मुफ़्त vision API
Vision API LLM को छवियाँ पढ़ने देता है। आप उससे फ़ोटो का वर्णन करवा सकते हैं, रसीद पढ़वा सकते हैं या चार्ट समझवा सकते हैं। FreeLLMAPI catalog में 78 मुफ़्त मॉडल विकल्प हैं जो छवियाँ स्वीकार करते हैं। आप छवियाँ मानक OpenAI फ़ॉर्मेट में भेजते हैं, और राउटर आपके लिए एक vision मॉडल चुनता है। यह गाइड मॉडल, हर provider की आकार सीमाएँ और काम करने वाला कोड दिखाती है।
कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।
Image input कैसे काम करता है
छवियाँ messages array में image_url content blocks के रूप में भेजें। URL एक data: URL हो सकता है जिसमें base64 bytes हों, या एक http(s) URL। /v1/chat/completions इस्तेमाल करें। /v1/responses endpoint अभी छवियाँ स्वीकार नहीं करता।
- स्वचालित routing: जब अनुरोध में छवि होती है, तो राउटर केवल vision मॉडल इस्तेमाल करता है। उस अनुरोध के लिए वह केवल-text मॉडलों को नज़रअंदाज़ करता है।
- फ़ेलओवर: जब एक vision provider अपनी सीमा तक पहुँचता है, तो राउटर आपकी chain में अगला vision मॉडल आज़माता है।
- स्पष्ट त्रुटि: जब कोई vision मॉडल सक्षम नहीं होता, तो आपको
code: "no_vision_model"के साथ त्रुटि 422 मिलती है। छवि कभी चुपचाप नहीं छोड़ी जाती।
आज के मुफ़्त vision मॉडल
तालिका आज catalog में image input वाले सबसे मज़बूत मुफ़्त मॉडल दिखाती है। यह लाइव catalog से आती है। एक पंक्ति में एक ही मॉडल देने वाले कई providers हो सकते हैं।
| मॉडल | मुफ़्त उपलब्ध | कॉन्टेक्स्ट | मुफ़्त सीमाएँ (सबसे अच्छा विकल्प) | टूल | विज़न |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 अनुरोध/मिनट 1 req/min per model | हाँ | हाँ |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | हाँ | हाँ |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| 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 |
| Qwen3.8 27B | ElectronHub, Groq | 262K | 30 अनुरोध/मिनट 250 अनुरोध/दिन 70,000 टोकन/मिनट ~6M | हाँ | हाँ |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | हाँ | हाँ |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| Gemini 3.8 Live | Google AI Studio | - | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| Moondream 3.1 9B A2B | Cloudflare Workers AI, Moondream | 33K | ~10-20M | नहीं | हाँ |
| Moondream 3 Preview | Moondream | - | $5/month shared workspace usage credits | नहीं | हाँ |
67 मिलते-जुलते मुफ़्त मॉडल में से 15 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।
Gemini मॉडल सबसे बड़ा context देते हैं और कई छवियाँ स्वीकार करते हैं। Groq और Cloudflare पर Qwen 3.8 27B, Google के बाहर एक तेज़ विकल्प है। Moondream छवि कार्यों के लिए बना है, लेकिन इसका आउटपुट 4,096 tokens तक सीमित है।
चरण 1: FreeLLMAPI इंस्टॉल करें और keys जोड़ें
FreeLLMAPI open source है। यह Docker में आपके कंप्यूटर पर चलता है। आपकी provider keys आपके कंप्यूटर पर ही रहती हैं।
इंस्टॉल करें (macOS या Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 पर dashboard खोलें। Keys पेज पर एक Google AI Studio key और एक और key जोड़ें। Fallback Chain पेज पर, vision मॉडलों पर Vision बैज होता है। सुनिश्चित करें कि कम से कम एक सक्षम है। Keys पेज से अपनी एकीकृत key कॉपी करें।
चरण 2: एक छवि भेजें
curl: URL से छवि
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "auto",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "Describe this image in two sentences."},
{"type": "image_url", "image_url": {"url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}}
]
}]
}'Python: base64 में स्थानीय फ़ाइल
import base64
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("receipt.jpg", "rb") as fh:
b64 = base64.b64encode(fh.read()).decode()
resp = client.chat.completions.with_raw_response.create(
model="auto", # the router selects a vision model
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "List each item and price on this receipt as JSON."},
{"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
],
}],
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)data URL में सही MIME type इस्तेमाल करें, उदाहरण के लिए image/png या image/jpeg। एक से अधिक छवियाँ भेजने के लिए, उसी message में और image_url blocks जोड़ें।
Provider के अनुसार छवि सीमाएँ
| Provider | सीमा (आधिकारिक) | क्या करें |
|---|---|---|
| Google Gemini | inline छवियों वाले अनुरोध का कुल आकार: 20 MB। फ़ॉर्मेट: PNG, JPEG, WEBP, HEIC, HEIF | भेजने से पहले बड़ी फ़ोटो छोटी करें |
| Google Gemini | 384x384 pixels तक की छवि 258 tokens लेती है। बड़ी छवियाँ 768x768 के टुकड़ों में बाँटी जाती हैं, हर टुकड़ा 258 tokens का | 960x540 की छवि 6 टुकड़े लेती है, लगभग 1,548 tokens |
| Groq (Qwen 3.8 27B) | हर अनुरोध के लिए अधिकतम 3 छवियाँ। image URL वाले अनुरोध के लिए अधिकतम 20 MB | Groq मॉडलों को अधिकतम 3 छवियाँ भेजें |
| Moondream | केवल Base64 data URLs। दूरस्थ छवि URLs समर्थित नहीं हैं | छवि के bytes भेजें, लिंक नहीं |
छवि के tokens मुफ़्त टियर की tokens-per-minute सीमा में गिने जाते हैं। पाँच बड़ी छवियों वाला अनुरोध किसी छोटे provider की सीमा से बड़ा हो सकता है। जब बारीक विवरण की ज़रूरत न हो, तो छवियाँ छोटी करें, उदाहरण के लिए लंबी भुजा पर 1024 pixels।
छवि कार्यों के लिए काम करने वाले prompts
- हर अनुरोध के लिए एक कार्य: छवि के बारे में एक स्पष्ट प्रश्न पूछें। एक prompt में कई प्रश्न छोटे और कम सटीक उत्तर देते हैं।
- Structured output: रसीदों और फ़ॉर्मों के लिए, वे fields लिखें जो आप चाहते हैं, उदाहरण के लिए
item,priceऔरtotal। केवल JSON माँगें। - न पढ़े जा सकने वाले मान: मॉडल से कहें कि जब वह कोई मान न पढ़ सके, तो
nullलिखे। फिर वह अनुमान नहीं लगाता। - पहले काटें: छवि को उस भाग तक काटें जिसकी आपको ज़रूरत है। छोटी छवि कम tokens लेती है और बेहतर विवरण देती है।
- स्थिर उत्तर: निष्कर्षण कार्यों के लिए
temperatureको 0 पर सेट करें। - संख्याएँ जाँचें: कुल राशि और तारीखों को छवि से मिलाएँ। Vision मॉडल छोटे text और मिलते-जुलते अंकों को गलत पढ़ सकते हैं।
समस्या निवारण
| समस्या | कारण | समाधान |
|---|---|---|
त्रुटि 422 no_vision_model | आपकी chain में कोई vision मॉडल सक्षम नहीं है | Fallback Chain पेज पर Vision बैज वाला मॉडल सक्षम करें |
| मॉडल कहता है कि वह छवि नहीं देख सकता | अनुरोध /v1/responses पर गया | /v1/chat/completions इस्तेमाल करें |
| दूरस्थ URL पर त्रुटि 400 | provider URL डाउनलोड नहीं कर सकता | छवि को base64 data URL के रूप में भेजें |
| बड़ी फ़ाइलों पर त्रुटि 413 या 400 | छवि या अनुरोध बहुत बड़ा है | छवि छोटी करें, या कम छवियाँ भेजें |
| छवि अनुरोधों पर त्रुटि 429 | छवि के tokens ने tokens-per-minute सीमा इस्तेमाल कर ली | छवियाँ छोटी करें, या अधिक vision providers की keys जोड़ें |
अक्सर पूछे जाने वाले प्रश्न
क्या कोई मुफ़्त vision API है?
हाँ। Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter और अन्य providers image input वाले मुफ़्त मॉडल देते हैं। FreeLLMAPI एक OpenAI-संगत key के पीछे 78 मुफ़्त vision मॉडल विकल्प देता है।
मुफ़्त LLM API को छवि कैसे भेजूँ?
user message में एक image_url content block जोड़ें। base64 data URL या https URL इस्तेमाल करें, और उसे /v1/chat/completions पर भेजें।
एक छवि कितने tokens लेती है?
Gemini पर, 384x384 pixels या उससे छोटी छवि 258 tokens लेती है। बड़ी छवि 768x768 के टुकड़ों में बाँटी जाती है, और हर टुकड़ा 258 tokens लेता है।
क्या मैं एक अनुरोध में कई छवियाँ भेज सकता हूँ?
हाँ। message में और image_url blocks जोड़ें। कुछ providers संख्या सीमित करते हैं। उदाहरण के लिए, Groq Qwen 3.8 27B पर हर अनुरोध के लिए 3 छवियों की अनुमति देता है।
दस्तावेज़ पढ़ने के लिए कौन सा मुफ़्त vision मॉडल सबसे अच्छा है?
रसीदों, चार्टों और स्कैन किए गए पेजों के लिए Gemini मॉडल इस्तेमाल करें। इसकी context window बड़ी है और यह कई छवियाँ स्वीकार करता है। अंकों के लिए उत्तर को छवि से मिलाएँ, क्योंकि vision मॉडल छोटे text को गलत पढ़ सकते हैं।
संबंधित गाइड
- मुफ़्त इमेज जनरेशन API
- free gemini api
- free qwen api
- free gemma api
- Function calling वाला मुफ़्त LLM API
स्रोत
- FreeLLMAPI docs: Vision and image input (जाँचा गया 20 November 2026)
- Google AI Studio docs: Image understanding (जाँचा गया 20 November 2026)
- Groq docs: Vision (जाँचा गया 20 November 2026)
- Moondream OpenAI-compatible API docs (जाँचा गया 20 November 2026)