ホーム / ガイド / 無料の推論モデルAPI

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。

無料の推論モデル(強いものが先)
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 ThinkingGoogle 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 20BApi.Airforce, Cloudflare Workers AI, Groq ほか 5 件131K30 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 120BCloudflare Workers AI, ElectronHub, Groq ほか 2 件131K30 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 20BGroq, LLMTR131K30 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 20BElectronHub128K$0.25/week shared free creditsいいえいいえ
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditいいえいいえ
Qwen3 235B A22B Thinking 2507ModelScope262K200 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)DreamPrompting131K100 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 ThinkingModelScope262K200 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 32BCloudflare Workers AI131K~10-20Mはいいいえ
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 リクエスト/日
200 rpd
いいえはい
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 リクエスト/分
40 RPM
いいえはい
Command A ReasoningCohere256K20 リクエスト/分
33 リクエスト/日
~1-2M
はいいいえ
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 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 OmniElectronHub256K$0.25/week shared recurring creditはいはい
GPT-OSS 20B (via Groq)DreamPrompting131K100 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 32BCloudflare Workers AI131K~3-5Mはいいいえ
R1 Distill Qwen 32BElectronHub131K$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。
ルール: 推論モデルに小さい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 | bash

http://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
これらすべてを 1 つのキーで利用できます。 FreeLLMAPI は、オープンソースのセルフホスト型ルーターです。これらの無料枠すべてを 1 つの OpenAI 互換エンドポイントの背後にまとめ、レート制限に達した場合は自動的に別のプロバイダーへ切り替えます。 カタログを見る または 公開.

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

すべてのガイド · 無料モデルをすべて見る