無料の推論モデルAPI
推論モデルは、回答する前に考えます。非表示または表示されるステップを書き、その後に最終回答を返します。これは、数学、論理、計画、難しいコードに役立ちます。複数のプロバイダーが、推論モデルを無料で提供しています。このガイドでは、それらを示し、思考トークンのコストを説明し、動作するコードを示します。
コード、モデル名、ライブのカタログラベルは英語で表示します。
現在の無料の推論モデル
この表には、名前に推論を示す語を含む無料モデルを掲載しています。例えば、GPT-OSS、R1、QwQ、Thinking、Reasoning、Magistralです。データはライブのカタログから取得しています。Gemini Flashなど、ほかの多くのモデルも思考しますが、名前にはそれが示されていません。
| モデル | 無料で利用可能 | コンテキスト | 無料枠の上限(最良の条件) | ツール | 画像入力 |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 リクエスト/分 20 リクエスト/日 250,000 トークン/分 ~3M | はい | はい |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq ほか 5 件 | 131K | 30 リクエスト/分 1,000 リクエスト/日 8,000 トークン/分 200,000 トークン/日 ~6M | はい | いいえ |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq ほか 2 件 | 131K | 30 リクエスト/分 1,000 リクエスト/日 8,000 トークン/分 200,000 トークン/日 ~6M | はい | いいえ |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 リクエスト/分 1,000 リクエスト/日 8,000 トークン/分 200,000 トークン/日 ~6M | はい | いいえ |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | いいえ | いいえ |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | いいえ | いいえ |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 リクエスト/日 Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | いいえ | いいえ |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 リクエスト/分 5,000 リクエスト/日 500,000 トークン/日 500K tokens/day · 5,000 req/day | いいえ | いいえ |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 リクエスト/日 Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | いいえ | いいえ |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | はい | いいえ |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 リクエスト/日 200 rpd | いいえ | はい |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 リクエスト/分 40 RPM | いいえ | はい |
| Command A Reasoning | Cohere | 256K | 20 リクエスト/分 33 リクエスト/日 ~1-2M | はい | いいえ |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 リクエスト/分 50 リクエスト/日 50 req/day account-wide (1,000 after a $10 purchase) | いいえ | いいえ |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | はい | はい |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 リクエスト/分 5,000 リクエスト/日 500,000 トークン/日 500K tokens/day · 5,000 req/day | いいえ | いいえ |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | はい | いいえ |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | はい | いいえ |
FreeLLMAPI カタログのライブデータ(バージョン 2026.11.19、確認日 2026-11-19)。無料枠の上限は頻繁に変わります。カタログは毎日確認されます。
GPT-OSS 120Bは、複数のプロバイダーが無料で提供しているため、フェイルオーバーの選択肢が多くあります。QwQ 32BとDeepSeek R1 Distill Qwen 32Bは、Cloudflare Workers AIで動作します。Qwen3 Thinkingモデルは、ModelScopeで262Kトークンのコンテキストを持ちます。
思考トークンは出力の予算を使う
これは、推論モデルで最も一般的な問題です。モデルは、まず思考を書きます。これらの思考トークンは、回答と同様に出力の上限に含まれます。
- Googleの説明: Geminiの出力の上限には、思考トークンが含まれます。モデルが思考中に上限に達すると、出力が切れるか、空になることがあります。思考トークンも引き続き数えられます。
- Groqの説明: 既定の1,024の完了トークンは、複雑な推論には少なすぎることがあります。
- 無料の制限: 思考トークンは、毎分のトークン数と1日のトークン数の制限にも数えられます。同じ質問に対して、推論の回答は直接の回答よりはるかに多くのトークンを使うことがあります。
max_tokensを設定しないでください。4,000以上から始めてください。finish_reasonがlengthで、内容が空の場合、モデルは思考にすべての予算を使いました。手順1: FreeLLMAPIをインストールし、キーを追加する
FreeLLMAPIはオープンソースです。Dockerでお使いのコンピューター上で動作します。プロバイダーのキーは、お使いのコンピューターに残ります。
インストール(macOSまたはLinux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001でダッシュボードを開いてください。Keysページに、Groq、Cloudflare、Google AI Studioのキーを追加してください。それぞれが無料の推論モデルを提供します。同じページから統合キーをコピーしてください。
手順2: 推論モデルを呼び出す
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: 途中で切れた回答を確認し、思考のテキストを削除する
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")一部のプロバイダーは、内容の中の<think>タグ内に思考を返します。ほかのプロバイダーは、思考を隠すか、別のフィールドで返します。回答をユーザーに表示する前に、タグを削除してください。
思考の量を制御する
プロバイダーには、思考の長さに関する独自の設定があります。Groqは、GPT-OSSモデルでreasoning_effortを受け付けます。値はlow、medium、highです。Gemini 3モデルは、thinking_levelの設定を使います。FreeLLMAPIのドキュメントには、これらのフィールドがゲートウェイをどのように通過するかは記載されていないため、最初にお使いの環境でテストしてください。
FreeLLMAPIのネイティブのGeminiエンドポイント/v1beta/models/{model}:generateContentは、思考の予算を変換します。Geminiの思考を制御する必要がある場合に使ってください。
| タスク | 推論モデルを使いますか? | 理由 |
|---|---|---|
| 数学、論理パズル、計画 | はい | ステップごとの思考は、誤りを減らします |
| 難しいバグとアルゴリズムの設計 | はい | モデルは、自身のステップを確認します |
| チャット、短い回答、翻訳 | いいえ | 思考は、わずかな効果のために時間とトークンを追加します |
| 多数のツール呼び出しを行うエージェント | 場合による | 各ラウンドで、思考のコストが再び発生します |
推論タスクのプロンプトとルーティング
- 目的とルールを示す: すべての事実、制限、期待される結果を、プロンプトに記載してください。推論モデルは、思考中に不足している事実をあなたに尋ねることはできません。
- 回答の形式を設定する: 最終回答を固定の形式で求めてください。例えば、1つの数値やJSONオブジェクトです。そうすれば、コードは思考のテキストなしで回答を読み取れます。
- テストケースを与える: コードの場合は、入力と出力の例を追加してください。モデルは、それらに対して回答を確認できます。
- タスクごとにルーティングする: 難しいタスクには、
model: "auto:smart"を使って、知能の順位でモデルをランク付けしてください。簡単なタスクにはauto:fastを使い、思考のコストを払わないようにしてください。 - リクエストごとに難しい質問を1つにする: 1つのリクエストにある複数の難しい質問は、1つの出力の予算を共有します。それぞれを別のリクエストに分けてください。
auto:*戦略は、有効なすべてのモデルをランク付けし、チェーンの順序を無視します。推論のリクエストを推論モデルだけに保つには、モデルIDを固定してください。推論モデルだけを含む、名前付きのフォールバックチェーンを作成することもできます。その後、auto:<profile-name>で呼び出してください。
トラブルシューティング
| 問題 | 原因 | 対処 |
|---|---|---|
内容が空で、finish_reason: "length" | 思考が出力の予算をすべて使いました | max_tokensを4,000以上に上げてください |
回答内の<think>のテキスト | プロバイダーが、表示される思考を返しています | コードでタグを削除してください |
| 短い質問に対する長い説明 | 一部の推論モデルは、思考の過程を説明します | "最終回答のみ"を求めるか、推論しないモデルを使ってください |
| 数回のリクエストの後にエラー429が出ます | 思考トークンが、毎分のトークン数の制限を使いました | プロバイダーのキーを追加するか、難しいタスクにだけ推論を使ってください |
| 回答が遅いです | モデルが多くの思考トークンを書きます | 簡単なタスクにはauto:fastを使ってください |
よくある質問
無料の推論モデルAPIはありますか?
はい。Groq、Cloudflare、NVIDIA、OVH、OpenRouterなどのプロバイダーが、GPT-OSS 120B、QwQ 32B、DeepSeek R1 Distillなどの推論モデルを無料で提供しています。FreeLLMAPIは、それらを1つのOpenAI互換キーの背後にまとめます。
思考トークンは、出力トークンとして数えられますか?
はい。Googleは、Geminiの出力の上限には思考トークンが含まれ、思考トークンも数えられると説明しています。無料ティアでは、思考トークンは毎分のトークン数の制限も使います。
推論モデルが空の回答を返すのはなぜですか?
モデルが思考に、max_tokensの予算をすべて使ったため、回答に使えるトークンが残りませんでした。max_tokensを4,000以上に上げてください。
DeepSeek R1は、APIを通じて無料で使えますか?
DeepSeek R1 Distill Qwen 32Bは、Cloudflare Workers AIの無料のカタログにあります。このページの表には、現在これを提供しているプロバイダーを示しています。
どの無料の推論モデルが最適ですか?
GPT-OSS 120Bは、複数のプロバイダーが無料で提供しているため、良い既定値です。このページの表を使ってください。この表では、ライブのカタログから知能の順位でモデルを並べています。
関連ガイド
出典
- FreeLLMAPI docs: Routing strategies and native Gemini API (確認日 20 November 2026)
- Google AI Studio docs: Thinking (確認日 20 November 2026)
- Gemini Developer API pricing (確認日 20 November 2026)
- Groq docs: Reasoning (確認日 20 November 2026)