होम / गाइड / मुफ़्त reasoning मॉडल API

मुफ़्त reasoning मॉडल API

Reasoning मॉडल उत्तर देने से पहले सोचता है। वह छिपे या दिखने वाले चरण लिखता है, फिर अंतिम उत्तर देता है। इससे गणित, तर्क, योजना और कठिन कोड में मदद मिलती है। कई प्रदाता reasoning मॉडल मुफ़्त देते हैं। यह गाइड उन्हें दिखाती है, thinking टोकन की लागत समझाती है और चलने वाला कोड देती है।

कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।

आज के मुफ़्त reasoning मॉडल

तालिका में वे मुफ़्त मॉडल हैं जिनके नाम में reasoning है, उदाहरण के लिए GPT-OSS, R1, QwQ, Thinking, Reasoning और Magistral। डेटा लाइव कैटलॉग से आता है। Gemini Flash जैसे कई दूसरे मॉडल भी सोचते हैं, लेकिन उनके नाम से यह नहीं दिखता।

मुफ़्त reasoning मॉडल, सबसे मज़बूत पहले
मॉडलमुफ़्त उपलब्धकॉन्टेक्स्टमुफ़्त सीमाएँ (सबसे अच्छा विकल्प)टूलविज़न
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 अनुरोध/मिनट
20 अनुरोध/दिन
250,000 टोकन/मिनट
~3M
हाँहाँ
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 और131K30 अनुरोध/मिनट
1,000 अनुरोध/दिन
8,000 टोकन/मिनट
200,000 टोकन/दिन
~6M
हाँनहीं
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 और131K30 अनुरोध/मिनट
1,000 अनुरोध/दिन
8,000 टोकन/मिनट
200,000 टोकन/दिन
~6M
हाँनहीं
GPT-OSS Safeguard 20BGroq, LLMTR131K30 अनुरोध/मिनट
1,000 अनुरोध/दिन
8,000 टोकन/मिनट
200,000 टोकन/दिन
~6M
हाँनहीं
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsनहींनहीं
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditनहींनहीं
Qwen3 235B A22B Thinking 2507ModelScope262K200 अनुरोध/दिन
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
नहींनहीं
GPT-OSS 120B (via Groq)DreamPrompting131K100 अनुरोध/मिनट
5,000 अनुरोध/दिन
500,000 टोकन/दिन
500K tokens/day · 5,000 req/day
नहींनहीं
Qwen3 Next 80B A3B ThinkingModelScope262K200 अनुरोध/दिन
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
नहींनहीं
QwQ 32BCloudflare Workers AI131K~10-20Mहाँनहीं
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 अनुरोध/दिन
200 rpd
नहींहाँ
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 अनुरोध/मिनट
40 RPM
नहींहाँ
Command A ReasoningCohere256K20 अनुरोध/मिनट
33 अनुरोध/दिन
~1-2M
हाँनहीं
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 अनुरोध/मिनट
50 अनुरोध/दिन
50 req/day account-wide (1,000 after a $10 purchase)
नहींनहीं
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditहाँहाँ
GPT-OSS 20B (via Groq)DreamPrompting131K100 अनुरोध/मिनट
5,000 अनुरोध/दिन
500,000 टोकन/दिन
500K tokens/day · 5,000 req/day
नहींनहीं
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5Mहाँनहीं
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditहाँनहीं

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।

GPT-OSS 120B कई प्रदाता मुफ़्त देते हैं, इसलिए फ़ेलओवर के कई विकल्प हैं। QwQ 32B और DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI पर चलते हैं। Qwen3 Thinking मॉडल ModelScope पर 262K टोकन का कॉन्टेक्स्ट देते हैं।

Thinking टोकन आपका आउटपुट बजट इस्तेमाल करते हैं

reasoning मॉडल की यह सबसे आम समस्या है। मॉडल पहले अपना thinking लिखता है। ये thinking टोकन आउटपुट सीमा में गिने जाते हैं, उत्तर की तरह ही।

  • Google के अनुसार: Gemini पर आउटपुट सीमा में thought टोकन शामिल हैं। यदि मॉडल सोचते समय सीमा तक पहुँच जाता है, तो आउटपुट कट सकता है या खाली हो सकता है। thinking टोकन फिर भी गिने जाते हैं।
  • Groq के अनुसार: जटिल reasoning के लिए 1,024 completion टोकन का डिफ़ॉल्ट कम हो सकता है।
  • मुफ़्त सीमाएँ: thinking टोकन प्रति-मिनट टोकन और प्रति-दिन टोकन सीमाओं में भी गिने जाते हैं। किसी एक ही प्रश्न का reasoning उत्तर सीधे उत्तर से कहीं अधिक टोकन ले सकता है।
नियम: reasoning मॉडल पर छोटा max_tokens न रखें। 4,000 या उससे अधिक से शुरू करें। यदि finish_reason length है और content खाली है, तो मॉडल ने सोचने में पूरा बजट इस्तेमाल कर लिया।

चरण 1: FreeLLMAPI इंस्टॉल करें और कुंजियाँ जोड़ें

FreeLLMAPI ओपन सोर्स है। यह आपके कंप्यूटर पर Docker में चलता है। आपकी प्रदाता कुंजियाँ आपके कंप्यूटर पर ही रहती हैं।

इंस्टॉल करें (macOS या Linux)

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

डैशबोर्ड http://localhost:3001 पर खोलें। Keys पेज पर Groq, Cloudflare और Google AI Studio की कुंजियाँ जोड़ें। हर एक मुफ़्त reasoning मॉडल देता है। उसी पेज से अपनी एकीकृत कुंजी कॉपी करें।

चरण 2: reasoning मॉडल को कॉल करें

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: कटे हुए उत्तर की जाँच करें और thinking टेक्स्ट हटाएँ

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")

कुछ प्रदाता सामग्री में <think> टैग के अंदर thinking लौटाते हैं। कुछ उसे छिपाते हैं, या अलग फ़ील्ड में लौटाते हैं। उपयोगकर्ताओं को उत्तर दिखाने से पहले टैग हटाएँ।

सोचने की मात्रा नियंत्रित करें

हर प्रदाता की thinking की लंबाई के लिए अपनी सेटिंग होती है। Groq GPT-OSS मॉडलों पर reasoning_effort को low, medium या high के साथ स्वीकार करता है। Gemini 3 मॉडल thinking_level सेटिंग इस्तेमाल करते हैं। FreeLLMAPI दस्तावेज़ यह नहीं बताते कि ये फ़ील्ड गेटवे से कैसे गुज़रते हैं, इसलिए पहले अपने इंस्टॉल पर इन्हें परखें।

FreeLLMAPI का मूल Gemini एंडपॉइंट, /v1beta/models/{model}:generateContent, thinking बजट का अनुवाद करता है। यदि आपको Gemini की thinking पर नियंत्रण चाहिए, तो इसे इस्तेमाल करें।

कार्यreasoning मॉडल इस्तेमाल करें?क्यों
गणित, तर्क पहेलियाँ, योजनाहाँचरण-दर-चरण सोचने से गलतियाँ कम होती हैं
कठिन बग और एल्गोरिदम डिज़ाइनहाँमॉडल अपने चरणों की जाँच करता है
चैट, छोटे उत्तर, अनुवादनहींThinking में समय और टोकन लगते हैं, लाभ कम होता है
कई टूल कॉल वाले एजेंटकभी-कभीहर दौर में thinking की लागत फिर लगती है

reasoning कार्यों के लिए प्रॉम्प्ट और रूटिंग

  • लक्ष्य और नियम बताएँ: प्रॉम्प्ट में सभी तथ्य, सीमाएँ और अपेक्षित परिणाम दें। reasoning मॉडल अपनी thinking के दौरान गायब तथ्य आपसे नहीं पूछ सकता।
  • उत्तर का प्रारूप तय करें: अंतिम उत्तर एक तय रूप में माँगें, उदाहरण के लिए एक संख्या या JSON ऑब्जेक्ट। तब आपका कोड thinking टेक्स्ट के बिना उसे पढ़ सकता है।
  • परीक्षण मामले दें: कोड के लिए उदाहरण इनपुट और आउटपुट जोड़ें। मॉडल उनके विरुद्ध अपने उत्तर की जाँच कर सकता है।
  • कार्य के अनुसार रूट करें: कठिन कार्यों के लिए बुद्धिमत्ता के अनुसार मॉडल क्रम में लगाने को model: "auto:smart" इस्तेमाल करें। आसान कार्यों के लिए auto:fast इस्तेमाल करें, ताकि thinking की लागत न लगे।
  • हर अनुरोध में एक कठिन प्रश्न: एक अनुरोध में कई कठिन प्रश्न एक आउटपुट बजट साझा करते हैं। उन्हें अलग अनुरोधों में बाँटें।

auto:* रणनीतियाँ सभी सक्षम मॉडलों को क्रम में रखती हैं और आपकी चेन के क्रम को अनदेखा करती हैं। reasoning अनुरोधों को केवल reasoning मॉडलों पर रखने के लिए मॉडल आईडी तय करें। आप केवल reasoning मॉडलों वाली नामित फ़ॉलबैक चेन भी बना सकते हैं। फिर उसे auto:<profile-name> से कॉल करें।

समस्या निवारण

समस्याकारणसमाधान
खाली content, finish_reason: "length"Thinking ने पूरा आउटपुट बजट इस्तेमाल कर लियाmax_tokens को 4,000 या उससे अधिक करें
उत्तर में <think> टेक्स्टप्रदाता दिखने वाली thinking लौटाता हैअपने कोड में टैग हटाएँ
छोटे प्रश्न पर लंबी व्याख्याकुछ reasoning मॉडल अपनी सोच की प्रक्रिया समझाते हैं"केवल अंतिम उत्तर" माँगें, या गैर-reasoning मॉडल इस्तेमाल करें
कुछ अनुरोधों के बाद त्रुटि 429Thinking टोकन ने प्रति-मिनट टोकन सीमा इस्तेमाल कर लीऔर प्रदाता कुंजियाँ जोड़ें, या reasoning केवल कठिन कार्यों के लिए इस्तेमाल करें
धीमे उत्तरमॉडल बहुत सारे thinking टोकन लिखता हैसरल कार्यों के लिए auto:fast इस्तेमाल करें
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 कोई मुफ़्त reasoning मॉडल API है?

हाँ। Groq, Cloudflare, NVIDIA, OVH, OpenRouter और दूसरे प्रदाता reasoning मॉडल मुफ़्त देते हैं, जैसे GPT-OSS 120B, QwQ 32B और DeepSeek R1 Distill। FreeLLMAPI इन्हें एक OpenAI-compatible कुंजी के पीछे रखता है।

क्या thinking टोकन आउटपुट टोकन में गिने जाते हैं?

हाँ। Google के अनुसार Gemini की आउटपुट सीमा में thought टोकन शामिल हैं, और thinking टोकन गिने जाते हैं। मुफ़्त टियर पर वे आपकी प्रति-मिनट टोकन सीमा भी इस्तेमाल करते हैं।

मेरा reasoning मॉडल खाली उत्तर क्यों लौटाता है?

मॉडल ने सोचने में पूरा max_tokens बजट इस्तेमाल कर लिया, इसलिए उत्तर के लिए टोकन नहीं बचे। max_tokens को 4,000 या उससे अधिक करें।

क्या DeepSeek R1 API के ज़रिए मुफ़्त है?

DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI के मुफ़्त कैटलॉग में है। इस पेज की तालिका में वे प्रदाता हैं जो आज इसे देते हैं।

सबसे अच्छा मुफ़्त reasoning मॉडल कौन सा है?

GPT-OSS 120B एक अच्छा डिफ़ॉल्ट है, क्योंकि कई प्रदाता इसे मुफ़्त देते हैं। इस पेज की तालिका देखें, जो लाइव कैटलॉग की बुद्धिमत्ता रैंक के अनुसार मॉडल क्रम में लगाती है।

संबंधित गाइड

स्रोत

सभी गाइड · सभी मुफ़्त मॉडल देखें