Home / Guide / API LLM gratuita per LangChain

API LLM gratuita per LangChain

LangChain si collega alle API compatibili con OpenAI tramite ChatOpenAI e OpenAIEmbeddings. Cambi l'URL base e la chiave. Questa guida punta entrambe le classi a FreeLLMAPI, che riunisce 45 piani gratuiti dei provider dietro una sola chiave. Il codice qui sotto funziona in Python e JavaScript e gestisce i limiti di frequenza.

Codice, nomi dei modelli ed etichette del catalogo in tempo reale sono mostrati in inglese.

Configura il gateway e i pacchetti

Installa FreeLLMAPI e aggiungi chiavi gratuite da due o più provider nella pagina Keys della dashboard. Copia la chiave unificata. Il tuo codice usa solo questa chiave. Le chiavi dei provider restano in FreeLLMAPI.

Installa FreeLLMAPI e i pacchetti LangChain

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

# Python
pip install -U langchain langchain-openai

# JavaScript
npm install @langchain/openai @langchain/core zod

Variabili d'ambiente

export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>

Usa model="auto" per lasciare che il router scelga un modello. Puoi anche usare una strategia di routing, per esempio auto:fast o auto:smart. Funzionano anche un profilo con nome come auto:coding e un ID di modello fisso dal catalogo.

Per vedere quali modelli le tue chiavi possono chiamare ora, richiedi GET /v1/models?execution_status=ready. L'elenco completo contiene anche modelli senza chiave. Un modello con lo stato exhausted ha delle chiavi, ma tutte sono al limite in questo momento. Quello stato scompare quando finiscono i cooldown.

Elenca i modelli che possono rispondere ora

curl "http://localhost:3001/v1/models?execution_status=ready" \
  -H "Authorization: Bearer <unified-key>"

Chat con ChatOpenAI

In Python, imposta base_url e api_key. Il valore max_retries va al client OpenAI, che ripete gli errori 429 e 5xx con backoff esponenziale.

Python: chat e 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)

In JavaScript, metti l'URL base in configuration.baseURL. L'oggetto configuration va al client ufficiale dell'SDK OpenAI.

JavaScript: chat e 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));
}

L'intestazione x-routed-via mostra il provider e il modello che hanno risposto. Se il router ha cambiato provider, x-fallback-trail mostra ogni tentativo fallito e il motivo.

Strumenti e agenti

FreeLLMAPI passa i tools in stile OpenAI a ogni provider e restituisce i tool_calls in formato OpenAI. Per Gemini, traduce la richiesta nel formato di Google e viceversa. Usa bind_tools per una sola chiamata, oppure create_agent per un ciclo che esegue gli strumenti.

Python: bind_tools e 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);

Solo alcuni modelli gratuiti supportano le chiamate di strumenti. Con auto, mantieni nella catena di fallback i modelli che supportano le chiamate di strumenti, oppure crea un profilo per gli agenti. Questi modelli gratuiti oggi supportano gli strumenti:

Modelli gratuiti con chiamate di strumenti e contesto da 128K+
ModelloGratis suContestoLimiti gratuiti (offerta migliore)StrumentiVisione
GLM 5.3UnoRouter1M1 richieste/min
1 req/min per model
SìNo
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 richieste/min
40 RPM
SìSì
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaSìSì
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowanceSìNo
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditSìSì
Gemini 3.7 FlashGoogle AI Studio1M10 richieste/min
20 richieste/giorno
250,000 token/min
~3M
SìSì
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditSìSì
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 richieste/min
50 richieste/giorno
50 req/day account-wide (1,000 after a $10 purchase)
SìSì
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 richieste/min
50 richieste/giorno
Shared rate limit
SìNo
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 richieste/min
250 richieste/giorno
70,000 token/min
~6M
SìSì

Mostrati 10 di 109 modelli gratuiti corrispondenti. Vedi tutti i modelli.

Dati in tempo reale dal catalogo FreeLLMAPI (versione 2026.11.19, verificato il 2026-11-19). I limiti gratuiti cambiano spesso. Il catalogo viene verificato ogni giorno.

Embedding con OpenAIEmbeddings

Per impostazione predefinita, OpenAIEmbeddings in Python divide il testo con un tokenizer OpenAI e invia token. La maggior parte degli altri provider richiede testo grezzo. Imposta check_embedding_ctx_length=False per inviare testo.

Python: embedding

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: embedding

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);

Il failover degli embedding di FreeLLMAPI non cambia mai il modello. Passa solo tra provider che servono la stessa famiglia. Così tutti i vettori in un unico vector store restano compatibili. Scegli una famiglia e mantienila. I modelli di embedding gratuiti oggi sono:

ModelloProviderDimensioniInput massimoLimite gratuito
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)

Dati in tempo reale dal catalogo FreeLLMAPI (versione 2026.11.19, verificato il 2026-11-19). I limiti gratuiti cambiano spesso. Il catalogo viene verificato ogni giorno.

Output strutturato, sessioni e scelta del modello

with_structured_output restituisce un oggetto Pydantic al posto del testo. Per impostazione predefinita, LangChain usa in questo caso il function calling. Questo metodo funziona su ogni modello gratuito che supporta gli strumenti.

Python: output strutturato

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)

Non usare method="json_schema" con auto. Non tutti i provider gratuiti supportano l'output JSON schema rigoroso, e il router può scegliere un provider diverso per ogni richiesta.

FreeLLMAPI mantiene una conversazione sullo stesso modello per 30 minuti. Trova la conversazione dall'intestazione X-Session-Id. Se l'intestazione manca, usa un hash del primo messaggio utente. Per un'app di chat con molti utenti, invia un ID di sessione per ogni utente:

Python: una sessione per utente

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,
    )

Scegli la stringa del modello per ogni parte della tua app:

Attività nella tua appStringa del modelloMotivo
Risposte di chat per gli utentiautoSegue la catena che hai impostato nella dashboard
Agente con strumentiauto:<profile>Un profilo che ha solo modelli con chiamate di strumenti
Classificazione, routing, riassunti breviauto:fastOrdina i modelli in base alla velocità misurata
Passaggi di ragionamento complessiauto:smartOrdina i modelli in base all'intelligenza
Test che devono essere ripetibiliUn ID di modello fissoStesso modello ogni volta, ma si ferma al limite di quel modello

I piani gratuiti non hanno SLA. La latenza cambia durante la giornata, e i modelli più forti raggiungono per primi i limiti giornalieri. Testa le tue catene con i modelli che la catena userà davvero.

Limiti di frequenza e nuovi tentativi

FreeLLMAPI prova il provider successivo quando uno restituisce 429. Il tuo codice vede un 429 solo quando ogni chiave della catena è al limite. Allora la risposta ha un'intestazione Retry-After. Molti limiti giornalieri si reimpostano a mezzanotte UTC.

Per i job batch, aggiungi un secondo livello di nuovi tentativi con with_retry. Ripete l'intera runnable con backoff esponenziale e jitter.

Python: ripeti una catena sui limiti di frequenza

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},
)
ProblemaCausaSoluzione
openai.AuthenticationErrorChiave unificata errataCopia di nuovo la chiave dalla pagina Keys
openai.NotFoundError su ogni chiamataL'URL base non ha /v1Usa http://localhost:3001/v1
openai.RateLimitErrorTutte le chiavi della catena sono al limiteAggiungi provider, riduci max_concurrency oppure attendi Retry-After
Errore di embedding su token o tipo di inputLangChain invia token, non testoImposta check_embedding_ctx_length=False
tool_calls è vuotoIl modello non supporta gli strumentiUsa un modello dalla tabella degli strumenti o un profilo per gli strumenti
Manca il testo del ragionamentoChatOpenAI mantiene solo i campi standard OpenAILeggi la risposta in content; i campi extra del provider non vengono mantenuti
Usa ognuno di questi modelli con una sola chiave. FreeLLMAPI è un router open source self-hosted che mette tutti questi piani gratuiti dietro un unico endpoint compatibile con OpenAI e passa al successivo quando uno raggiunge il limite di frequenza. Sfoglia il catalogo oppure inizia.

Domande frequenti

Posso usare un'API LLM gratuita con LangChain?

Sì. Qualsiasi API compatibile con OpenAI funziona con ChatOpenAI. Imposta base_url su http://localhost:3001/v1 e api_key sulla tua chiave unificata di FreeLLMAPI. Il router usa i piani gratuiti dei provider.

Come imposto un base URL personalizzato in LangChain ChatOpenAI?

In Python, passa base_url a ChatOpenAI. In JavaScript, passa configuration: { baseURL } al costruttore. Anche la variabile d'ambiente OPENAI_BASE_URL funziona in Python.

Gli agenti LangChain funzionano con i modelli gratuiti?

Sì, se il modello supporta le chiamate di strumenti. Usa create_agent con un modello ChatOpenAI e mantieni nella tua catena FreeLLMAPI i modelli con chiamate di strumenti.

Perché OpenAIEmbeddings fallisce con un provider non OpenAI?

Per impostazione predefinita invia gli ID dei token. La maggior parte degli altri provider richiede testo grezzo. Imposta check_embedding_ctx_length=False in Python.

Come gestisco gli errori 429 in LangChain?

Imposta max_retries su ChatOpenAI e aggiungi with_retry alla catena per i job batch. FreeLLMAPI passa già al provider successivo prima che il tuo codice veda un 429.

Guide correlate

Fonti

Tutte le guide · Sfoglia tutti i modelli gratuiti