسیریابی برای وظایف استدلالی

  • هدف و قواعد را بیان کنید: همه واقعیت‌ها، محدودیت‌ها و نتیجه مورد انتظار را در prompt بدهید. یک مدل استدلالی در حین تفکر نمی‌تواند واقعیت‌های گم‌شده را از شما بپرسد.
  • قالب پاسخ را تعیین کنید: پاسخ نهایی را در یک قالب ثابت بخواهید، برای مثال یک عدد یا یک شیء JSON. آنگاه کد شما می‌تواند آن را بدون متن تفکر بخواند.
  • نمونه‌های آزمون بدهید: برای کد، ورودی‌ها و خروجی‌های نمونه اضافه کنید. مدل می‌تواند پاسخ خود را با آن‌ها بسنجد.
  • بر اساس وظیفه مسیریابی کنید: از model: "auto:smart" استفاده کنید تا برای وظایف سخت، مدل‌ها بر اساس هوش رتبه‌بندی شوند. برای وظایف ساده از auto:fast استفاده کنید تا هزینه تفکر پرداخت نشود.
  • برای هر درخواست یک سؤال سخت: چند سؤال سخت در یک درخواست یک بودجه خروجی را مصرف می‌کنند. آن‌ها را به درخواست‌های جداگانه تقسیم کنید.

راهبردهای auto:* همه مدل‌های فعال را رتبه‌بندی می‌کنند و ترتیب زنجیره شما را نادیده می‌گیرند. برای اینکه درخواست‌های استدلالی فقط روی مدل‌های استدلالی بمانند، یک شناسه مدل ثابت کنید. همچنین می‌توانید یک زنجیره جایگزینی نام‌گذاری‌شده فقط با مدل‌های استدلالی بسازید. سپس آن را با auto:<profile-name> فراخوانی کنید.

عیب‌یابی

مشکلعلتراه‌حل
محتوای خالی، finish_reason: "length"تفکر کل بودجه خروجی را مصرف کردmax_tokens را به 4٬000 یا بیشتر برسانید
متن <think> در پاسخارائه‌دهنده تفکر آشکار برمی‌گرداندبرچسب‌ها را در کد خود حذف کنید
توضیح طولانی برای یک سؤال کوتاهبرخی مدل‌های استدلالی فرایند فکر خود را توضیح می‌دهند"فقط پاسخ نهایی" را بخواهید، یا از یک مدل غیراستدلالی استفاده کنید
خطای 429 بعد از چند درخواستتوکن‌های تفکر محدودیت توکن در دقیقه را مصرف کردندکلید ارائه‌دهنده بیشتری اضافه کنید، یا استدلال را فقط برای وظایف سخت استفاده کنید
پاسخ‌های کندمدل توکن‌های تفکر زیادی می‌نویسدبرای وظایف ساده از auto:fast استفاده 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 مدل استدلالی وجود دارد؟

بله. Groq، Cloudflare، NVIDIA، OVH، OpenRouter و ارائه‌دهندگان دیگر مدل‌های استدلالی را رایگان می‌دهند، مانند GPT-OSS 120B، QwQ 32B و DeepSeek R1 Distill. FreeLLMAPI همه آن‌ها را پشت یک کلید سازگار با OpenAI قرار می‌دهد.

آیا توکن‌های تفکر به عنوان توکن خروجی شمرده می‌شوند؟

بله. Google می‌گوید که حد خروجی Gemini شامل توکن‌های تفکر است و توکن‌های تفکر شمرده می‌شوند. در سطح‌های رایگان، آن‌ها محدودیت توکن در دقیقه شما را هم مصرف می‌کنند.

چرا مدل استدلالی من یک پاسخ خالی برمی‌گرداند؟

مدل کل بودجه max_tokens را برای تفکر مصرف کرده است، پس برای پاسخ توکنی باقی نمانده است. مقدار max_tokens را به 4٬000 یا بیشتر برسانید.

آیا DeepSeek R1 از طریق یک API رایگان است؟

DeepSeek R1 Distill Qwen 32B در کاتالوگ رایگان Cloudflare Workers AI است. جدول این صفحه ارائه‌دهندگانی را نشان می‌دهد که امروز آن را ارائه می‌دهند.

کدام مدل استدلالی رایگان بهتر است؟

GPT-OSS 120B انتخاب پیش‌فرض خوبی است، زیرا چند ارائه‌دهنده آن را رایگان ارائه می‌دهند. از جدول این صفحه استفاده کنید که مدل‌ها را بر اساس رتبه هوش از کاتالوگ زنده مرتب می‌کند.

راهنماهای مرتبط

منابع

همه راهنماها · مرور همه مدل‌های رایگان