होम / गाइड / LangChain के लिए मुफ़्त LLM API

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 zod

Environment 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:

tool calling और 128K+ context वाले मुफ़्त मॉडल
मॉडलमुफ़्त उपलब्धकॉन्टेक्स्टमुफ़्त सीमाएँ (सबसे अच्छा विकल्प)टूलविज़न
GLM 5.3UnoRouter1M1 अनुरोध/मिनट
1 req/min per model
हाँनहीं
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 अनुरोध/मिनट
40 RPM
हाँहाँ
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaहाँहाँ
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowanceहाँनहीं
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditहाँहाँ
Gemini 3.7 FlashGoogle AI Studio1M10 अनुरोध/मिनट
20 अनुरोध/दिन
250,000 टोकन/मिनट
~3M
हाँहाँ
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditहाँहाँ
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 अनुरोध/मिनट
50 अनुरोध/दिन
50 req/day account-wide (1,000 after a $10 purchase)
हाँहाँ
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 अनुरोध/मिनट
50 अनुरोध/दिन
Shared rate limit
हाँनहीं
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 अनुरोध/मिनट
250 अनुरोध/दिन
70,000 टोकन/मिनट
~6M
हाँहाँ

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:

मॉडलप्रदाताआयामअधिकतम इनपुटमुफ़्त सीमा
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K 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 कामModel stringकारण
उपयोगकर्ताओं के लिए chat उत्तरautodashboard पर आपकी सेट की गई chain का पालन करता है
tools वाला agentauto:<profile>एक profile जिसमें केवल tool-calling मॉडल हैं
वर्गीकरण, routing, छोटे सारांशauto:fastमापी गई गति के अनुसार मॉडलों को क्रमबद्ध करता है
कठिन तर्क वाले चरणauto:smartबुद्धिमत्ता के अनुसार मॉडलों को क्रमबद्ध करता है
परीक्षण जो दोहराए जा सकने चाहिएएक निश्चित model IDहर 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},
)
समस्याकारणसमाधान
openai.AuthenticationErrorगलत एकीकृत keyKeys पेज से key फिर से कॉपी करें
हर कॉल पर openai.NotFoundErrorbase URL में /v1 नहीं हैhttp://localhost:3001/v1 इस्तेमाल करें
openai.RateLimitErrorchain की सभी keys अपनी सीमा पर हैंproviders जोड़ें, max_concurrency घटाएँ, या Retry-After तक प्रतीक्षा करें
tokens या input type के बारे में embedding त्रुटिLangChain tokens भेजता है, text नहींcheck_embedding_ctx_length=False सेट करें
tool_calls खाली हैमॉडल tools का समर्थन नहीं करताtools तालिका का मॉडल या tools profile इस्तेमाल करें
Reasoning text नहीं मिल रहाChatOpenAI केवल मानक OpenAI fields रखता हैउत्तर content में पढ़ें; provider के अतिरिक्त fields नहीं रखे जाते
इनमें से हर एक का उपयोग एक ही कुंजी से करें। FreeLLMAPI एक ओपन-सोर्स, सेल्फ़-होस्टेड राउटर है। यह इन सभी मुफ़्त टियर को एक OpenAI-संगत एंडपॉइंट के पीछे रखता है। जब कोई एक सीमा पर पहुँचता है, तो यह अगले प्रदाता पर स्विच कर देता है। कैटलॉग देखें या शुरू करें.

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

स्रोत

सभी गाइड · सभी मुफ़्त मॉडल देखें