API d'embeddings gratuite
Une API d'embeddings transforme du texte en vecteurs pour la recherche, le RAG et le regroupement. Plusieurs fournisseurs proposent des embeddings gratuitement. FreeLLMAPI place 41 modèles d'embeddings gratuits derrière un seul point de terminaison /v1/embeddings. Ce guide présente les modèles, leurs limites et du code fonctionnel.
Le code, les noms de modèles et les libellés du catalogue en direct sont affichés en anglais.
Fonctionnement des embeddings gratuits dans FreeLLMAPI
Le point de terminaison /v1/embeddings utilise le format de requête OpenAI. Tout SDK OpenAI peut l'appeler. Vous envoyez du texte, et vous recevez un vecteur pour chaque chaîne d'entrée.
Les embeddings utilisent une règle de basculement différente de celle du chat. Les requêtes de chat peuvent passer à un autre modèle. Les requêtes d'embeddings ne passent jamais à un autre modèle. Les vecteurs de deux modèles ne sont pas compatibles, donc un changement de modèle silencieux corromprait votre base vectorielle.
- Famille : FreeLLMAPI regroupe les fournisseurs par famille. Une famille est une identité de modèle avec une seule taille de vecteur, par exemple
bge-m3à 1024 dimensions. - Basculement : lorsqu'un fournisseur d'une famille atteint sa limite, le routeur essaie le fournisseur suivant qui sert la même famille.
- Par défaut :
model: "auto"utilise la famille par défaut. Vous définissez la famille par défaut sur la page Models, Embeddings du tableau de bord.
Modèles d'embeddings gratuits à ce jour
Le tableau liste chaque modèle d'embeddings gratuit du catalogue FreeLLMAPI. Les données viennent du catalogue en direct. « Max input » est le nombre maximal de jetons pour une chaîne d'entrée. « Free limit » est le quota gratuit publié par le fournisseur.
| Modèle | Fournisseur | Dimensions | Entrée max | Limite gratuite |
|---|---|---|---|---|
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) |
Données en direct du catalogue FreeLLMAPI (version 2026.11.19, vérifié le 2026-11-19). Les limites gratuites changent souvent. Le catalogue est vérifié chaque jour.
Certains fournisseurs partagent un seul quota entre le chat et les embeddings. Par exemple, une clé d'essai Cohere autorise 1 000 appels API par mois pour l'ensemble des points de terminaison. Cloudflare Workers AI accorde 10 000 neurones par jour, partagés par tous les modèles Workers AI du compte.
Étape 1 : installer FreeLLMAPI et ajouter les clés
FreeLLMAPI est open source. Il fonctionne sur votre ordinateur dans Docker. Vos clés de fournisseurs restent sur votre ordinateur.
Installer (macOS ou Linux)
curl -fsSL https://freellmapi.co/install.sh | bashOuvrez le tableau de bord à l'adresse http://localhost:3001. Ajoutez vos clés de fournisseurs sur la page Keys. Pour les embeddings, une clé Google AI Studio et une clé Cloudflare offrent un bon départ. Copiez votre clé unifiée depuis la même page.
Étape 2 : appeler le point de terminaison d'embeddings
Envoyez une liste de chaînes pour obtenir plusieurs vecteurs en une seule requête. Utilisez la même valeur model pour vos documents et pour vos requêtes de recherche.
curl
curl http://localhost:3001/v1/embeddings \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'Python : calculer et comparer deux textes
import math
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
resp = client.embeddings.create(
model="bge-m3", # a family name, "auto", or a provider model id
input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")
dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))Le champ model accepte trois formes : auto, un nom de famille comme bge-m3, ou un identifiant de modèle de fournisseur comme @cf/baai/bge-m3. Un identifiant de modèle de fournisseur correspond à sa famille, donc le basculement reste dans cette famille.
Quel modèle d'embeddings gratuit choisir
Choisissez le modèle une seule fois pour chaque base vectorielle. Si vous changez de modèle plus tard, vous devez recalculer les embeddings de tous les documents.
| Besoin | Famille de modèles | Pourquoi |
|---|---|---|
| Texte court en anglais ou multilingue, nombreux fournisseurs | bge-m3 | 1024 dimensions, 8 192 jetons d'entrée. Plusieurs fournisseurs gratuits le servent, donc le basculement a plus d'options. |
| Recherche de haute qualité avec une clé Google | gemini-embedding-001 | 3072 dimensions. La limite d'entrée est de 2 048 jetons, donc découpez les longs documents en segments. |
| Longs documents dans un seul vecteur | embed-v4.0 (Cohere) | Grande fenêtre d'entrée. La clé d'essai n'autorise que 1 000 appels par mois, partagés avec le chat. |
| Petits vecteurs et recherche rapide | bge-small-en-v1.5 | 384 dimensions. Anglais uniquement, et la limite d'entrée est de 512 jetons. |
| Recherche de code | codestral-embed | Entraîné pour le code. Il utilise le quota du mode gratuit de Mistral. |
Les grands vecteurs coûtent plus cher en stockage et en mémoire dans la base vectorielle. Un vecteur de 3072 dimensions est trois fois plus grand qu'un vecteur de 1024 dimensions. Pour la plupart des projets RAG de moins d'un million de segments, 768 à 1024 dimensions donnent de bons résultats.
Limites et pièges
- Limites d'entrée : un texte au-delà de la valeur « Max input » peut être tronqué ou rejeté. Découpez les documents en segments de 300 à 800 jetons avant de les convertir en embeddings.
- Une famille par base : ne mélangez pas les vecteurs de deux familles dans un même index. Les scores de similarité n'ont aucun sens d'un modèle à l'autre.
- Normalisation : Google indique que les vecteurs de
gemini-embedding-001de moins de 3072 dimensions doivent être normalisés par vos soins. Normalisez tous les vecteurs avant d'utiliser le produit scalaire comme score. - Limites de débit : les offres gratuites comptent les requêtes par minute ou par jour. Envoyez les chaînes par lots dans une seule requête, et non une requête par chaîne.
- Offres anonymes : OVH AI Endpoints autorise 2 requêtes par minute pour chaque adresse IP et chaque modèle, sans clé. Utilisez-le en secours, et non pour l'indexation en masse.
Dépannage
| Problème | Cause | Solution |
|---|---|---|
| Erreur 429 pendant l'indexation en masse | La limite du fournisseur pour la famille est atteinte | Ajoutez une deuxième clé de fournisseur pour la même famille, ou envoyez moins de requêtes par minute |
| Résultats de recherche faux après un changement | Les documents et les requêtes utilisent des familles différentes | Utilisez une même valeur model pour les deux. Recalculez les embeddings des documents si vous l'avez changée |
| La longueur du vecteur n'est pas celle attendue | auto utilise la famille par défaut | Définissez un nom de famille explicite, ou vérifiez la valeur par défaut sur Models, Embeddings |
| Les longs textes donnent de mauvais résultats | Le texte dépasse la limite d'entrée | Découpez le texte en segments plus petits |
| Erreur 401 | La clé unifiée est incorrecte ou absente | Copiez de nouveau la clé unifiée depuis la page Keys |
Questions fréquentes
Existe-t-il une API d'embeddings gratuite ?
Oui. Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH et d'autres proposent des modèles d'embeddings gratuits avec des limites de débit. FreeLLMAPI en place 41 derrière un seul point de terminaison compatible OpenAI.
Puis-je utiliser le SDK OpenAI pour les embeddings gratuits ?
Oui. Définissez l'URL de base sur http://localhost:3001/v1 et utilisez votre clé unifiée. Appelez ensuite client.embeddings.create avec un nom de famille comme bge-m3.
Pourquoi FreeLLMAPI ne bascule-t-il pas vers un autre modèle d'embeddings ?
Les vecteurs de modèles différents ne sont pas compatibles. Un changement de modèle silencieux casserait la recherche par similarité. Le routeur ne bascule qu'entre les fournisseurs qui servent la même famille de modèles.
Quel est le meilleur modèle d'embeddings gratuit pour le RAG ?
Pour la plupart des projets, bge-m3 est un bon choix par défaut. Il a 1024 dimensions, une limite d'entrée de 8 192 jetons et plusieurs fournisseurs gratuits. Utilisez gemini-embedding-001 si vous voulez 3072 dimensions et avez une clé Google.
Combien de dimensions mes embeddings doivent-ils avoir ?
Utilisez 768 à 1024 dimensions pour la plupart des travaux de recherche et de RAG. Les grands vecteurs utilisent plus de stockage et de mémoire. Choisissez la taille une seule fois, car un changement impose de recalculer tous les documents.
Guides associés
- API LLM gratuite pour RAG
- API LLM gratuite pour LangChain
- API LLM gratuite en Python
- free cohere api
- Limites de débit des API LLM gratuites
Sources
- FreeLLMAPI docs: Embeddings (vérifié le 20 November 2026)
- Google AI Studio docs: Embeddings (vérifié le 20 November 2026)
- Cloudflare Workers AI pricing (vérifié le 20 November 2026)
- Cohere docs: API keys and rate limits (vérifié le 20 November 2026)
- OVHcloud AI Endpoints capabilities (vérifié le 20 November 2026)