Accueil / Guides / API de modèles de raisonnement gratuits

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.

Modèles de raisonnement gratuits, les plus performants en premier
ModèleGratuit surContexteLimites gratuites (meilleure offre)OutilsVision
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 req/min
20 req/jour
250,000 jetons/min
~3M
OuiOui
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 de plus131K30 req/min
1,000 req/jour
8,000 jetons/min
200,000 jetons/jour
~6M
OuiNon
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 de plus131K30 req/min
1,000 req/jour
8,000 jetons/min
200,000 jetons/jour
~6M
OuiNon
GPT-OSS Safeguard 20BGroq, LLMTR131K30 req/min
1,000 req/jour
8,000 jetons/min
200,000 jetons/jour
~6M
OuiNon
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsNonNon
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditNonNon
Qwen3 235B A22B Thinking 2507ModelScope262K200 req/jour
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
NonNon
GPT-OSS 120B (via Groq)DreamPrompting131K100 req/min
5,000 req/jour
500,000 jetons/jour
500K tokens/day · 5,000 req/day
NonNon
Qwen3 Next 80B A3B ThinkingModelScope262K200 req/jour
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
NonNon
QwQ 32BCloudflare Workers AI131K~10-20MOuiNon
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 req/jour
200 rpd
NonOui
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 req/min
40 RPM
NonOui
Command A ReasoningCohere256K20 req/min
33 req/jour
~1-2M
OuiNon
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 req/min
50 req/jour
50 req/day account-wide (1,000 after a $10 purchase)
NonNon
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditOuiOui
GPT-OSS 20B (via Groq)DreamPrompting131K100 req/min
5,000 req/jour
500,000 jetons/jour
500K tokens/day · 5,000 req/day
NonNon
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5MOuiNon
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditOuiNon

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.
Règle : ne définissez pas un 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 | bash

Ouvrez 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.

TâcheUtiliser un modèle de raisonnement ?Pourquoi
Mathématiques, énigmes logiques, planificationOuiUne réflexion étape par étape réduit les erreurs
Bogues difficiles et conception d'algorithmesOuiLe modèle vérifie ses propres étapes
Chat, réponses courtes, traductionNonLa réflexion ajoute du temps et des tokens pour un gain faible
Agents avec de nombreux appels d'outilsParfoisChaque 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. Utilisez auto:fast pour 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

ProblèmeCauseSolution
Contenu vide, finish_reason: "length"La réflexion a utilisé tout le budget de sortieAugmentez max_tokens à 4,000 ou plus
Texte <think> dans la réponseLe fournisseur renvoie la réflexion visibleRetirez les balises dans votre code
Explication longue pour une question courteCertains modèles de raisonnement expliquent leur démarcheDemandez « la réponse finale uniquement », ou utilisez un modèle sans raisonnement
Erreur 429 après quelques requêtesLes tokens de réflexion ont épuisé la limite de tokens par minuteAjoutez davantage de clés de fournisseurs, ou ne réservez le raisonnement qu'aux tâches difficiles
Réponses lentesLe modèle écrit beaucoup de tokens de réflexionUtilisez auto:fast pour les tâches simples
Utilisez chacun de ces modèles avec une seule clé. FreeLLMAPI est un routeur open source auto-hébergé. Il place toutes ces offres gratuites derrière un seul point de terminaison compatible OpenAI, et bascule vers une autre offre lorsqu'une limite de débit est atteinte. Parcourir le catalogue ou passer en production.

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

Sources

Tous les guides · Parcourir tous les modèles gratuits