خانه / راهنماها / API رایگان بینایی

API رایگان بینایی

API بینایی به یک LLM اجازه می‌دهد تصویر را بخواند. می‌توانید از آن بخواهید یک عکس را توصیف کند، یک رسید را بخواند یا یک نمودار را توضیح دهد. کاتالوگ FreeLLMAPI شامل 78 پیشنهاد مدل رایگان است که تصویر را می‌پذیرند. تصاویر را با قالب استاندارد OpenAI می‌فرستید و روتر یک مدل بینایی را برای شما انتخاب می‌کند. این راهنما مدل‌ها، محدودیت‌های اندازه هر ارائه‌دهنده و کد کارکننده را نشان می‌دهد.

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

ورودی تصویر چگونه کار می‌کند

تصاویر را در آرایه messages به صورت بلوک‌های محتوای image_url بفرستید. آدرس می‌تواند یک URL از نوع data: با بایت‌های base64 یا یک آدرس http(s) باشد. از /v1/chat/completions استفاده کنید. نقطه پایانی /v1/responses هنوز تصویر نمی‌پذیرد.

  • مسیریابی خودکار: وقتی یک درخواست تصویر دارد، روتر فقط از مدل‌های بینایی استفاده می‌کند. برای آن درخواست، مدل‌های فقط متنی را نادیده می‌گیرد.
  • جایگزینی خودکار: وقتی یک ارائه‌دهنده بینایی به محدودیت خود برسد، روتر مدل بینایی بعدی زنجیره شما را امتحان می‌کند.
  • خطای روشن: وقتی هیچ مدل بینایی فعال نیست، خطای 422 با code: "no_vision_model" می‌گیرید. تصویر هرگز بی‌صدا حذف نمی‌شود.

مدل‌های بینایی رایگان امروز

جدول قوی‌ترین مدل‌های رایگان با ورودی تصویر را در کاتالوگ امروز نشان می‌دهد. داده‌ها از کاتالوگ زنده می‌آیند. یک ردیف می‌تواند چند ارائه‌دهنده را فهرست کند که همان مدل را ارائه می‌دهند.

مدل‌های رایگان با ورودی تصویر، قوی‌ترین اول
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
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 درخواست در دقیقه
50 درخواست در روز
50 req/day account-wide (1,000 after a $10 purchase)
بلهبله
Qwen3.8 27BElectronHub, Groq262K30 درخواست در دقیقه
250 درخواست در روز
70,000 توکن در دقیقه
~6M
بلهبله
Gemini 3.6 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayبلهبله
Gemini 3.5 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Gemini 3.8 LiveGoogle AI Studio-10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
Moondream 3.1 9B A2BCloudflare Workers AI, Moondream33K~10-20Mخیربله
Moondream 3 PreviewMoondream-$5/month shared workspace usage creditsخیربله

نمایش 15 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.

مدل‌های Gemini بزرگ‌ترین متن ورودی را دارند و تصاویر زیادی می‌پذیرند. Qwen 3.8 27B روی Groq و Cloudflare انتخابی سریع خارج از Google است. Moondream برای کارهای تصویری ساخته شده، اما خروجی آن به 4,096 توکن محدود است.

گام 1: FreeLLMAPI را نصب کنید و کلیدها را اضافه کنید

FreeLLMAPI متن‌باز است. روی رایانه شما در Docker اجرا می‌شود. کلیدهای ارائه‌دهندگان شما روی رایانه شما 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 و یک کلید دیگر را در صفحه Keys اضافه کنید. در صفحه Fallback Chain، مدل‌های بینایی نشان Vision دارند. مطمئن شوید حداقل یکی از آن‌ها فعال است. کلید یکپارچه خود را از صفحه Keys کپی کنید.

گام 2: یک تصویر بفرستید

curl: تصویر از یک URL

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "auto",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Describe this image in two sentences."},
        {"type": "image_url", "image_url": {"url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}}
      ]
    }]
  }'

Python: فایل محلی به صورت base64

import base64
from openai import OpenAI

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

with open("receipt.jpg", "rb") as fh:
    b64 = base64.b64encode(fh.read()).decode()

resp = client.chat.completions.with_raw_response.create(
    model="auto",  # the router selects a vision model
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "List each item and price on this receipt as JSON."},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

در URL داده، یک MIME type درست استفاده کنید، برای مثال image/png یا image/jpeg. برای فرستادن بیش از یک تصویر، بلوک‌های image_url بیشتری به همان پیام اضافه کنید.

محدودیت‌های تصویر بر اساس ارائه‌دهنده

محدودیت‌های ارائه‌دهنده، بررسی‌شده در 2026-11-19
ارائه‌دهندهمحدودیت (رسمی)چه کاری انجام دهید
Google Geminiحجم کل درخواست با تصاویر درون‌خطی: 20 MB. قالب‌ها: PNG، JPEG، WEBP، HEIC، HEIFعکس‌های بزرگ را پیش از ارسال کوچک کنید
Google Geminiتصویری تا 384x384 پیکسل 258 توکن می‌گیرد. تصاویر بزرگ‌تر به کاشی‌های 768x768 تقسیم می‌شوند که هر کدام 258 توکن دارندیک تصویر 960x540 از 6 کاشی استفاده می‌کند، حدود 1,548 توکن
Groq (Qwen 3.8 27B)حداکثر 3 تصویر برای هر درخواست. حداکثر 20 MB برای درخواستی با URL تصویرحداکثر 3 تصویر به مدل‌های Groq بفرستید
Moondreamفقط URL های داده base64. URL های تصویر از راه دور پشتیبانی نمی‌شوندبایت‌های تصویر را بفرستید، نه لینک را

توکن‌های تصویر از محدودیت توکن در دقیقه سطح رایگان حساب می‌شوند. یک درخواست با پنج تصویر بزرگ می‌تواند از محدودیت یک ارائه‌دهنده کوچک بیشتر باشد. وقتی به جزئیات ریز نیاز ندارید، تصاویر را کوچک‌تر کنید، برای مثال با ضلع بلند 1024 پیکسل.

پرامپت‌هایی که برای کارهای تصویری کار می‌کنند

  • یک کار برای هر درخواست: یک پرسش روشن درباره تصویر بپرسید. چند پرسش در یک پرامپت، پاسخ‌های کوتاه‌تر و دقیق‌تر کمتری می‌دهد.
  • خروجی ساختاریافته: برای رسیدها و فرم‌ها، فیلدهایی را که می‌خواهید نام ببرید، برای مثال item، price و total. فقط JSON بخواهید.
  • مقادیر ناخوانا: به مدل بگویید وقتی یک مقدار را نمی‌تواند بخواند، null بنویسد. در این صورت حدس نمی‌زند.
  • اول برش دهید: تصویر را به بخشی که لازم دارید برش دهید. تصویر کوچک‌تر توکن کمتری مصرف می‌کند و جزئیات بهتری می‌دهد.
  • پاسخ‌های پایدار: برای کارهای استخراج، temperature را روی 0 تنظیم کنید.
  • عددها را بررسی کنید: جمع‌ها و تاریخ‌ها را با تصویر مقایسه کنید. مدل‌های بینایی ممکن است متن ریز و رقم‌های شبیه به هم را اشتباه بخوانند.

عیب‌یابی

مشکلعلتراه‌حل
خطای 422 no_vision_modelهیچ مدل بینایی در زنجیره شما فعال نیستیک مدل با نشان Vision را در صفحه Fallback Chain فعال کنید
مدل می‌گوید که تصویر را نمی‌بینددرخواست به /v1/responses رفته استاز /v1/chat/completions استفاده کنید
خطای 400 روی یک URL از راه دورارائه‌دهنده نمی‌تواند URL را دانلود کندتصویر را به صورت URL داده base64 بفرستید
خطای 413 یا 400 روی فایل‌های بزرگتصویر یا درخواست خیلی بزرگ استتصویر را کوچک‌تر کنید، یا تصاویر کمتری بفرستید
خطای 429 روی درخواست‌های تصویریتوکن‌های تصویر از محدودیت توکن در دقیقه استفاده کرده‌اندتصاویر را کوچک‌تر کنید، یا کلیدهای ارائه‌دهندگان بینایی بیشتر اضافه 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 بینایی رایگان وجود دارد؟

بله. Google AI Studio، Groq، Cloudflare، NVIDIA، OpenRouter و ارائه‌دهندگان دیگر مدل‌های رایگان با ورودی تصویر ارائه می‌دهند. FreeLLMAPI شامل 78 پیشنهاد مدل بینایی رایگان پشت یک کلید سازگار با OpenAI است.

چگونه یک تصویر را به یک API رایگان LLM بفرستم؟

یک بلوک محتوای image_url به پیام کاربر اضافه کنید. از URL داده base64 یا یک URL از نوع https استفاده کنید و آن را به /v1/chat/completions بفرستید.

یک تصویر چند توکن مصرف می‌کند؟

در Gemini، تصویری به اندازه 384x384 پیکسل یا کوچک‌تر، 258 توکن مصرف می‌کند. تصویر بزرگ‌تر به کاشی‌های 768x768 تقسیم می‌شود و هر کاشی 258 توکن مصرف می‌کند.

آیا می‌توانم چند تصویر را در یک درخواست بفرستم؟

بله. بلوک‌های image_url بیشتری به پیام اضافه کنید. برخی ارائه‌دهندگان تعداد را محدود می‌کنند. برای مثال، Groq برای هر درخواست روی Qwen 3.8 27B، 3 تصویر مجاز می‌کند.

کدام مدل بینایی رایگان برای خواندن اسناد بهتر است؟

برای رسیدها، نمودارها و صفحات اسکن‌شده از یک مدل Gemini استفاده کنید. پنجره متن بزرگی دارد و تصاویر زیادی می‌پذیرد. پاسخ را برای عددها با تصویر مقایسه کنید، زیرا مدل‌های بینایی ممکن است متن ریز را اشتباه بخوانند.

راهنماهای مرتبط

منابع

همه راهنماها · مرور همه مدل‌های رایگان