હોમ / માર્ગદર્શિકાઓ / મફત reasoning મૉડેલ API

મફત reasoning મૉડેલ API

Reasoning મૉડેલ જવાબ આપતા પહેલાં વિચારે છે. તે છુપાયેલા અથવા દેખાતા પગલાં લખે છે, પછી અંતિમ જવાબ આપે છે. આ ગણિત, તર્ક, આયોજન અને અઘરા કોડમાં મદદ કરે છે. ઘણા providers reasoning મૉડેલો મફત આપે છે. આ માર્ગદર્શિકા તેમને બતાવે છે, thinking tokens નો ખર્ચ સમજાવે છે અને કામ કરતો કોડ આપે છે.

કોડ, મૉડેલ નામ અને લાઇવ કૅટલૉગ લેબલ અંગ્રેજીમાં બતાવવામાં આવે છે.

આજે મફત reasoning મૉડેલો

કોષ્ટક નામમાં reasoning ધરાવતા મફત મૉડેલો યાદી આપે છે, ઉદાહરણ તરીકે GPT-OSS, R1, QwQ, Thinking, Reasoning અને Magistral. ડેટા લાઇવ catalog માંથી આવે છે. Gemini Flash જેવા ઘણા બીજા મૉડેલો પણ વિચારે છે, પરંતુ તેમના નામ તે બતાવતા નથી.

મફત reasoning મૉડેલો, સૌથી મજબૂત પહેલા
મૉડેલમફત ઉપલબ્ધસંદર્ભમફત મર્યાદા (શ્રેષ્ઠ ઑફર)સાધનોવિઝન
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 વિનંતી/મિનિટ
20 વિનંતી/દિવસ
250,000 ટોકન/મિનિટ
~3M
હાહા
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 વધુ131K30 વિનંતી/મિનિટ
1,000 વિનંતી/દિવસ
8,000 ટોકન/મિનિટ
200,000 ટોકન/દિવસ
~6M
હાના
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 વધુ131K30 વિનંતી/મિનિટ
1,000 વિનંતી/દિવસ
8,000 ટોકન/મિનિટ
200,000 ટોકન/દિવસ
~6M
હાના
GPT-OSS Safeguard 20BGroq, LLMTR131K30 વિનંતી/મિનિટ
1,000 વિનંતી/દિવસ
8,000 ટોકન/મિનિટ
200,000 ટોકન/દિવસ
~6M
હાના
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsનાના
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditનાના
Qwen3 235B A22B Thinking 2507ModelScope262K200 વિનંતી/દિવસ
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
નાના
GPT-OSS 120B (via Groq)DreamPrompting131K100 વિનંતી/મિનિટ
5,000 વિનંતી/દિવસ
500,000 ટોકન/દિવસ
500K tokens/day · 5,000 req/day
નાના
Qwen3 Next 80B A3B ThinkingModelScope262K200 વિનંતી/દિવસ
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
નાના
QwQ 32BCloudflare Workers AI131K~10-20Mહાના
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 વિનંતી/દિવસ
200 rpd
નાહા
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 વિનંતી/મિનિટ
40 RPM
નાહા
Command A ReasoningCohere256K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
~1-2M
હાના
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 વિનંતી/મિનિટ
50 વિનંતી/દિવસ
50 req/day account-wide (1,000 after a $10 purchase)
નાના
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditહાહા
GPT-OSS 20B (via Groq)DreamPrompting131K100 વિનંતી/મિનિટ
5,000 વિનંતી/દિવસ
500,000 ટોકન/દિવસ
500K tokens/day · 5,000 req/day
નાના
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5Mહાના
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditહાના

FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.

GPT-OSS 120B ઘણા providers મફત આપે છે, તેથી failover ના ઘણા વિકલ્પો છે. QwQ 32B અને DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI પર ચાલે છે. Qwen3 Thinking મૉડેલોમાં ModelScope પર 262K-token context છે.

Thinking tokens તમારું output બજેટ વાપરે છે

reasoning મૉડેલો સાથે આ સૌથી સામાન્ય સમસ્યા છે. મૉડેલ પહેલાં પોતાનું thinking લખે છે. આ thinking tokens જવાબની જેમ જ output મર્યાદામાં ગણાય છે.

  • Google કહે છે: Gemini પરની output મર્યાદામાં thought tokens શામેલ છે. જો મૉડેલ વિચારતી વખતે મર્યાદા સુધી પહોંચે, તો output કપાઈ શકે અથવા ખાલી હોઈ શકે. thinking tokens તોય ગણાય છે.
  • Groq કહે છે: 1,024 completion tokens નો ડિફોલ્ટ જટિલ reasoning માટે ઓછો હોઈ શકે.
  • મફત મર્યાદાઓ: thinking tokens પ્રતિ મિનિટ tokens અને પ્રતિ દિવસ tokens ની મર્યાદામાં પણ ગણાય છે. એ જ પ્રશ્નના સીધા જવાબ કરતાં reasoning જવાબ ઘણા વધુ tokens વાપરી શકે છે.
નિયમ: reasoning મૉડેલ પર નાનો max_tokens સેટ ન કરો. 4,000 કે તેથી વધુથી શરૂ કરો. જો finish_reason length હોય અને content ખાલી હોય, તો મૉડેલે વિચારવામાં આખું બજેટ વાપર્યું.

પગલું 1: FreeLLMAPI ઇન્સ્ટૉલ કરો અને keys ઉમેરો

FreeLLMAPI open source છે. તે Docker માં તમારા computer પર ચાલે છે. તમારી provider keys તમારા computer પર રહે છે.

ઇન્સ્ટૉલ કરો (macOS અથવા Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

dashboard http://localhost:3001 પર ખોલો. Keys પૃષ્ઠ પર Groq, Cloudflare અને Google AI Studio keys ઉમેરો. દરેક મફત reasoning મૉડેલોની સેવા આપે છે. એ જ પૃષ્ઠ પરથી તમારી unified key કૉપિ કરો.

પગલું 2: reasoning મૉડેલને કૉલ કરો

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: અધૂરા જવાબને તપાસો અને thinking લખાણ દૂર કરો

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")

કેટલાક providers content માં <think> tags ની અંદર thinking પરત કરે છે. બીજા તેને છુપાવે છે, અથવા અલગ field માં પરત કરે છે. વપરાશકર્તાઓને જવાબ બતાવતા પહેલાં tags દૂર કરો.

Thinking ની માત્રા નિયંત્રિત કરો

Providers પાસે thinking ની લંબાઈ માટે પોતાની સેટિંગ્સ છે. Groq GPT-OSS મૉડેલો પર reasoning_effort સ્વીકારે છે, જેમાં low, medium અથવા high હોય છે. Gemini 3 મૉડેલો thinking_level સેટિંગ વાપરે છે. FreeLLMAPI દસ્તાવેજો વર્ણવતા નથી કે આ fields ગેટવે દ્વારા કેવી રીતે પસાર થાય છે, તેથી પહેલાં તમારા install પર તેનું પરીક્ષણ કરો.

FreeLLMAPI નો મૂળ Gemini endpoint, /v1beta/models/{model}:generateContent, thinking બજેટનો અનુવાદ કરે છે. જો તમારે Gemini ના thinking પર નિયંત્રણ જોઈએ, તો તેનો ઉપયોગ કરો.

કાર્યreasoning મૉડેલ વાપરવું?કારણ
ગણિત, તર્ક કોયડા, આયોજનહાપગલું-દર-પગલું વિચારણા ભૂલો ઘટાડે છે
અઘરા bugs અને algorithm designહામૉડેલ પોતાના પગલાં તપાસે છે
Chat, ટૂંકા જવાબો, અનુવાદનાThinking થોડા લાભ સાથે સમય અને tokens ઉમેરે છે
ઘણા ટૂલ કૉલવાળા agentsક્યારેકદરેક રાઉન્ડમાં thinking નો ખર્ચ ફરી લાગે છે

Reasoning કાર્યો માટે prompts અને routing

  • લક્ષ્ય અને નિયમો જણાવો: prompt માં બધા તથ્યો, મર્યાદાઓ અને અપેક્ષિત પરિણામ આપો. reasoning મૉડેલ thinking દરમિયાન ખૂટતા તથ્યો તમને પૂછી શકતું નથી.
  • જવાબનું ફોર્મેટ સેટ કરો: અંતિમ જવાબ નક્કી ફોર્મમાં માંગો, ઉદાહરણ તરીકે એક સંખ્યા અથવા JSON object. પછી તમારો કોડ thinking લખાણ વિના તેને વાંચી શકે છે.
  • પરીક્ષણ કેસો આપો: કોડ માટે, ઉદાહરણ inputs અને outputs ઉમેરો. મૉડેલ તેમની સામે પોતાના જવાબને તપાસી શકે છે.
  • કાર્ય મુજબ રૂટ કરો: અઘરા કાર્યો માટે બુદ્ધિ મુજબ મૉડેલોને ક્રમ આપવા model: "auto:smart" વાપરો. સરળ કાર્યો માટે auto:fast વાપરો, જેથી thinking નો ખર્ચ ન થાય.
  • દરેક વિનંતી માટે એક અઘરો પ્રશ્ન: એક વિનંતીમાં ઘણા અઘરા પ્રશ્નો એક output બજેટ વહેંચે છે. તેમને અલગ વિનંતીઓમાં વહેંચો.

auto:* strategies બધા સક્રિય મૉડેલોને ક્રમ આપે છે અને તમારી chain નો ક્રમ અવગણે છે. reasoning વિનંતીઓ માત્ર reasoning મૉડેલો પર રાખવા માટે, model id પિન કરો. તમે માત્ર reasoning મૉડેલો ધરાવતી નામવાળી fallback chain પણ બનાવી શકો છો. પછી તેને auto:<profile-name> વડે કૉલ કરો.

સમસ્યાનિવારણ

સમસ્યાકારણઉકેલ
ખાલી content, finish_reason: "length"Thinking એ output નું આખું બજેટ વાપર્યુંmax_tokens ને 4,000 કે તેથી વધુ સુધી વધારો
જવાબમાં <think> લખાણProvider દેખાતું thinking પરત કરે છેતમારા કોડમાં tags દૂર કરો
ટૂંકા પ્રશ્ન માટે લાંબી સમજૂતીકેટલાક reasoning મૉડેલો પોતાની વિચાર પ્રક્રિયા સમજાવે છે"માત્ર અંતિમ જવાબ" માંગો, અથવા non-reasoning મૉડેલ વાપરો
થોડી વિનંતીઓ પછી 429 ભૂલThinking tokens એ પ્રતિ મિનિટ tokens ની મર્યાદા વાપરીવધુ provider keys ઉમેરો, અથવા reasoning ફક્ત અઘરા કાર્યો માટે વાપરો
ધીમા જવાબોમૉડેલ ઘણા thinking tokens લખે છેસરળ કાર્યો માટે auto:fast વાપરો
આ બધાનો ઉપયોગ એક જ કી દ્વારા કરો. FreeLLMAPI એક ઓપન-સોર્સ, સ્વ-હોસ્ટેડ રાઉટર છે. તે આ બધા મફત ટાયરને એક OpenAI સાથે સુસંગત એન્ડપોઇન્ટ પાછળ મૂકે છે અને જ્યારે એક મૉડેલની રેટ મર્યાદા આવે ત્યારે બીજા પર આપમેળે સ્વિચ કરે છે. કૅટલૉગ બ્રાઉઝ કરો અથવા લાઇવ જાઓ.

વારંવાર પૂછાતા પ્રશ્નો

શું મફત reasoning મૉડેલ API છે?

હા. Groq, Cloudflare, NVIDIA, OVH, OpenRouter અને બીજા providers reasoning મૉડેલો મફત આપે છે, જેમ કે GPT-OSS 120B, QwQ 32B અને DeepSeek R1 Distill. FreeLLMAPI તેમને એક OpenAI-compatible key પાછળ મૂકે છે.

શું thinking tokens output tokens તરીકે ગણાય છે?

હા. Google કહે છે કે Gemini output મર્યાદામાં thought tokens શામેલ છે, અને thinking tokens ગણાય છે. મફત ટિયર પર તેઓ તમારી પ્રતિ મિનિટ tokens મર્યાદા પણ વાપરે છે.

મારું reasoning મૉડેલ ખાલી જવાબ કેમ આપે છે?

મૉડેલે વિચારવામાં આખું max_tokens બજેટ વાપર્યું, તેથી જવાબ માટે કોઈ tokens બાકી રહ્યા નહીં. max_tokens ને 4,000 કે તેથી વધુ સુધી વધારો.

શું DeepSeek R1 API દ્વારા મફત છે?

DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI ના મફત catalog માં છે. આ પૃષ્ઠનું કોષ્ટક બતાવે છે કે આજે તેની સેવા કયા providers આપે છે.

કયું મફત reasoning મૉડેલ શ્રેષ્ઠ છે?

GPT-OSS 120B સારો ડિફોલ્ટ છે, કારણ કે ઘણા providers તેની મફત સેવા આપે છે. આ પૃષ્ઠનું કોષ્ટક વાપરો, જે લાઇવ catalog માંથી બુદ્ધિ ક્રમ મુજબ મૉડેલોને સૉર્ટ કરે છે.

સંબંધિત માર્ગદર્શિકાઓ

સ્રોતો

બધી માર્ગદર્શિકાઓ · બધા મફત મૉડેલ જુઓ