Home / Guide / API LLM gratuita con contesto da 1 milione di token

API LLM gratuita con contesto da 1 milione di token

Una finestra di contesto lunga permette a un modello di leggere un libro intero, una grande base di codice o ore di trascrizioni in una sola richiesta. Il catalogo FreeLLMAPI contiene 56 offerte di modelli gratuiti con una finestra di contesto da 1 milione di token o più. Questa guida mostra questi modelli e i limiti dei piani gratuiti che decidono quanto puoi davvero inviare.

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

Modelli gratuiti con contesto da 1M+ token oggi

La tabella elenca i modelli gratuiti con una finestra di contesto di almeno 1,000,000 di token, dal più grande. I dati provengono dal catalogo attivo. Controlla anche la colonna "Limiti gratuiti", oltre alla dimensione del contesto.

Modelli gratuiti con contesto da 1M+ token, dal più grande
ModelloGratis suContestoLimiti gratuiti (offerta migliore)StrumentiVisione
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsNoNo
Gemini 3.8 FlashAPINex, Google AI Studio1M5 richieste/min
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
SìSì
Gemini 3.7 FlashGoogle AI Studio1M10 richieste/min
20 richieste/giorno
250,000 token/min
~3M
SìSì
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 richieste/min
50 richieste/giorno
Shared rate limit
SìNo
DeepSeek V4 Flash 0731Router91M10,000 credits/month (~$1), shared; account-anniversary resetNoNo
Gemini 3.6 FlashGoogle AI Studio1M10 richieste/min
20 richieste/giorno
250,000 token/min
~3M
SìSì
GLM 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetNoNo
Gemini 3.5 FlashGoogle AI Studio1M10 richieste/min
20 richieste/giorno
250,000 token/min
~3M
SìSì
DeepSeek V4 ProAPINex, Router91M5 richieste/min
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
NoNo
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 altri1M200 richieste/giorno
200 rpd
SìNo
Gemini 3.5 Flash LiteElectronHub, Google AI Studio1M15 richieste/min
20 richieste/giorno
250,000 token/min
~3M
SìSì
Gemini 3 Flash PreviewGoogle AI Studio1M10 richieste/min
20 richieste/giorno
250,000 token/min
~3M
SìSì
Gemini 3.1 Flash-LiteDreamPrompting, Google AI Studio1M100 richieste/min
5,000 richieste/giorno
500,000 token/giorno
500K tokens/day · 5,000 req/day
SìSì
Gemini 2.5 FlashDreamPrompting, ElectronHub, Google AI Studio1M100 richieste/min
5,000 richieste/giorno
500,000 token/giorno
500K tokens/day · 5,000 req/day
SìSì
Nemotron 3.5 LightningElectronHub, Gizmo, Kilo Gateway +2 altri1M20 richieste/min
50 richieste/giorno
50 req/day account-wide (1,000 after a $10 purchase)
SìNo

Mostrati 15 di 33 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.

I modelli Gemini Flash di Google AI Studio sono i modelli gratuiti da 1M token più noti. Accettano anche immagini e chiamate a strumenti. Le altre righe provengono da router gratuiti e da NVIDIA.

Il limite reale: token al minuto

La finestra di contesto è il prompt più grande che il modello può leggere. Il piano gratuito ha anche un limite di token al minuto (TPM). Su molti piani gratuiti, il limite TPM è più piccolo della finestra di contesto.

  • Esempio: una chiave gratuita di Gemini Flash in tabella consente 250,000 token al minuto. Un prompt di 800,000 token rientra nella finestra di contesto, ma supera il limite TPM. Il provider invia l'errore 429.
  • Richieste al giorno: alcuni modelli Gemini gratuiti consentono solo circa 20 richieste al giorno. Usa i prompt lunghi solo per i compiti che li richiedono.
  • L'output è separato: la risposta ha una lunghezza massima propria. Un contesto da 1M token non dà una risposta da 1M token.

Quindi, in pratica, un modello gratuito con contesto da 1M può leggere alcune centinaia di migliaia di token in una richiesta. Misura il prompt prima di inviarlo.

Passo 1: installa FreeLLMAPI e aggiungi le chiavi

FreeLLMAPI è open source. Gira sul tuo computer in Docker. Le chiavi dei tuoi provider restano sul tuo computer.

Installa (macOS o Linux)

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

Apri la dashboard su http://localhost:3001. Aggiungi una chiave di Google AI Studio nella pagina Keys. Aggiungi anche chiavi di altri provider della tabella, così il router ha un altro modello a contesto lungo quando Google invia un errore 429. Copia la tua chiave unificata dalla stessa pagina.

Passo 2: conta i token, poi invia un documento lungo

FreeLLMAPI offre il metodo nativo countTokens di Gemini. Usalo per misurare il prompt prima di inviarlo.

curl: conta i token con l'endpoint nativo di Gemini

curl "http://localhost:3001/v1beta/models/gemini-2.5-flash:countTokens" \
  -H "x-goog-api-key: <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"contents": [{"role": "user", "parts": [{"text": "Paste the long text here"}]}]}'

Python: invia un file lungo a un modello da 1M di contesto

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>", timeout=300)

doc = open("annual-report.txt", encoding="utf-8").read()
print("about", len(doc) // 4, "tokens")  # rough rule for English text

resp = client.chat.completions.with_raw_response.create(
    model="gemini-2.5-flash",  # pin a 1M-context model; "auto" can pick a smaller one
    messages=[
        {"role": "system", "content": "Answer only from the document. Quote the section you use."},
        {"role": "user", "content": doc + "\n\nQuestion: What are the three largest risks?"},
    ],
    max_tokens=4000,
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

Fissa un modello a contesto lungo tramite il suo id. Con model: "auto", il router può scegliere un modello con una finestra di contesto più piccola. Imposta un timeout lungo nel client, perché i prompt grandi richiedono tempo per essere letti.

Contesto lungo o RAG?

Usa il contesto lungo quandoUsa la RAG quando
Il documento viene letto una volta, per esempio un contratto o un reportFai molte domande sugli stessi dati grandi
La risposta richiede il testo completo, per esempio un riassunto o un confronto di sezioniLa risposta si trova in pochi brani brevi
Il testo è più piccolo del limite TPM della tua chiave gratuitaI dati sono più grandi di qualsiasi finestra di contesto o limite TPM gratuito
Ti serve che il modello veda l'ordine e la struttura del testoTi serve mantenere ogni richiesta piccola e veloce

La RAG invia con ogni domanda solo le parti pertinenti dei dati. Usa meno token sui piani gratuiti. Leggi Free LLM API per RAG e Free embeddings API per configurarla.

Insidie e risoluzione dei problemi

  • Dettagli persi: i modelli possono perdere fatti a metà di un prompt molto lungo. Metti la domanda dopo il documento, e chiedi al modello di citare la sua fonte.
  • Token di ragionamento: i modelli Gemini Flash possono usare token di ragionamento nascosti dal budget di output. Non impostare un max_tokens molto piccolo.
  • File PDF: FreeLLMAPI non converte i file PDF, DOCX o XLSX. Un allegato binario restituisce l'errore 400. Estrai prima il testo, poi invia il testo.
  • Pulisci il testo: rimuovi intestazioni e piè di pagina delle pagine e gli indici ripetuti prima di inviare un documento. Consumano token e non aggiungono fatti.
  • Prompt ripetuti: ogni richiesta invia di nuovo il documento intero. Quando puoi, fai più domande in una sola richiesta.
ProblemaCausaSoluzione
Errore 429 sulla prima richiesta lungaIl prompt è più grande del limite TPMRiduci il prompt, oppure usa la RAG
Errore 400 sulla lunghezza del contestoLa richiesta è finita su un modello con una finestra più piccolaFissa un id di modello dalla tabella
Risposta vuota o tagliatamax_tokens è troppo piccolo, oppure il ragionamento lo ha usatoImposta un max_tokens più grande
TimeoutIl modello ha bisogno di tempo per leggere il promptImposta un timeout del client di 300 secondi o più
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

Esiste un'API LLM gratuita con contesto da 1 milione di token?

Sì. I modelli Gemini Flash del piano gratuito di Google AI Studio hanno una finestra di contesto di circa 1 milione di token. Il catalogo FreeLLMAPI contiene 56 offerte di modelli gratuiti con 1M token o più.

Posso inviare 1 milione di token gratis in una sola richiesta?

Di solito no. Il piano gratuito di Gemini nel catalogo consente 250,000 token al minuto, quindi un prompt più grande riceve l'errore 429. Prevedi qualche centinaio di migliaia di token per ogni richiesta.

Come conto i token prima di inviare un prompt?

Chiama il metodo nativo countTokens di Gemini tramite FreeLLMAPI su /v1beta/models/{model}:countTokens. Per il testo inglese, circa 4 caratteri formano un token.

Quale LLM gratuito ha la finestra di contesto più grande?

La tabella di questa pagina ordina i modelli gratuiti per dimensione del contesto, dal più grande. Diversi modelli gratuiti arrivano a circa 1 milione di token. Leggi anche la colonna dei limiti gratuiti, perché il limite TPM decide la dimensione reale di una richiesta.

Il contesto lungo è meglio della RAG?

Il contesto lungo è meglio per un documento che leggi una volta. La RAG è meglio per molte domande su dati grandi, perché ogni volta invia meno token.

Guide correlate

Fonti

Tutte le guide · Sfoglia tutti i modelli gratuiti