मुफ़्त embeddings API
Embeddings API text को vectors में बदलता है, जो search, RAG और clustering के लिए काम आते हैं। कई providers embeddings मुफ़्त देते हैं। FreeLLMAPI एक /v1/embeddings endpoint के पीछे 41 मुफ़्त embedding models रखता है। यह guide models, उनकी limits और काम करने वाला code दिखाती है।
कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।
FreeLLMAPI में मुफ़्त embeddings कैसे काम करते हैं
/v1/embeddings endpoint OpenAI request format इस्तेमाल करता है। कोई भी OpenAI SDK इसे call कर सकता है। आप text भेजते हैं, और हर input string के लिए एक vector पाते हैं।
Embeddings के लिए failover का नियम chat से अलग है। Chat requests दूसरे model पर जा सकती हैं। Embedding requests कभी दूसरे model पर नहीं जातीं। दो models के vectors संगत नहीं होते, इसलिए चुपचाप model बदलने से आपका vector store खराब हो जाएगा।
- Family: FreeLLMAPI providers को family के हिसाब से समूहित करता है। एक family एक model पहचान है, जिसका एक vector size होता है, जैसे 1024 dimensions वाला
bge-m3। - Failover: जब किसी family का एक provider अपनी limit तक पहुँचता है, तो router उसी family की सेवा देने वाला अगला provider आज़माता है।
- Default:
model: "auto"default family इस्तेमाल करता है। Default family आप dashboard के Models, Embeddings page पर सेट करते हैं।
आज के मुफ़्त embedding models
Table में FreeLLMAPI catalog के हर मुफ़्त embedding model दिए गए हैं। डेटा लाइव catalog से आता है। "Max input" एक input string के लिए tokens की अधिकतम संख्या है। "Free limit" वह मुफ़्त quota है जो provider प्रकाशित करता है।
| मॉडल | प्रदाता | आयाम | अधिकतम इनपुट | मुफ़्त सीमा |
|---|---|---|---|---|
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) |
FreeLLMAPI कैटलॉग से लाइव डेटा (संस्करण 2026.11.19, जाँच 2026-11-19)। मुफ़्त सीमाएँ अक्सर बदलती हैं। कैटलॉग की हर दिन जाँच होती है।
कुछ providers chat और embeddings के बीच एक ही quota साझा करते हैं। उदाहरण के लिए, एक Cohere trial key सभी endpoints मिलाकर हर महीने 1,000 API calls देती है। Cloudflare Workers AI हर दिन 10,000 neurons देता है, जो खाते के सभी Workers AI models साझा करते हैं।
चरण 1: FreeLLMAPI इंस्टॉल करें और keys जोड़ें
FreeLLMAPI open source है। यह Docker में आपके computer पर चलता है। आपकी provider keys आपके computer पर ही रहती हैं।
इंस्टॉल करें (macOS या Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 पर dashboard खोलें। Keys page पर अपनी provider keys जोड़ें। Embeddings के लिए एक Google AI Studio key और एक Cloudflare key अच्छी शुरुआत देते हैं। उसी page से अपनी unified key कॉपी करें।
चरण 2: embeddings endpoint को call करें
एक request में कई vectors पाने के लिए strings की list भेजें। अपने documents और search queries के लिए एक ही model मान इस्तेमाल करें।
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: दो texts को embed और compare करें
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))model field तीन रूप स्वीकार करता है: auto, bge-m3 जैसा family नाम, या @cf/baai/bge-m3 जैसा provider model id। Provider model id अपनी family में बदल जाता है, इसलिए failover उसी family के भीतर रहता है।
कौन सा मुफ़्त embedding model चुनें
हर vector store के लिए model एक बार चुनें। बाद में model बदलने पर आपको सभी documents फिर से embed करने होंगे।
| ज़रूरत | Model family | क्यों |
|---|---|---|
| छोटा अंग्रेज़ी या बहुभाषी text, कई providers | bge-m3 | 1024 dimensions, 8,192 input tokens। कई मुफ़्त providers इसकी सेवा देते हैं, इसलिए failover के ज़्यादा विकल्प हैं। |
| Google key के साथ उच्च गुणवत्ता वाली retrieval | gemini-embedding-001 | 3072 dimensions। Input limit 2,048 tokens है, इसलिए लंबे documents को chunks में बाँटें। |
| एक vector में लंबे documents | embed-v4.0 (Cohere) | बड़ा input window। Trial key हर महीने सिर्फ 1,000 calls देती है, जो chat के साथ साझा होती हैं। |
| छोटे vectors और तेज़ search | bge-small-en-v1.5 | 384 dimensions। सिर्फ अंग्रेज़ी, और input limit 512 tokens है। |
| Code search | codestral-embed | Code के लिए प्रशिक्षित। यह Mistral के free mode quota का उपयोग करता है। |
बड़े vectors vector database में ज़्यादा storage और memory लेते हैं। 3072-dimension vector, 1024-dimension vector से तीन गुना बड़ा होता है। दस लाख chunks से कम वाले ज़्यादातर RAG projects के लिए 768 से 1024 dimensions अच्छे परिणाम देते हैं।
Limits और सावधानियाँ
- Input limits: "Max input" मान से ऊपर का text काटा जा सकता है या अस्वीकार हो सकता है। Embed करने से पहले documents को 300 से 800 tokens के chunks में बाँटें।
- हर store के लिए एक family: एक index में दो families के vectors न मिलाएँ। Models के बीच similarity scores का कोई अर्थ नहीं होता।
- Normalization: Google कहता है कि 3072 से कम dimensions वाले
gemini-embedding-001vectors को आपको normalize करना होगा। Score के लिए dot product इस्तेमाल करने से पहले सभी vectors को normalize करें। - Rate limits: मुफ़्त tiers प्रति मिनट या प्रति दिन requests गिनते हैं। हर string के लिए एक request के बजाय strings के batches एक request में भेजें।
- Anonymous tiers: OVH AI Endpoints बिना key के हर IP address और model के लिए हर मिनट 2 requests देता है। इसे fallback के रूप में इस्तेमाल करें, बड़े पैमाने पर indexing के लिए नहीं।
समस्या निवारण
| समस्या | कारण | समाधान |
|---|---|---|
| Bulk indexing के दौरान error 429 | उस family की provider limit पहुँच गई है | उसी family के लिए दूसरी provider key जोड़ें, या हर मिनट कम requests भेजें |
| बदलाव के बाद search परिणाम गलत हैं | Documents और queries अलग families इस्तेमाल करते हैं | दोनों के लिए एक model मान रखें। बदलाव किया है, तो documents को फिर से embed करें |
| Vector की लंबाई वैसी नहीं है जैसी आप उम्मीद करते हैं | auto default family इस्तेमाल करता है | स्पष्ट family नाम सेट करें, या Models, Embeddings पर default जाँचें |
| लंबे texts के मिलान खराब हैं | Text, input limit से लंबा है | Text को छोटे chunks में बाँटें |
| Error 401 | Unified key गलत है या गायब है | Keys page से unified key फिर से कॉपी करें |
अक्सर पूछे जाने वाले प्रश्न
क्या कोई मुफ़्त embeddings API है?
हाँ। Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH और दूसरे providers rate limits के साथ मुफ़्त embedding models देते हैं। FreeLLMAPI उनमें से 41 को एक OpenAI-compatible endpoint के पीछे रखता है।
क्या मुफ़्त embeddings के लिए OpenAI SDK इस्तेमाल किया जा सकता है?
हाँ। Base URL को http://localhost:3001/v1 पर सेट करें और अपनी unified key इस्तेमाल करें। फिर bge-m3 जैसे family नाम के साथ client.embeddings.create को call करें।
FreeLLMAPI किसी दूसरे embedding model पर failover क्यों नहीं करता?
अलग models के vectors संगत नहीं होते। चुपचाप model बदलने से similarity search टूट जाएगी। Router सिर्फ उन providers के बीच failover करता है जो एक ही model family की सेवा देते हैं।
RAG के लिए सबसे अच्छा मुफ़्त embedding model कौन सा है?
ज़्यादातर projects के लिए bge-m3 एक अच्छा default है। इसके 1024 dimensions हैं, 8,192-token input limit है और कई मुफ़्त providers हैं। अगर आपको 3072 dimensions चाहिए और आपके पास Google key है, तो gemini-embedding-001 इस्तेमाल करें।
मेरे embeddings के कितने dimensions होने चाहिए?
ज़्यादातर search और RAG काम के लिए 768 से 1024 dimensions इस्तेमाल करें। बड़े vectors ज़्यादा storage और memory लेते हैं। आकार एक बार चुनें, क्योंकि बदलाव का मतलब है कि आपको सभी documents फिर से embed करने होंगे।
संबंधित गाइड
- RAG के लिए मुफ़्त LLM API
- LangChain के लिए मुफ़्त LLM API
- Python में मुफ़्त LLM API
- free cohere api
- मुफ़्त LLM API रेट सीमाएँ
स्रोत
- FreeLLMAPI docs: Embeddings (जाँचा गया 20 November 2026)
- Google AI Studio docs: Embeddings (जाँचा गया 20 November 2026)
- Cloudflare Workers AI pricing (जाँचा गया 20 November 2026)
- Cohere docs: API keys and rate limits (जाँचा गया 20 November 2026)
- OVHcloud AI Endpoints capabilities (जाँचा गया 20 November 2026)