無料のビジョン API
ビジョン API は、LLM に画像を読み取らせます。写真の説明、レシートの読み取り、グラフの説明などを依頼できます。FreeLLMAPI カタログには、画像を受け付ける無料のモデル候補が 78 件あります。画像は標準の OpenAI 形式で送信し、ルーターがビジョンモデルを選択します。このガイドでは、各モデル、各プロバイダーのサイズ上限、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。
画像入力の仕組み
画像は、messages 配列に image_url のコンテンツブロックとして送信します。URL には、base64 のバイトを含む data: URL、または http(s) URL を指定できます。/v1/chat/completions を使用してください。/v1/responses のエンドポイントは、まだ画像を受け付けません。
- 自動ルーティング: リクエストに画像が含まれる場合、ルーターはそのリクエストにビジョンモデルのみを使用します。テキストのみのモデルは無視します。
- フェイルオーバー: 1 つのビジョンプロバイダーが上限に達すると、ルーターはチェーン内の次のビジョンモデルを試します。
- 明確なエラー: 有効なビジョンモデルがない場合、
code: "no_vision_model"を含むエラー 422 が返されます。画像が黙って破棄されることはありません。
本日の無料ビジョンモデル
この表は、本日のカタログで画像入力に対応する最も高性能な無料モデルを示します。データはライブのカタログから取得しています。1 つの行に、同じモデルを提供する複数のプロバイダーが並ぶ場合があります。
| 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 |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 リクエスト/分 1 req/min per model | はい | はい |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | はい | はい |
| Gemini Flash (latest alias) | 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 |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | はい | はい |
| Gemini 3.7 Flash | Google AI Studio | 1M | 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-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | はい | はい |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 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) | はい | はい |
| Qwen3.8 27B | ElectronHub, Groq | 262K | 30 リクエスト/分 250 リクエスト/日 70,000 トークン/分 ~6M | はい | はい |
| Gemini 3.6 Flash | Google AI Studio | 1M | 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 |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | はい | はい |
| Gemini 3.5 Flash | Google AI Studio | 1M | 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 |
| Gemini 3.8 Live | 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 |
| 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 |
| Moondream 3.1 9B A2B | Cloudflare Workers AI, Moondream | 33K | ~10-20M | いいえ | はい |
| Moondream 3 Preview | Moondream | - | $5/month shared workspace usage credits | いいえ | はい |
一致する無料モデル 67 件のうち 15 件を表示しています。 すべてのモデルを見る.
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。
Gemini のモデルは、最大のコンテキストを提供し、多数の画像を受け付けます。Groq と Cloudflare の Qwen 3.8 27B は、Google 以外で速い選択肢です。Moondream は画像タスク向けに作られていますが、出力は 4,096 トークンまでに制限されています。
手順 1: FreeLLMAPI をインストールしてキーを追加する
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保存されたままです。
インストール(macOS または Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 のダッシュボードを開きます。Keys ページで、Google AI Studio のキーと、もう 1 つのキーを追加します。Fallback Chain ページでは、ビジョンモデルに Vision のバッジが付いています。少なくとも 1 つが有効になっていることを確認してください。Keys ページから統合キーをコピーします。
手順 2: 画像を送信する
curl: URL の画像
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "auto",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "Describe this image in two sentences."},
{"type": "image_url", "image_url": {"url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}}
]
}]
}'Python: base64 としてのローカルファイル
import base64
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("receipt.jpg", "rb") as fh:
b64 = base64.b64encode(fh.read()).decode()
resp = client.chat.completions.with_raw_response.create(
model="auto", # the router selects a vision model
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "List each item and price on this receipt as JSON."},
{"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
],
}],
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)data URL には正しい MIME タイプを使用してください。例: image/png または image/jpeg。複数の画像を送信するには、同じメッセージに image_url のブロックを追加します。
プロバイダーごとの画像の上限
| プロバイダー | 上限(公式) | 対処 |
|---|---|---|
| Google Gemini | インラインの画像を含む、リクエストの合計サイズ: 20 MB。形式: PNG、JPEG、WEBP、HEIC、HEIF | 送信する前に、大きい写真を小さくしてください |
| Google Gemini | 384x384 ピクセル以下の画像は 258 トークンです。より大きい画像は、768x768 のタイルに分割され、タイルごとに 258 トークンです | 960x540 の画像は 6 タイルを使い、約 1,548 トークンです |
| Groq(Qwen 3.8 27B) | リクエストごとに最大 3 枚の画像。画像 URL を含むリクエストは最大 20 MB | Groq のモデルには、最大 3 枚の画像を送信する |
| Moondream | base64 の data URL のみ。リモートの画像 URL は対応していません | リンクではなく、画像のバイトを送信する |
画像のトークンは、無料枠の 1 分あたりのトークン数の上限に含まれます。大きい画像を 5 枚含むリクエストは、小規模なプロバイダーの上限を超える場合があります。細部が不要な場合は、画像を小さくしてください。例えば、長辺を 1024 ピクセルにします。
画像タスクに有効なプロンプト
- リクエストごとに 1 つのタスク: 画像について、明確な質問を 1 つしてください。1 つのプロンプトに複数の質問を入れると、回答は短く、正確さが下がります。
- 構造化された出力: レシートやフォームでは、必要なフィールドを指定してください。例えば、
item、price、totalです。JSON のみを出力するよう依頼してください。 - 読み取れない値: 値を読み取れない場合は、モデルに
nullと書くよう指示してください。そうすれば、推測されません。 - 先に切り抜く: 画像を必要な部分に切り抜いてください。画像が小さいほど、使用するトークンが少なくなり、細部が良くなります。
- 安定した回答: 抽出タスクでは、
temperatureを 0 に設定してください。 - 数値を確認する: 合計金額と日付を画像と照合してください。ビジョンモデルは、小さい文字や似た数字を誤読することがあります。
トラブルシューティング
| 問題 | 原因 | 対処 |
|---|---|---|
エラー 422 no_vision_model | チェーンに有効なビジョンモデルがない | Fallback Chain ページで、Vision のバッジが付いたモデルを有効にする |
| モデルが画像を見えないと答える | リクエストが /v1/responses に送信された | /v1/chat/completions を使用する |
| リモート URL でエラー 400 | プロバイダーがその URL をダウンロードできない | 画像を base64 の data URL として送信する |
| 大きいファイルでエラー 413 または 400 | 画像またはリクエストが大きすぎる | 画像を小さくするか、送信する画像を減らす |
| 画像のリクエストでエラー 429 | 画像のトークンが 1 分あたりのトークン数の上限を使い切った | 画像を小さくするか、より多くのビジョンプロバイダーのキーを追加する |
よくある質問
無料のビジョン API はありますか?
はい。Google AI Studio、Groq、Cloudflare、NVIDIA、OpenRouter などのプロバイダーが、画像入力に対応する無料モデルを提供しています。FreeLLMAPI は、1 つの OpenAI 互換キーの背後に、78 件の無料ビジョンモデルの候補を用意しています。
無料の LLM API に画像を送信するには?
ユーザーメッセージに image_url のコンテンツブロックを追加します。base64 の data URL または https URL を使用し、/v1/chat/completions に送信してください。
画像は何トークンを使いますか?
Gemini では、384x384 ピクセル以下の画像は 258 トークンを使います。より大きい画像は 768x768 のタイルに分割され、タイルごとに 258 トークンを使います。
1 回のリクエストで複数の画像を送信できますか?
はい。メッセージに image_url のブロックを追加してください。枚数を制限するプロバイダーもあります。例えば、Groq では Qwen 3.8 27B で、リクエストごとに 3 枚まで許可されています。
ドキュメントの読み取りに最適な無料ビジョンモデルはどれですか?
レシート、グラフ、スキャンされたページには、Gemini のモデルを使用してください。大きいコンテキストウィンドウを持ち、多数の画像を受け付けます。ビジョンモデルは小さい文字を誤読することがあるため、数値は画像と照合して確認してください。
関連ガイド
出典
- FreeLLMAPI docs: Vision and image input (確認日 20 November 2026)
- Google AI Studio docs: Image understanding (確認日 20 November 2026)
- Groq docs: Vision (確認日 20 November 2026)
- Moondream OpenAI-compatible API docs (確認日 20 November 2026)