API gratuita per modelli di ragionamento
Un modello di ragionamento riflette prima di rispondere. Scrive passaggi nascosti o visibili, poi dà la risposta finale. Questo aiuta in matematica, logica, pianificazione e nel codice difficile. Diversi provider offrono gratis i modelli di ragionamento. Questa guida li elenca, spiega il costo dei token di ragionamento e fornisce codice funzionante.
Codice, nomi dei modelli ed etichette del catalogo in tempo reale sono mostrati in inglese.
Modelli di ragionamento gratuiti oggi
La tabella elenca i modelli gratuiti con il ragionamento nel nome, per esempio GPT-OSS, R1, QwQ, Thinking, Reasoning e Magistral. I dati provengono dal catalogo attivo. Molti altri modelli, come Gemini Flash, ragionano anche, ma il loro nome non lo mostra.
| Modello | Gratis su | Contesto | Limiti gratuiti (offerta migliore) | Strumenti | Visione |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 richieste/min 20 richieste/giorno 250,000 token/min ~3M | Sì | Sì |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 altri | 131K | 30 richieste/min 1,000 richieste/giorno 8,000 token/min 200,000 token/giorno ~6M | Sì | No |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 altri | 131K | 30 richieste/min 1,000 richieste/giorno 8,000 token/min 200,000 token/giorno ~6M | Sì | No |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 richieste/min 1,000 richieste/giorno 8,000 token/min 200,000 token/giorno ~6M | Sì | No |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | No | No |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | No | No |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 richieste/giorno Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | No | No |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 richieste/min 5,000 richieste/giorno 500,000 token/giorno 500K tokens/day · 5,000 req/day | No | No |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 richieste/giorno Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | No | No |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | Sì | No |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 richieste/giorno 200 rpd | No | Sì |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 richieste/min 40 RPM | No | Sì |
| Command A Reasoning | Cohere | 256K | 20 richieste/min 33 richieste/giorno ~1-2M | Sì | No |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 richieste/min 50 richieste/giorno 50 req/day account-wide (1,000 after a $10 purchase) | No | No |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | Sì | Sì |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 richieste/min 5,000 richieste/giorno 500,000 token/giorno 500K tokens/day · 5,000 req/day | No | No |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | Sì | No |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | Sì | No |
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.
GPT-OSS 120B è offerto gratis da diversi provider, quindi il failover ha molte opzioni. QwQ 32B e DeepSeek R1 Distill Qwen 32B girano su Cloudflare Workers AI. I modelli Qwen3 Thinking hanno un contesto di 262K token su ModelScope.
I token di ragionamento usano il tuo budget di output
Questo è il problema più comune con i modelli di ragionamento. Il modello scrive prima il suo ragionamento. Questi token di ragionamento contano nel limite di output, come la risposta.
- Google afferma: il limite di output su Gemini include i token di pensiero. Se il modello raggiunge il limite mentre ragiona, l'output può essere tagliato o vuoto. I token di ragionamento vengono comunque conteggiati.
- Groq afferma: il valore predefinito di 1,024 token di completamento può essere troppo basso per un ragionamento complesso.
- Limiti gratuiti: i token di ragionamento contano anche nei limiti di token al minuto e al giorno. Una risposta di ragionamento può usare molti più token di una risposta diretta alla stessa domanda.
max_tokens piccolo su un modello di ragionamento. Parti da 4,000 o più. Se finish_reason è length e il contenuto è vuoto, il modello ha usato tutto il budget per ragionare.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 | bashApri la dashboard su http://localhost:3001. Aggiungi le chiavi di Groq, Cloudflare e Google AI Studio nella pagina Keys. Ognuno offre modelli di ragionamento gratuiti. Copia la tua chiave unificata dalla stessa pagina.
Passo 2: chiama un modello di ragionamento
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: verifica una risposta tagliata e rimuovi il testo del ragionamento
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")Alcuni provider restituiscono il ragionamento dentro i tag <think> nel contenuto. Altri lo nascondono, oppure lo restituiscono in un campo separato. Rimuovi i tag prima di mostrare la risposta agli utenti.
Controlla la quantità di ragionamento
I provider hanno impostazioni proprie per la lunghezza del ragionamento. Groq accetta reasoning_effort con low, medium o high sui modelli GPT-OSS. I modelli Gemini 3 usano un'impostazione thinking_level. La documentazione di FreeLLMAPI non descrive come questi campi passano dal gateway, quindi provali prima sulla tua installazione.
L'endpoint Gemini nativo di FreeLLMAPI, /v1beta/models/{model}:generateContent, traduce i budget di ragionamento. Usalo se ti serve il controllo del ragionamento di Gemini.
| Compito | Usare un modello di ragionamento? | Perché |
|---|---|---|
| Matematica, enigmi logici, pianificazione | Sì | Il ragionamento passo dopo passo riduce gli errori |
| Bug difficili e progettazione di algoritmi | Sì | Il modello verifica i propri passaggi |
| Chat, risposte brevi, traduzione | No | Il ragionamento aggiunge tempo e token con un guadagno ridotto |
| Agenti con molte chiamate a strumenti | A volte | Ogni ciclo paga di nuovo il costo del ragionamento |
Prompt e routing per compiti di ragionamento
- Indica l'obiettivo e le regole: inserisci nel prompt tutti i fatti, i limiti e il risultato atteso. Un modello di ragionamento non può chiederti i fatti mancanti mentre ragiona.
- Imposta il formato della risposta: chiedi la risposta finale in una forma fissa, per esempio un numero o un oggetto JSON. Così il tuo codice può leggerla senza il testo del ragionamento.
- Fornisci casi di test: per il codice, aggiungi input e output di esempio. Il modello può confrontare la sua risposta con questi.
- Instrada per compito: usa
model: "auto:smart"per classificare i modelli per intelligenza nei compiti difficili. Usaauto:fastper i compiti facili, così non paghi il costo del ragionamento. - Una domanda difficile per ogni richiesta: più domande difficili in una sola richiesta condividono un solo budget di output. Dividile in richieste separate.
Le strategie auto:* classificano ogni modello attivo e ignorano l'ordine della tua catena. Per usare solo modelli di ragionamento nelle richieste di ragionamento, fissa un id di modello. Puoi anche creare una catena di fallback con nome con solo modelli di ragionamento. Poi richiamala con auto:<profile-name>.
Risoluzione dei problemi
| Problema | Causa | Soluzione |
|---|---|---|
Contenuto vuoto, finish_reason: "length" | Il ragionamento ha usato tutto il budget di output | Aumenta max_tokens a 4,000 o più |
Testo <think> nella risposta | Il provider restituisce il ragionamento visibile | Rimuovi i tag nel tuo codice |
| Spiegazione lunga per una domanda breve | Alcuni modelli di ragionamento spiegano il loro processo di pensiero | Chiedi "solo la risposta finale", oppure usa un modello senza ragionamento |
| Errore 429 dopo poche richieste | I token di ragionamento hanno usato il limite di token al minuto | Aggiungi altre chiavi di provider, oppure usa il ragionamento solo per i compiti difficili |
| Risposte lente | Il modello scrive molti token di ragionamento | Usa auto:fast per i compiti semplici |
Domande frequenti
Esiste un'API gratuita per modelli di ragionamento?
Sì. Groq, Cloudflare, NVIDIA, OVH, OpenRouter e altri provider offrono gratis modelli di ragionamento, come GPT-OSS 120B, QwQ 32B e DeepSeek R1 Distill. FreeLLMAPI li raggruppa dietro una sola chiave compatibile con OpenAI.
I token di ragionamento contano come token di output?
Sì. Google afferma che il limite di output di Gemini include i token di pensiero, e che i token di ragionamento vengono conteggiati. Sui piani gratuiti usano anche il tuo limite di token al minuto.
Perché il mio modello di ragionamento restituisce una risposta vuota?
Il modello ha usato tutto il budget di max_tokens per ragionare, quindi non sono rimasti token per la risposta. Aumenta max_tokens a 4,000 o più.
DeepSeek R1 è gratis tramite un'API?
DeepSeek R1 Distill Qwen 32B è nel catalogo gratuito di Cloudflare Workers AI. La tabella di questa pagina mostra i provider che oggi lo offrono.
Qual è il modello di ragionamento gratuito migliore?
GPT-OSS 120B è una buona scelta predefinita, perché diversi provider lo offrono gratis. Usa la tabella di questa pagina, che ordina i modelli per posizione di intelligenza dal catalogo attivo.
Guide correlate
- free gpt oss api
- free deepseek api
- free qwen api
- Migliori API gratuite per modelli di codice
- Rate limit delle Free LLM API
Fonti
- FreeLLMAPI docs: Routing strategies and native Gemini API (verificato il 20 November 2026)
- Google AI Studio docs: Thinking (verificato il 20 November 2026)
- Gemini Developer API pricing (verificato il 20 November 2026)
- Groq docs: Reasoning (verificato il 20 November 2026)