LangChain के लिए मुफ़्त LLM API
LangChain ChatOpenAI और OpenAIEmbeddings के ज़रिए OpenAI-संगत APIs से जुड़ता है। आप base URL और key बदलते हैं। यह गाइड दोनों classes को FreeLLMAPI की ओर इंगित करती है, जो एक key के पीछे 45 मुफ़्त provider टियर को जोड़ता है। नीचे दिया कोड Python और JavaScript में काम करता है और rate limits को संभालता है।
कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।
Gateway और packages सेट करें
FreeLLMAPI इंस्टॉल करें और dashboard के Keys पेज पर दो या अधिक providers की मुफ़्त keys जोड़ें। एकीकृत key कॉपी करें। आपका कोड केवल इसी key का उपयोग करता है। Provider keys FreeLLMAPI में ही रहती हैं।
FreeLLMAPI और LangChain packages इंस्टॉल करें
curl -fsSL https://freellmapi.co/install.sh | bash
# Python
pip install -U langchain langchain-openai
# JavaScript
npm install @langchain/openai @langchain/core zodEnvironment variables
export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>राउटर को मॉडल चुनने देने के लिए model="auto" का उपयोग करें। आप routing strategy भी इस्तेमाल कर सकते हैं, उदाहरण के लिए auto:fast या auto:smart। auto:coding जैसा नामित profile और catalog से कोई निश्चित model ID भी काम करते हैं।
यह देखने के लिए कि आपकी keys अभी कौन से मॉडल चला सकती हैं, GET /v1/models?execution_status=ready का अनुरोध करें। पूरी सूची में वे मॉडल भी हैं जिनकी key नहीं है। जिस मॉडल की स्थिति exhausted है, उसकी keys हैं, लेकिन इस समय सभी अपनी सीमा पर हैं। cooldown समाप्त होने पर यह स्थिति साफ़ हो जाती है।
वे मॉडल सूचीबद्ध करें जो अभी उत्तर दे सकते हैं
curl "http://localhost:3001/v1/models?execution_status=ready" \
-H "Authorization: Bearer <unified-key>"ChatOpenAI के साथ chat करें
Python में base_url और api_key सेट करें। max_retries का मान OpenAI client को जाता है, जो 429 और 5xx त्रुटियों को exponential backoff के साथ फिर से प्रयास करता है।
Python: chat और streaming
import os
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="auto",
base_url=os.environ["FREELLMAPI_BASE_URL"],
api_key=os.environ["FREELLMAPI_API_KEY"],
temperature=0.2,
max_retries=3,
timeout=60,
include_response_headers=True,
)
msg = llm.invoke("Explain retrieval-augmented generation in two sentences.")
print(msg.content)
print("Served by:", msg.response_metadata["headers"].get("x-routed-via"))
for chunk in llm.stream("Write a haiku about SQLite."):
print(chunk.content, end="", flush=True)JavaScript में base URL को configuration.baseURL में रखें। configuration object आधिकारिक OpenAI SDK client को जाता है।
JavaScript: chat और streaming
import { ChatOpenAI } from "@langchain/openai";
const llm = new ChatOpenAI({
model: "auto",
apiKey: process.env.FREELLMAPI_API_KEY,
temperature: 0.2,
maxRetries: 3,
configuration: { baseURL: process.env.FREELLMAPI_BASE_URL },
});
const msg = await llm.invoke("Explain retrieval-augmented generation in two sentences.");
console.log(msg.content);
for await (const chunk of await llm.stream("Write a haiku about SQLite.")) {
process.stdout.write(String(chunk.content));
}x-routed-via header दिखाता है कि किस provider और मॉडल ने उत्तर दिया। अगर राउटर ने provider बदला, तो x-fallback-trail हर विफल प्रयास और उसका कारण दिखाता है।
Tools और agents
FreeLLMAPI हर provider को OpenAI-शैली के tools भेजता है और OpenAI फ़ॉर्मेट में tool_calls लौटाता है। Gemini के लिए, यह अनुरोध को Google के फ़ॉर्मेट में बदलता है और वापस लाता है। एक कॉल के लिए bind_tools इस्तेमाल करें, या tools चलाने वाले loop के लिए create_agent।
Python: bind_tools और create_agent
from langchain.agents import create_agent
from langchain_core.tools import tool
@tool
def get_weather(city: str) -> str:
"""Return the current weather for a city."""
return f"It is 18 C and cloudy in {city}."
# One call: the model returns the tool call, your code runs it
msg = llm.bind_tools([get_weather]).invoke("What is the weather in Dublin?")
print(msg.tool_calls)
# Agent loop: LangChain runs the tool and sends the result back
agent = create_agent(
model=llm,
tools=[get_weather],
system_prompt="You answer weather questions. Use the tool.",
)
result = agent.invoke({"messages": [{"role": "user", "content": "Weather in Dublin?"}]})
print(result["messages"][-1].content)JavaScript: bindTools
import { tool } from "@langchain/core/tools";
import { z } from "zod";
const getWeather = tool(
async ({ city }) => `It is 18 C and cloudy in ${city}.`,
{
name: "get_weather",
description: "Return the current weather for a city.",
schema: z.object({ city: z.string() }),
},
);
const reply = await llm.bindTools([getWeather]).invoke("What is the weather in Dublin?");
console.log(reply.tool_calls);केवल कुछ मुफ़्त मॉडल tool calling का समर्थन करते हैं। auto के साथ, tool-calling मॉडल अपनी fallback chain में रखें, या agents के लिए एक profile बनाएँ। आज ये मुफ़्त मॉडल tools का समर्थन करते हैं:
| मॉडल | मुफ़्त उपलब्ध | कॉन्टेक्स्ट | मुफ़्त सीमाएँ (सबसे अच्छा विकल्प) | टूल | विज़न |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 अनुरोध/मिनट 1 req/min per model | हाँ | नहीं |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 अनुरोध/मिनट 40 RPM | हाँ | हाँ |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | हाँ | हाँ |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | हाँ | नहीं |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | हाँ | हाँ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | हाँ | हाँ |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 अनुरोध/मिनट 50 अनुरोध/दिन 50 req/day account-wide (1,000 after a $10 purchase) | हाँ | हाँ |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 अनुरोध/मिनट 50 अनुरोध/दिन Shared rate limit | हाँ | नहीं |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 अनुरोध/मिनट 250 अनुरोध/दिन 70,000 टोकन/मिनट ~6M | हाँ | हाँ |
109 मिलते-जुलते मुफ़्त मॉडल में से 10 दिखाए जा रहे हैं। सभी मॉडल देखें.
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।
OpenAIEmbeddings के साथ embeddings
डिफ़ॉल्ट रूप से, Python में OpenAIEmbeddings text को OpenAI tokenizer से बाँटता है और tokens भेजता है। अधिकांश अन्य providers को raw text चाहिए। text भेजने के लिए check_embedding_ctx_length=False सेट करें।
Python: embeddings
from langchain_openai import OpenAIEmbeddings
emb = OpenAIEmbeddings(
model="bge-m3", # one embedding family, 1024 dimensions
base_url=os.environ["FREELLMAPI_BASE_URL"],
api_key=os.environ["FREELLMAPI_API_KEY"],
check_embedding_ctx_length=False,
)
vectors = emb.embed_documents(["FreeLLMAPI pools free tiers.", "LangChain builds LLM apps."])
print(len(vectors), len(vectors[0]))JavaScript: embeddings
import { OpenAIEmbeddings } from "@langchain/openai";
const emb = new OpenAIEmbeddings({
model: "bge-m3",
apiKey: process.env.FREELLMAPI_API_KEY,
configuration: { baseURL: process.env.FREELLMAPI_BASE_URL },
});
const vector = await emb.embedQuery("What does FreeLLMAPI do?");
console.log(vector.length);FreeLLMAPI में embedding फ़ेलओवर कभी मॉडल नहीं बदलता। यह केवल उन providers के बीच जाता है जो एक ही family देते हैं। इससे एक vector store के सभी vectors संगत रहते हैं। एक family चुनें और उसी को रखें। आज के मुफ़्त embedding मॉडल ये हैं:
| 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।
Structured output, sessions और model चयन
with_structured_output text की जगह एक Pydantic object लौटाता है। डिफ़ॉल्ट रूप से, LangChain इसके लिए function calling इस्तेमाल करता है। यह तरीका हर उस मुफ़्त मॉडल पर काम करता है जो tools का समर्थन करता है।
Python: structured output
from pydantic import BaseModel, Field
class Ticket(BaseModel):
category: str = Field(description="billing, bug or other")
urgent: bool
classifier = llm.with_structured_output(Ticket)
ticket = classifier.invoke("The app crashes when I pay. Please fix it today.")
print(ticket.category, ticket.urgent)method="json_schema" को auto के साथ इस्तेमाल न करें। हर मुफ़्त provider strict JSON schema output का समर्थन नहीं करता, और राउटर हर अनुरोध के लिए अलग provider चुन सकता है।
FreeLLMAPI एक बातचीत को 30 मिनट तक एक ही मॉडल पर रखता है। यह बातचीत को X-Session-Id header से पहचानता है। अगर header नहीं है, तो यह पहले user संदेश के hash का उपयोग करता है। कई उपयोगकर्ताओं वाले chat ऐप के लिए, हर उपयोगकर्ता के लिए एक session ID भेजें:
Python: हर उपयोगकर्ता के लिए एक session
def llm_for(user_id: str) -> ChatOpenAI:
return ChatOpenAI(
model="auto",
base_url=os.environ["FREELLMAPI_BASE_URL"],
api_key=os.environ["FREELLMAPI_API_KEY"],
default_headers={"X-Session-Id": f"user-{user_id}"},
max_retries=3,
)अपने ऐप के हर हिस्से के लिए model string चुनें:
| आपके ऐप में काम | Model string | कारण |
|---|---|---|
| उपयोगकर्ताओं के लिए chat उत्तर | auto | dashboard पर आपकी सेट की गई chain का पालन करता है |
| tools वाला agent | auto:<profile> | एक profile जिसमें केवल tool-calling मॉडल हैं |
| वर्गीकरण, routing, छोटे सारांश | auto:fast | मापी गई गति के अनुसार मॉडलों को क्रमबद्ध करता है |
| कठिन तर्क वाले चरण | auto:smart | बुद्धिमत्ता के अनुसार मॉडलों को क्रमबद्ध करता है |
| परीक्षण जो दोहराए जा सकने चाहिए | एक निश्चित model ID | हर बार एक ही मॉडल, लेकिन उस मॉडल की सीमा पर रुक जाता है |
मुफ़्त टियर में कोई SLA नहीं है। दिन भर में विलंब बदलता रहता है, और सबसे शक्तिशाली मॉडल अपनी दैनिक सीमा सबसे पहले पहुँचते हैं। अपनी chains को उन्हीं मॉडलों के साथ जाँचें जिनका आपकी chain वास्तव में उपयोग करेगी।
Rate limits और retries
जब कोई provider 429 लौटाता है, तो FreeLLMAPI अगले provider को आज़माता है। आपका कोड 429 तभी देखता है जब chain की हर key अपनी सीमा पर हो। तब उत्तर में Retry-After header होता है। कई दैनिक सीमाएँ UTC आधी रात को reset होती हैं।
batch jobs के लिए, with_retry के साथ दूसरी retry परत जोड़ें। यह exponential backoff और jitter के साथ पूरे runnable को फिर से चलाता है।
Python: rate limits पर chain को retry करें
import openai
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
("system", "Summarize the text in one sentence."),
("user", "{text}"),
])
chain = (prompt | llm).with_retry(
retry_if_exception_type=(openai.RateLimitError, openai.APITimeoutError),
wait_exponential_jitter=True,
stop_after_attempt=5,
)
# batch() runs requests in parallel; max_concurrency keeps the rate low
results = chain.batch(
[{"text": t} for t in ["First document.", "Second document."]],
config={"max_concurrency": 4},
)| समस्या | कारण | समाधान |
|---|---|---|
openai.AuthenticationError | गलत एकीकृत key | Keys पेज से key फिर से कॉपी करें |
हर कॉल पर openai.NotFoundError | base URL में /v1 नहीं है | http://localhost:3001/v1 इस्तेमाल करें |
openai.RateLimitError | chain की सभी keys अपनी सीमा पर हैं | providers जोड़ें, max_concurrency घटाएँ, या Retry-After तक प्रतीक्षा करें |
| tokens या input type के बारे में embedding त्रुटि | LangChain tokens भेजता है, text नहीं | check_embedding_ctx_length=False सेट करें |
tool_calls खाली है | मॉडल tools का समर्थन नहीं करता | tools तालिका का मॉडल या tools profile इस्तेमाल करें |
| Reasoning text नहीं मिल रहा | ChatOpenAI केवल मानक OpenAI fields रखता है | उत्तर content में पढ़ें; provider के अतिरिक्त fields नहीं रखे जाते |
अक्सर पूछे जाने वाले प्रश्न
क्या मैं LangChain के साथ मुफ़्त LLM API इस्तेमाल कर सकता हूँ?
हाँ। कोई भी OpenAI-संगत API ChatOpenAI के साथ काम करता है। base_url को http://localhost:3001/v1 और api_key को अपनी FreeLLMAPI एकीकृत key पर सेट करें। राउटर मुफ़्त provider टियर इस्तेमाल करता है।
LangChain ChatOpenAI में custom base URL कैसे सेट करूँ?
Python में, ChatOpenAI को base_url दें। JavaScript में, constructor को configuration: { baseURL } दें। Python में OPENAI_BASE_URL environment variable भी काम करता है।
क्या LangChain agents मुफ़्त मॉडल के साथ काम करते हैं?
हाँ, अगर मॉडल tool calling का समर्थन करता है। ChatOpenAI मॉडल के साथ create_agent इस्तेमाल करें, और tool-calling मॉडल अपनी FreeLLMAPI chain में रखें।
गैर-OpenAI provider के साथ OpenAIEmbeddings क्यों विफल होता है?
डिफ़ॉल्ट रूप से यह token IDs भेजता है। अधिकांश अन्य providers को raw text चाहिए। Python में check_embedding_ctx_length=False सेट करें।
LangChain में 429 त्रुटियों को कैसे संभालूँ?
ChatOpenAI पर max_retries सेट करें, और batch jobs के लिए chain में with_retry जोड़ें। FreeLLMAPI आपके कोड को 429 दिखने से पहले ही अगले provider पर चला जाता है।
संबंधित गाइड
- LlamaIndex के लिए मुफ़्त LLM
- Python में मुफ़्त LLM API
- RAG के लिए मुफ़्त LLM API
- मुफ़्त embeddings API
- Function calling वाला मुफ़्त LLM API
- AI एजेंट्स के लिए मुफ़्त LLM API
स्रोत
- LangChain docs: ChatOpenAI integration (Python) (जाँचा गया 20 November 2026)
- LangChain docs: ChatOpenAI integration (JavaScript) (जाँचा गया 20 November 2026)
- LangChain docs: agents and create_agent (जाँचा गया 20 November 2026)
- LangChain source: OpenAIEmbeddings note on OpenAI-compatible APIs (जाँचा गया 20 November 2026)
- OpenAI Python SDK: retries and errors (जाँचा गया 20 November 2026)
- FreeLLMAPI docs: REST API (tool calling, embeddings, response headers) (जाँचा गया 20 November 2026)