സൗജന്യ LLM API-യോടെ OpenCode ഉപയോഗിക്കുക
OpenCode ടെർമിനലിനും ഡെസ്ക്ടോപ്പിനുമുള്ള ഒരു open-source coding ഏജന്റ് ആണ്. ഏത് OpenAI-compatible provider-ഉം ഇത് സ്വീകരിക്കുന്നു. ഈ ഗൈഡ് OpenCode-നെ FreeLLMAPI വഴി സൗജന്യ മോഡലുകളുമായി ബന്ധിപ്പിക്കുന്നു. ഒരു command config എഴുതുകയും കീ സംഭരിക്കുകയും ചെയ്യുന്നു.
കോഡ്, മോഡൽ പേരുകളും തത്സമയ കാറ്റലോഗ് ലേബലുകളും ഇംഗ്ലീഷിൽ കാണിക്കുന്നു.
ഘട്ടം 1: FreeLLMAPI ഇൻസ്റ്റാൾ ചെയ്യുക
FreeLLMAPI ഒരു open-source gateway ആണ്. ഇത് Docker-ൽ നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ പ്രവർത്തിക്കുകയും ഒരു കീയ്ക്ക് പിന്നിൽ 45 providers-ന്റെ സൗജന്യ ടിയറുകൾ ചേർക്കുകയും ചെയ്യുന്നു.
macOS അല്ലെങ്കിൽ Linux-ൽ ഇൻസ്റ്റാൾ ചെയ്യുക
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 തുറക്കുക. Keys പേജിൽ കുറഞ്ഞത് രണ്ട് സൗജന്യ provider കീകൾ ചേർക്കുക. Google AI Studio ഉം Groq ഉം ഓരോന്നും ഏതാനും മിനിറ്റുകൾക്കുള്ളിൽ ഒരു സൗജന്യ കീ നൽകുന്നു. അതേ പേജിൽ നിന്ന് നിങ്ങളുടെ ഏകീകൃത കീ പകർത്തുക.
ഘട്ടം 2: ഒരു command ഉപയോഗിച്ച് OpenCode ബന്ധിപ്പിക്കുക
ഒരു command
npx freellmapi setup-opencode --url http://localhost:3001 --api-key <unified-key> --dry-run
npx freellmapi setup-opencode --url http://localhost:3001 --api-key <unified-key>
opencodeഈ command മൂന്ന് കാര്യങ്ങൾ ചെയ്യുന്നു:
- ഇത്
freellmapiprovider-നെ~/.config/opencode/opencode.json-ലേക്ക് ചേർക്കുന്നു. provider നിങ്ങളുടെ live catalog-ലെ മോഡലുകളെ അവയുടെ context പരിധികളോടെ പട്ടികപ്പെടുത്തുന്നു. - ഇത്
freellmapi/autoസ്ഥിര മോഡലായി സജ്ജമാക്കുന്നു. - ഇത് കീ OpenCode-ന്റെ credential ഫയലിൽ,
~/.local/share/opencode/auth.json-ൽ സംഭരിക്കുന്നു. CLI-യിലോ ഡെസ്ക്ടോപ്പ് ആപ്പിലോ നിങ്ങൾക്ക് environment variable ആവശ്യമില്ല.
command എഴുതുന്നതിന് മുമ്പ് ഒരു ബാക്കപ്പ് ഉണ്ടാക്കുന്നു. ഇത് പുതിയ provider ലയിപ്പിക്കുന്നു, അതിനാൽ നിങ്ങളുടെ മറ്റ് providers തുടരുന്നു. XDG_CONFIG_HOME അല്ലെങ്കിൽ XDG_DATA_HOME സജ്ജമാക്കിയിട്ടുണ്ടെങ്കിൽ, command ആ ഫോൾഡറുകൾ ഉപയോഗിക്കുന്നു.
ഒരു നീണ്ട task തുടങ്ങുന്നതിന് മുമ്പ്, gateway ഇപ്പോൾ ഒരു അഭ്യർത്ഥന നൽകാൻ കഴിയുമെന്ന് ഉറപ്പാക്കുക. ഈ call ഈ നിമിഷം ഉപയോഗയോഗ്യമായ കീ ഉള്ള മോഡലുകൾ മാത്രം പട്ടികപ്പെടുത്തുന്നു:
ഏത് മോഡലുകൾ തയ്യാറാണെന്ന് പരിശോധിക്കുക
curl "http://localhost:3001/v1/models?execution_status=ready" \
-H "Authorization: Bearer <unified-key>"exhausted എന്ന നിലയുള്ള ഒരു മോഡലിന് കീകളുണ്ട്, പക്ഷേ അവയെല്ലാം ഇപ്പോൾ പരിധിയിലാണ്. cooldown-കൾ അവസാനിക്കുമ്പോൾ ഈ നില മാറുന്നു. ഒരു client-ന്റെ അഭ്യർത്ഥനകൾ gateway-യിൽ എത്തുന്നുവെന്ന് ഉറപ്പാക്കാൻ npx freellmapi doctor പ്രവർത്തിപ്പിക്കുക. OpenCode-ൽ നിന്നുള്ള ഓരോ call-ഉം ഡാഷ്ബോർഡ് request log കാണിക്കുന്നു. X-Routed-Via response ഹെഡർ ഓരോ അഭ്യർത്ഥനയ്ക്കും ഉത്തരം നൽകിയ provider ഉം മോഡലും പേരിടുന്നു. ഒരു അഭ്യർത്ഥന failover ചെയ്താൽ, X-Fallback-Trail ഹെഡർ പരാജയപ്പെട്ട ഓരോ hop-ഉം അതിന്റെ കാരണവും പേരിടുന്നു.
സ്വമേധയാ സജ്ജീകരണം: opencode.json provider ബ്ലോക്ക്
സ്വമേധയാ സജ്ജമാക്കാൻ, ~/.config/opencode/opencode.json-ലേക്ക് അല്ലെങ്കിൽ നിങ്ങളുടെ പ്രോജക്റ്റിലെ opencode.json-ലേക്ക് ഈ ബ്ലോക്ക് ചേർക്കുക. OpenCode @ai-sdk/openai-compatible ഉപയോഗിക്കുന്നത് /v1/chat/completions endpoints-ന് വേണ്ടിയാണ്.
opencode.json
{
"$schema": "https://opencode.ai/config.json",
"model": "freellmapi/auto",
"provider": {
"freellmapi": {
"npm": "@ai-sdk/openai-compatible",
"name": "FreeLLMAPI",
"options": {
"baseURL": "http://localhost:3001/v1"
},
"models": {
"auto": {
"name": "Auto",
"limit": { "context": 128000, "output": 8192 }
}
}
}
}
}പിന്നെ കീ ചേർക്കുക. OpenCode തുടങ്ങുക, /connect പ്രവർത്തിപ്പിക്കുക, freellmapi provider തിരഞ്ഞെടുത്ത് നിങ്ങളുടെ ഏകീകൃത കീ ഒട്ടിക്കുക. /connect-ലെ provider id config-ലെ id-യുമായി പൊരുത്തപ്പെടണം. മോഡൽ തിരഞ്ഞെടുക്കാൻ /models പ്രവർത്തിപ്പിക്കുക.
limit.contextഎന്നത് മോഡലിന്റെ പരമാവധി input tokens ആണ്.limit.outputഎന്നത് അത് സൃഷ്ടിക്കാൻ കഴിയുന്ന പരമാവധി tokens ആണ്.- മുകളിലെ
modelprovider/modelഫോർമാറ്റ് ഉപയോഗിക്കുന്നു. അത് ഇല്ലെങ്കിൽ, OpenCode മുമ്പ് ഉപയോഗിച്ച മോഡൽ നിലനിർത്തുന്നു. - നിങ്ങൾ ഉപയോഗിക്കാൻ ആഗ്രഹിക്കുന്ന ഓരോ model id-യും
modelsmap-ൽ ഉണ്ടായിരിക്കണം.GET /v1/models-ൽ നിന്ന് കൂടുതൽ ids ചേർക്കുക.
providers കീയുള്ള V2 config ഫോർമാറ്റ് വിവരിക്കുന്നു. മുകളിലെ V1 ഫോർമാറ്റ് പിന്തുണയ്ക്കുന്നത് തുടരുന്നുവെന്ന് ഡോക്യുമെന്റേഷൻ പറയുന്നു. FreeLLMAPI setup command V1 ഫോർമാറ്റ് എഴുതുന്നു.OpenCode-നുള്ള മോഡലുകൾ തിരഞ്ഞെടുക്കുക
OpenCode ഒരു ഏജന്റ് ആണ്. ഇത് tool calls വഴി ഫയലുകൾ വായിക്കുന്നു, എഡിറ്റ് ചെയ്യുന്നു, commands പ്രവർത്തിപ്പിക്കുന്നു. ഓരോ അഭ്യർത്ഥനയിലും ഒരു system prompt, tool നിർവചനങ്ങൾ, ഫയൽ ഉള്ളടക്കങ്ങൾ എന്നിവയുണ്ട്. tool calling ഉള്ളതും വലിയ context window ഉള്ളതുമായ മോഡലുകൾ ഉപയോഗിക്കുക.
| മോഡൽ | സൗജന്യമായി ലഭ്യം | കോൺടെക്സ്റ്റ് | സൗജന്യ പരിധികൾ (ഏറ്റവും മികച്ച ഓഫർ) | ടൂളുകൾ | ദൃശ്യ ശേഷി |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 അഭ്യർഥന/മിനിറ്റ് 1 req/min per model | അതെ | ഇല്ല |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 അഭ്യർഥന/മിനിറ്റ് 40 RPM | അതെ | അതെ |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | അതെ | അതെ |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | അതെ | ഇല്ല |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | അതെ | അതെ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 അഭ്യർഥന/മിനിറ്റ് 20 അഭ്യർഥന/ദിവസം 250,000 ടോക്കൺ/മിനിറ്റ് ~3M | അതെ | അതെ |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | അതെ | അതെ |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 അഭ്യർഥന/മിനിറ്റ് 50 അഭ്യർഥന/ദിവസം 50 req/day account-wide (1,000 after a $10 purchase) | അതെ | അതെ |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 അഭ്യർഥന/മിനിറ്റ് 50 അഭ്യർഥന/ദിവസം Shared rate limit | അതെ | ഇല്ല |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 അഭ്യർഥന/മിനിറ്റ് 250 അഭ്യർഥന/ദിവസം 70,000 ടോക്കൺ/മിനിറ്റ് ~6M | അതെ | അതെ |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 അഭ്യർഥന/മിനിറ്റ് 20 അഭ്യർഥന/ദിവസം 250,000 ടോക്കൺ/മിനിറ്റ് ~3M | അതെ | അതെ |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | അതെ | അതെ |
പൊരുത്തപ്പെടുന്ന 109 സൗജന്യ മോഡലുകളിൽ 12 എണ്ണം കാണിക്കുന്നു. എല്ലാ മോഡലുകളും കാണുക.
FreeLLMAPI കാറ്റലോഗിൽ നിന്നുള്ള തത്സമയ ഡാറ്റ (പതിപ്പ് 2026.11.19, 2026-11-19 ൽ പരിശോധിച്ചത്). സൗജന്യ പരിധികൾ പലപ്പോഴും മാറുന്നു. കാറ്റലോഗ് എല്ലാ ദിവസവും പരിശോധിക്കുന്നു.
ഓരോ അഭ്യർത്ഥനയ്ക്കും മോഡൽ തിരഞ്ഞെടുക്കാൻ router-നെ അനുവദിക്കാൻ freellmapi/auto ഉപയോഗിക്കുക. ബുദ്ധിശക്തിയോ വേഗതയോ അനുസരിച്ച് അഭ്യർത്ഥനകളെ നയിക്കാൻ auto:smart അല്ലെങ്കിൽ auto:fast models map-ൽ ചേർക്കുക. dashboard-ൽ ഉണ്ടാക്കിയ ശേഷം, auto:coding പോലുള്ള ഒരു പേരുള്ള profile-ഉം ചേർക്കാം.
റേറ്റ് പരിധികളും നീണ്ട sessions-ഉം
ഒരു ഏജന്റ് task ഡസൻ കണക്കിന് അഭ്യർത്ഥനകൾ അയയ്ക്കാം. ഒരൊറ്റ സൗജന്യ ടിയർ നീണ്ട task വേഗത്തിൽ നിർത്തുന്നു. FreeLLMAPI ഓരോ കീയുടെയും അഭ്യർത്ഥനകളും tokens ഉം എണ്ണുന്നു. ഒരു provider 429 പിശക് അയയ്ക്കുമ്പോൾ, router അഭ്യർത്ഥന chain-ലെ അടുത്ത മോഡലിലേക്ക് അയയ്ക്കുന്നു, session തുടരുന്നു.
- നാലോ അതിലധികമോ providers-ൽ നിന്ന് കീകൾ ചേർക്കുക. കൂടുതൽ providers ദിവസം കൂടുതൽ അഭ്യർത്ഥനകൾ നൽകുന്നു.
FREELLMAPI_CONTEXT_HANDOFF=on_model_switchഉപയോഗിച്ച് FreeLLMAPI.env-ൽ context handoff ഓണാക്കുക. മോഡൽ മാറുമ്പോൾ, അടുത്ത മോഡലിന് ഒരു task തുടരുകയാണെന്ന് പറയുന്ന ചെറിയ കുറിപ്പ് ലഭിക്കുന്നു.- Sticky sessions ഒരു സംഭാഷണം 30 മിനിറ്റ് ഒരു മോഡലിൽ നിലനിർത്തുന്നു. ഇത് ഏജന്റിനെ സ്ഥിരതയുള്ളതാക്കുന്നു.
- ഓരോ task-നും ഒരു പുതിയ session തുടങ്ങുക. ചെറിയ context ഓരോ അഭ്യർത്ഥനയിലും കുറച്ച് tokens ഉപയോഗിക്കുന്നു.
പ്രശ്നപരിഹാരം
| പ്രശ്നം | കാരണം | പരിഹാരം |
|---|---|---|
| സാധുവായ കീയോടെ "Invalid API key" | config-ലെ ശൂന്യമായ apiKey /connect-ൽ നിന്നുള്ള കീയെ മറികടക്കുന്നു | apiKey options-ൽ നിന്ന് നീക്കം ചെയ്യുക, അല്ലെങ്കിൽ setup-opencode വീണ്ടും പ്രവർത്തിപ്പിക്കുക |
| OpenCode പുതിയ provider ഉപയോഗിക്കുന്നില്ല | മുകളിലെ model സജ്ജമാക്കിയിട്ടില്ല | "model": "freellmapi/auto" സജ്ജമാക്കുക |
| മോഡൽ കണ്ടെത്തിയില്ല | model id provider-ന്റെ models map-ൽ ഇല്ല | id map-ൽ ചേർക്കുക, അല്ലെങ്കിൽ setup-opencode വീണ്ടും പ്രവർത്തിപ്പിക്കുക |
{env:VAR} കീ ശൂന്യമാണ് | സജ്ജമാക്കാത്ത variable-ന് പകരം OpenCode ഒരു ശൂന്യ string ഇടുന്നു | അതേ shell-ൽ variable export ചെയ്യുക, അല്ലെങ്കിൽ /connect ഉപയോഗിച്ച് കീ സംഭരിക്കുക |
| Tool calls പരാജയപ്പെടുന്നു | മോഡലിന് ദുർബലമായ tool calling ഉണ്ട് | മുകളിലെ പട്ടികയിൽ നിന്ന് ഒരു മോഡൽ തിരഞ്ഞെടുക്കുക |
| "All models rate-limited after N attempts" (N ശ്രമങ്ങൾക്ക് ശേഷം എല്ലാ മോഡലുകളും പരിധിയിൽ) | എല്ലാ കീകളും അവയുടെ പരിധിയിലാണ് | കൂടുതൽ providers-ൽ നിന്ന് കീകൾ ചേർക്കുക, അല്ലെങ്കിൽ cooldown-കൾ കഴിയുന്നതുവരെ കാത്തിരിക്കുക |
പതിവ് ചോദ്യങ്ങൾ
OpenCode സൗജന്യമായി ഉപയോഗിക്കാമോ?
ഉവ്വ്. OpenCode open source ആണ്. ഇതിനെ ഒരു OpenAI-compatible provider ആയി FreeLLMAPI-യുമായി ബന്ധിപ്പിക്കുക. gateway ഓരോ അഭ്യർത്ഥനയും സൗജന്യ provider ടിയറുകളിലേക്ക് അയയ്ക്കുന്നു, അതിനാൽ inference-ന് $0 ചെലവാകുന്നു.
OpenCode-ലേക്ക് ഒരു കസ്റ്റം OpenAI-compatible provider എങ്ങനെ ചേർക്കാം?
opencode.json-ലേക്ക് npm @ai-sdk/openai-compatible ആയി സജ്ജമാക്കിയ, options.baseURL ഉം models map ഉം ഉള്ള ഒരു provider ചേർക്കുക. പിന്നെ കീ സംഭരിക്കാൻ /connect ഉം മോഡൽ തിരഞ്ഞെടുക്കാൻ /models ഉം പ്രവർത്തിപ്പിക്കുക.
OpenCode-ന് ഏറ്റവും നല്ല സൗജന്യ മോഡൽ ഏതാണ്?
tool calling ഉം കുറഞ്ഞത് 128K context ഉം ഉള്ള ഒരു മോഡൽ ഉപയോഗിക്കുക. ഈ പേജിലെ പട്ടിക ഇന്ന് ഈ രണ്ട് നിയമങ്ങളും പാലിക്കുന്ന ഏറ്റവും ശക്തമായ സൗജന്യ മോഡലുകൾ കാണിക്കുന്നു. router ഒന്ന് തിരഞ്ഞെടുക്കാൻ freellmapi/auto ഉപയോഗിക്കുക.
OpenCode API കീകൾ എവിടെ സംഭരിക്കുന്നു?
/connect ഉപയോഗിച്ച് ചേർത്ത കീകൾ ~/.local/share/opencode/auth.json-ലേക്ക് പോകുന്നു. FreeLLMAPI setup command കീ അവിടെ എഴുതുന്നു, അതിനാൽ CLI ഉം ഡെസ്ക്ടോപ്പ് ആപ്പും രണ്ടും അത് കണ്ടെത്തുന്നു.
അനുബന്ധ ഗൈഡുകൾ
- സൗജന്യ LLM API-യോടെ Aider ഉപയോഗിക്കുക
- സൗജന്യ മോഡലുകളോടെ Codex CLI ഉപയോഗിക്കുക
- Claude Code സൗജന്യമായി ഉപയോഗിക്കുന്നത് എങ്ങനെ
- മികച്ച സൗജന്യ coding model API-കൾ
- സൗജന്യ OpenAI-compatible API base URL-കൾ
ഉറവിടങ്ങൾ
- OpenCode docs: providers (V1 config) (20 November 2026 ൽ പരിശോധിച്ചത്)
- OpenCode docs: config (20 November 2026 ൽ പരിശോധിച്ചത്)
- OpenCode docs: migrate from V1 (20 November 2026 ൽ പരിശോധിച്ചത്)
- FreeLLMAPI CLI generators (20 November 2026 ൽ പരിശോധിച്ചത്)
- FreeLLMAPI docs: context handoff (20 November 2026 ൽ പരിശോധിച്ചത്)