API de modèles de raisonnement gratuits
Un modèle de raisonnement réfléchit avant de répondre. Il écrit des étapes cachées ou visibles, puis donne la réponse finale. Cela aide pour les mathématiques, la logique, la planification et le code complexe. Plusieurs fournisseurs proposent gratuitement des modèles de raisonnement. Ce guide les présente, explique le coût des tokens de réflexion et donne du code fonctionnel.
Le code, les noms de modèles et les libellés du catalogue en direct sont affichés en anglais.
Modèles de raisonnement gratuits aujourd'hui
Le tableau liste les modèles gratuits dont le nom indique le raisonnement, par exemple GPT-OSS, R1, QwQ, Thinking, Reasoning et Magistral. Les données proviennent du catalogue en direct. De nombreux autres modèles, comme Gemini Flash, raisonnent aussi, mais leur nom ne le montre pas.
| Modèle | Gratuit sur | Contexte | Limites gratuites (meilleure offre) | Outils | Vision |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 req/min 20 req/jour 250,000 jetons/min ~3M | Oui | Oui |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 de plus | 131K | 30 req/min 1,000 req/jour 8,000 jetons/min 200,000 jetons/jour ~6M | Oui | Non |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 de plus | 131K | 30 req/min 1,000 req/jour 8,000 jetons/min 200,000 jetons/jour ~6M | Oui | Non |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 req/min 1,000 req/jour 8,000 jetons/min 200,000 jetons/jour ~6M | Oui | Non |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | Non | Non |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | Non | Non |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 req/jour Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Non | Non |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 req/min 5,000 req/jour 500,000 jetons/jour 500K tokens/day · 5,000 req/day | Non | Non |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 req/jour Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Non | Non |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | Oui | Non |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 req/jour 200 rpd | Non | Oui |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 req/min 40 RPM | Non | Oui |
| Command A Reasoning | Cohere | 256K | 20 req/min 33 req/jour ~1-2M | Oui | Non |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 req/min 50 req/jour 50 req/day account-wide (1,000 after a $10 purchase) | Non | Non |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | Oui | Oui |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 req/min 5,000 req/jour 500,000 jetons/jour 500K tokens/day · 5,000 req/day | Non | Non |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | Oui | Non |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | Oui | Non |
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.
GPT-OSS 120B est servi gratuitement par plusieurs fournisseurs, le basculement a donc de nombreuses options. QwQ 32B et DeepSeek R1 Distill Qwen 32B tournent sur Cloudflare Workers AI. Les modèles Qwen3 Thinking ont un contexte de 262K tokens sur ModelScope.
Les tokens de réflexion utilisent votre budget de sortie
C'est le problème le plus fréquent avec les modèles de raisonnement. Le modèle écrit d'abord sa réflexion. Ces tokens de réflexion comptent dans la limite de sortie, comme la réponse.
- Google indique : la limite de sortie de Gemini inclut les tokens de réflexion. Si le modèle atteint la limite pendant sa réflexion, la sortie peut être coupée ou vide. Les tokens de réflexion sont quand même comptés.
- Groq indique : la valeur par défaut de 1,024 tokens de complétion peut être trop basse pour un raisonnement complexe.
- Limites gratuites : les tokens de réflexion comptent aussi dans les limites de tokens par minute et de tokens par jour. Une réponse de raisonnement peut utiliser beaucoup plus de tokens qu'une réponse directe à la même question.
max_tokens faible sur un modèle de raisonnement. Commencez à 4,000 ou plus. Si finish_reason vaut length et que le contenu est vide, le modèle a utilisé tout le budget pour réfléchir.Étape 1 : installer FreeLLMAPI et ajouter des clés
FreeLLMAPI est open source. Il tourne 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 des clés Groq, Cloudflare et Google AI Studio sur la page Keys. Chacun fournit des modèles de raisonnement gratuits. Copiez votre clé unifiée depuis la même page.
Étape 2 : appeler un modèle de raisonnement
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?"}]
}'Python : vérifier une réponse coupée et retirer le texte de réflexion
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")Certains fournisseurs renvoient la réflexion dans des balises <think> du contenu. D'autres la masquent, ou la renvoient dans un champ séparé. Retirez les balises avant d'afficher la réponse aux utilisateurs.
Contrôler la quantité de réflexion
Chaque fournisseur a ses propres réglages pour la longueur de la réflexion. Groq accepte reasoning_effort avec low, medium ou high sur les modèles GPT-OSS. Les modèles Gemini 3 utilisent un réglage thinking_level. La documentation de FreeLLMAPI ne décrit pas comment ces champs traversent la passerelle. Testez-les donc d'abord sur votre installation.
L'endpoint Gemini natif de FreeLLMAPI, /v1beta/models/{model}:generateContent, traduit les budgets de réflexion. Utilisez-le si vous avez besoin de contrôler la réflexion de Gemini.
| Tâche | Utiliser un modèle de raisonnement ? | Pourquoi |
|---|---|---|
| Mathématiques, énigmes logiques, planification | Oui | Une réflexion étape par étape réduit les erreurs |
| Bogues difficiles et conception d'algorithmes | Oui | Le modèle vérifie ses propres étapes |
| Chat, réponses courtes, traduction | Non | La réflexion ajoute du temps et des tokens pour un gain faible |
| Agents avec de nombreux appels d'outils | Parfois | Chaque tour paie à nouveau le coût de la réflexion |
Prompts et routage pour les tâches de raisonnement
- Énoncez le but et les règles : donnez tous les faits, les limites et le résultat attendu dans le prompt. Un modèle de raisonnement ne peut pas vous demander les faits manquants pendant sa réflexion.
- Fixez le format de réponse : demandez la réponse finale sous une forme fixe, par exemple un seul nombre ou un objet JSON. Votre code peut alors la lire sans le texte de réflexion.
- Donnez des cas de test : pour le code, ajoutez des exemples d'entrées et de sorties. Le modèle peut vérifier sa réponse avec ces exemples.
- Routez selon la tâche : utilisez
model: "auto:smart"pour classer les modèles par intelligence pour les tâches difficiles. Utilisezauto:fastpour les tâches simples, afin de ne pas payer le coût de la réflexion. - Une question difficile par requête : plusieurs questions difficiles dans une même requête partagent un seul budget de sortie. Séparez-les en requêtes distinctes.
Les stratégies auto:* classent tous les modèles activés et ignorent l'ordre de votre chaîne. Pour que les requêtes de raisonnement restent sur des modèles de raisonnement seulement, fixez un identifiant de modèle. Vous pouvez aussi créer une chaîne de repli nommée avec uniquement des modèles de raisonnement. Appelez-la ensuite avec auto:<profile-name>.
Dépannage
| Problème | Cause | Solution |
|---|---|---|
Contenu vide, finish_reason: "length" | La réflexion a utilisé tout le budget de sortie | Augmentez max_tokens à 4,000 ou plus |
Texte <think> dans la réponse | Le fournisseur renvoie la réflexion visible | Retirez les balises dans votre code |
| Explication longue pour une question courte | Certains modèles de raisonnement expliquent leur démarche | Demandez « la réponse finale uniquement », ou utilisez un modèle sans raisonnement |
| Erreur 429 après quelques requêtes | Les tokens de réflexion ont épuisé la limite de tokens par minute | Ajoutez davantage de clés de fournisseurs, ou ne réservez le raisonnement qu'aux tâches difficiles |
| Réponses lentes | Le modèle écrit beaucoup de tokens de réflexion | Utilisez auto:fast pour les tâches simples |
Questions fréquentes
Existe-t-il une API de modèle de raisonnement gratuite ?
Oui. Groq, Cloudflare, NVIDIA, OVH, OpenRouter et d'autres fournisseurs proposent gratuitement des modèles de raisonnement, comme GPT-OSS 120B, QwQ 32B et DeepSeek R1 Distill. FreeLLMAPI les regroupe derrière une seule clé compatible OpenAI.
Les tokens de réflexion comptent-ils comme tokens de sortie ?
Oui. Google indique que la limite de sortie de Gemini inclut les tokens de pensée, et que les tokens de réflexion sont comptés. Sur les offres gratuites, ils utilisent aussi votre limite de tokens par minute.
Pourquoi mon modèle de raisonnement renvoie-t-il une réponse vide ?
Le modèle a utilisé tout le budget max_tokens pour réfléchir, il ne restait donc aucun token pour la réponse. Augmentez max_tokens à 4,000 ou plus.
DeepSeek R1 est-il gratuit via une API ?
DeepSeek R1 Distill Qwen 32B figure dans le catalogue gratuit de Cloudflare Workers AI. Le tableau de cette page montre les fournisseurs qui le servent aujourd'hui.
Quel modèle de raisonnement gratuit est le meilleur ?
GPT-OSS 120B est un bon choix par défaut, car plusieurs fournisseurs le servent gratuitement. Utilisez le tableau de cette page, qui trie les modèles par rang d'intelligence à partir du catalogue en direct.
Guides associés
- free gpt oss api
- free deepseek api
- free qwen api
- Meilleures API gratuites de modèles de code
- Limites de débit des API LLM gratuites
Sources
- FreeLLMAPI docs: Routing strategies and native Gemini API (vérifié le 20 November 2026)
- Google AI Studio docs: Thinking (vérifié le 20 November 2026)
- Gemini Developer API pricing (vérifié le 20 November 2026)
- Groq docs: Reasoning (vérifié le 20 November 2026)