സൗജന്യ reasoning മോഡൽ API
Reasoning മോഡൽ ഉത്തരം നൽകുന്നതിന് മുമ്പ് ചിന്തിക്കുന്നു. ഇത് മറഞ്ഞതോ ദൃശ്യമായതോ ആയ ഘട്ടങ്ങൾ എഴുതുന്നു, തുടർന്ന് അന്തിമ ഉത്തരം നൽകുന്നു. ഇത് കണക്ക്, യുക്തി, ആസൂത്രണം, കഠിനമായ കോഡ് എന്നിവയെ സഹായിക്കുന്നു. പല providers reasoning മോഡലുകൾ സൗജന്യമായി നൽകുന്നു. ഈ ഗൈഡ് അവ കാണിക്കുന്നു, thinking tokens-ന്റെ ചെലവ് വിശദീകരിക്കുന്നു, പ്രവർത്തിക്കുന്ന കോഡ് നൽകുന്നു.
കോഡ്, മോഡൽ പേരുകളും തത്സമയ കാറ്റലോഗ് ലേബലുകളും ഇംഗ്ലീഷിൽ കാണിക്കുന്നു.
ഇന്ന് സൗജന്യ reasoning മോഡലുകൾ
പേരിൽ reasoning ഉള്ള സൗജന്യ മോഡലുകളുടെ പട്ടിക കാണിക്കുന്നു, ഉദാഹരണത്തിന് GPT-OSS, R1, QwQ, Thinking, Reasoning, Magistral. ഡാറ്റ തത്സമയ catalog-ൽ നിന്നാണ്. Gemini Flash പോലുള്ള മറ്റ് പല മോഡലുകളും ചിന്തിക്കുന്നു, പക്ഷേ അവയുടെ പേരുകൾ അത് കാണിക്കുന്നില്ല.
| മോഡൽ | സൗജന്യമായി ലഭ്യം | കോൺടെക്സ്റ്റ് | സൗജന്യ പരിധികൾ (ഏറ്റവും മികച്ച ഓഫർ) | ടൂളുകൾ | ദൃശ്യ ശേഷി |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 അഭ്യർഥന/മിനിറ്റ് 20 അഭ്യർഥന/ദിവസം 250,000 ടോക്കൺ/മിനിറ്റ് ~3M | അതെ | അതെ |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 കൂടി | 131K | 30 അഭ്യർഥന/മിനിറ്റ് 1,000 അഭ്യർഥന/ദിവസം 8,000 ടോക്കൺ/മിനിറ്റ് 200,000 ടോക്കൺ/ദിവസം ~6M | അതെ | ഇല്ല |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 കൂടി | 131K | 30 അഭ്യർഥന/മിനിറ്റ് 1,000 അഭ്യർഥന/ദിവസം 8,000 ടോക്കൺ/മിനിറ്റ് 200,000 ടോക്കൺ/ദിവസം ~6M | അതെ | ഇല്ല |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 അഭ്യർഥന/മിനിറ്റ് 1,000 അഭ്യർഥന/ദിവസം 8,000 ടോക്കൺ/മിനിറ്റ് 200,000 ടോക്കൺ/ദിവസം ~6M | അതെ | ഇല്ല |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | ഇല്ല | ഇല്ല |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | ഇല്ല | ഇല്ല |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 അഭ്യർഥന/ദിവസം Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | ഇല്ല | ഇല്ല |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 അഭ്യർഥന/മിനിറ്റ് 5,000 അഭ്യർഥന/ദിവസം 500,000 ടോക്കൺ/ദിവസം 500K tokens/day · 5,000 req/day | ഇല്ല | ഇല്ല |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 അഭ്യർഥന/ദിവസം Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | ഇല്ല | ഇല്ല |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | അതെ | ഇല്ല |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 അഭ്യർഥന/ദിവസം 200 rpd | ഇല്ല | അതെ |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 അഭ്യർഥന/മിനിറ്റ് 40 RPM | ഇല്ല | അതെ |
| Command A Reasoning | Cohere | 256K | 20 അഭ്യർഥന/മിനിറ്റ് 33 അഭ്യർഥന/ദിവസം ~1-2M | അതെ | ഇല്ല |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 അഭ്യർഥന/മിനിറ്റ് 50 അഭ്യർഥന/ദിവസം 50 req/day account-wide (1,000 after a $10 purchase) | ഇല്ല | ഇല്ല |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | അതെ | അതെ |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 അഭ്യർഥന/മിനിറ്റ് 5,000 അഭ്യർഥന/ദിവസം 500,000 ടോക്കൺ/ദിവസം 500K tokens/day · 5,000 req/day | ഇല്ല | ഇല്ല |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | അതെ | ഇല്ല |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | അതെ | ഇല്ല |
FreeLLMAPI കാറ്റലോഗിൽ നിന്നുള്ള തത്സമയ ഡാറ്റ (പതിപ്പ് 2026.11.19, 2026-11-19 ൽ പരിശോധിച്ചത്). സൗജന്യ പരിധികൾ പലപ്പോഴും മാറുന്നു. കാറ്റലോഗ് എല്ലാ ദിവസവും പരിശോധിക്കുന്നു.
GPT-OSS 120B പല providers സൗജന്യമായി നൽകുന്നു, അതിനാൽ failover-ന് ധാരാളം ഓപ്ഷനുകളുണ്ട്. QwQ 32B ഉം DeepSeek R1 Distill Qwen 32B ഉം Cloudflare Workers AI-യിൽ പ്രവർത്തിക്കുന്നു. Qwen3 Thinking മോഡലുകൾക്ക് ModelScope-ൽ 262K-token context ഉണ്ട്.
Thinking tokens നിങ്ങളുടെ output ബജറ്റ് ഉപയോഗിക്കുന്നു
reasoning മോഡലുകളുടെ ഏറ്റവും സാധാരണ പ്രശ്നമാണിത്. മോഡൽ ആദ്യം അതിന്റെ thinking എഴുതുന്നു. ഈ thinking tokens ഉത്തരത്തിന്റെ അതേ പോലെ output പരിധിയിൽ കണക്കാക്കുന്നു.
- Google പറയുന്നത്: Gemini-യിലെ output പരിധിയിൽ thought tokens ഉൾപ്പെടുന്നു. മോഡൽ ചിന്തിക്കുമ്പോൾ പരിധിയിൽ എത്തിയാൽ, output മുറിഞ്ഞേക്കാം അല്ലെങ്കിൽ ശൂന്യമാകാം. thinking tokens ഇപ്പോഴും കണക്കാക്കുന്നു.
- Groq പറയുന്നത്: സങ്കീർണ്ണമായ reasoning-ന് 1,024 completion tokens എന്ന default വളരെ കുറവായിരിക്കാം.
- സൗജന്യ പരിധികൾ: thinking tokens tokens-per-minute, tokens-per-day പരിധികളിലും കണക്കാക്കുന്നു. ഒരേ ചോദ്യത്തിന്, നേരിട്ടുള്ള ഉത്തരത്തേക്കാൾ വളരെ കൂടുതൽ tokens ഒരു reasoning ഉത്തരം ഉപയോഗിച്ചേക്കാം.
max_tokens സജ്ജമാക്കരുത്. 4,000 അല്ലെങ്കിൽ അതിൽ കൂടുതലിൽ തുടങ്ങുക. finish_reason length ആവുകയും content ശൂന്യമാവുകയും ചെയ്താൽ, മോഡൽ ചിന്തിക്കാൻ മുഴുവൻ ബജറ്റും ഉപയോഗിച്ചു എന്നാണ് അർത്ഥം.ഘട്ടം 1: FreeLLMAPI ഇൻസ്റ്റാൾ ചെയ്ത് keys ചേർക്കുക
FreeLLMAPI open source ആണ്. ഇത് നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ Docker-ൽ പ്രവർത്തിക്കുന്നു. നിങ്ങളുടെ provider keys നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ തന്നെ തുടരുന്നു.
ഇൻസ്റ്റാൾ ചെയ്യുക (macOS അല്ലെങ്കിൽ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001-ൽ dashboard തുറക്കുക. Keys പേജിൽ Groq, Cloudflare, Google AI Studio keys ചേർക്കുക. ഓരോന്നും സൗജന്യ reasoning മോഡലുകൾ നൽകുന്നു. അതേ പേജിൽ നിന്ന് നിങ്ങളുടെ ഏകീകൃത key പകർത്തുക.
ഘട്ടം 2: reasoning മോഡൽ വിളിക്കുക
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: മുറിഞ്ഞ ഉത്തരം പരിശോധിക്കുക, thinking text നീക്കം ചെയ്യുക
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")ചില providers content-ൽ <think> tags-നുള്ളിൽ thinking തിരികെ നൽകുന്നു. മറ്റുള്ളവ അത് മറയ്ക്കുന്നു, അല്ലെങ്കിൽ പ്രത്യേക field-ൽ തിരികെ നൽകുന്നു. ഉത്തരം ഉപയോക്താക്കളെ കാണിക്കുന്നതിന് മുമ്പ് tags നീക്കം ചെയ്യുക.
ചിന്തനത്തിന്റെ അളവ് നിയന്ത്രിക്കുക
thinking ദൈർഘ്യത്തിന് providers-ന് സ്വന്തം ക്രമീകരണങ്ങളുണ്ട്. GPT-OSS മോഡലുകളിൽ Groq reasoning_effort സ്വീകരിക്കുന്നു, മൂല്യങ്ങൾ low, medium അല്ലെങ്കിൽ high. Gemini 3 മോഡലുകൾ thinking_level ക്രമീകരണം ഉപയോഗിക്കുന്നു. ഈ fields gateway വഴി എങ്ങനെ കടന്നുപോകുന്നു എന്ന് FreeLLMAPI ഡോക്സ് വിവരിക്കുന്നില്ല, അതിനാൽ ആദ്യം നിങ്ങളുടെ install-ൽ ഇവ പരീക്ഷിക്കുക.
FreeLLMAPI-യുടെ native Gemini endpoint, /v1beta/models/{model}:generateContent, thinking ബജറ്റുകൾ പരിവർത്തനം ചെയ്യുന്നു. Gemini thinking-ന് മേൽ നിയന്ത്രണം വേണമെങ്കിൽ ഇത് ഉപയോഗിക്കുക.
| ജോലി | reasoning മോഡൽ ഉപയോഗിക്കണോ? | കാരണം |
|---|---|---|
| കണക്ക്, യുക്തി പസിലുകൾ, ആസൂത്രണം | അതെ | ഘട്ടം ഘട്ടമായുള്ള ചിന്തനം പിഴവുകൾ കുറയ്ക്കുന്നു |
| കഠിനമായ bugs ഉം algorithm രൂപകൽപ്പനയും | അതെ | മോഡൽ സ്വന്തം ഘട്ടങ്ങൾ പരിശോധിക്കുന്നു |
| Chat, ചെറിയ ഉത്തരങ്ങൾ, വിവർത്തനം | ഇല്ല | ചിന്തനം സമയവും tokens-ഉം ചേർക്കുന്നു, നേട്ടം കുറവാണ് |
| ധാരാളം tool calls ഉള്ള ഏജന്റുകൾ | ചിലപ്പോൾ | ഓരോ round-ഉം thinking ചെലവ് വീണ്ടും നൽകുന്നു |
reasoning ജോലികൾക്കുള്ള prompts ഉം റൂട്ടിംഗും
- ലക്ഷ്യവും നിയമങ്ങളും പറയുക: എല്ലാ വസ്തുതകളും പരിധികളും പ്രതീക്ഷിക്കുന്ന ഫലവും prompt-ൽ നൽകുക. reasoning മോഡലിന് അതിന്റെ thinking സമയത്ത് കാണാത്ത വസ്തുതകൾ നിങ്ങളോട് ചോദിക്കാൻ കഴിയില്ല.
- ഉത്തര ഫോർമാറ്റ് സജ്ജമാക്കുക: അന്തിമ ഉത്തരം ഒരു നിശ്ചിത രൂപത്തിൽ ആവശ്യപ്പെടുക, ഉദാഹരണത്തിന് ഒരു സംഖ്യ അല്ലെങ്കിൽ JSON object. അപ്പോൾ thinking text ഇല്ലാതെ നിങ്ങളുടെ കോഡിന് അത് വായിക്കാം.
- ടെസ്റ്റ് കേസുകൾ നൽകുക: കോഡിനായി, ഉദാഹരണ inputs ഉം outputs ഉം ചേർക്കുക. മോഡലിന് അവയ്ക്കെതിരെ അതിന്റെ ഉത്തരം പരിശോധിക്കാം.
- ജോലി അനുസരിച്ച് റൂട്ട് ചെയ്യുക: കഠിനമായ ജോലികൾക്ക് intelligence അനുസരിച്ച് മോഡലുകൾ റാങ്ക് ചെയ്യാൻ
model: "auto:smart"ഉപയോഗിക്കുക. എളുപ്പമുള്ള ജോലികൾക്ക്auto:fastഉപയോഗിക്കുക, അങ്ങനെ thinking ചെലവ് നൽകേണ്ടിവരുന്നില്ല. - ഓരോ അഭ്യർത്ഥനയ്ക്കും ഒരു കഠിന ചോദ്യം: ഒരു അഭ്യർത്ഥനയിലെ നിരവധി കഠിന ചോദ്യങ്ങൾ ഒരൊറ്റ output ബജറ്റ് പങ്കിടുന്നു. അവ വെവ്വേറെ അഭ്യർത്ഥനകളായി വിഭജിക്കുക.
auto:* strategies എല്ലാ enabled മോഡലുകളെയും റാങ്ക് ചെയ്യുന്നു, നിങ്ങളുടെ chain ക്രമം അവഗണിക്കുന്നു. reasoning അഭ്യർത്ഥനകൾ reasoning മോഡലുകളിൽ മാത്രം നിലനിർത്താൻ, ഒരു മോഡൽ id ഉറപ്പിക്കുക. reasoning മോഡലുകൾ മാത്രമുള്ള ഒരു പേരുള്ള fallback chain-ഉം ഉണ്ടാക്കാം. തുടർന്ന് auto:<profile-name> ഉപയോഗിച്ച് അത് വിളിക്കുക.
പ്രശ്നപരിഹാരം
| പ്രശ്നം | കാരണം | പരിഹാരം |
|---|---|---|
ശൂന്യ content, finish_reason: "length" | Thinking മുഴുവൻ output ബജറ്റും ഉപയോഗിച്ചു | max_tokens 4,000 അല്ലെങ്കിൽ അതിൽ കൂടുതലായി ഉയർത്തുക |
ഉത്തരത്തിൽ <think> text | provider ദൃശ്യമായ thinking തിരികെ നൽകുന്നു | നിങ്ങളുടെ കോഡിൽ tags നീക്കം ചെയ്യുക |
| ചെറിയ ചോദ്യത്തിന് ദീർഘ വിശദീകരണം | ചില reasoning മോഡലുകൾ അവയുടെ ചിന്താ പ്രക്രിയ വിശദീകരിക്കുന്നു | "അന്തിമ ഉത്തരം മാത്രം" ആവശ്യപ്പെടുക, അല്ലെങ്കിൽ non-reasoning മോഡൽ ഉപയോഗിക്കുക |
| ചില അഭ്യർത്ഥനകൾക്ക് ശേഷം 429 പിശക് | Thinking tokens tokens-per-minute പരിധി ഉപയോഗിച്ചു | കൂടുതൽ provider keys ചേർക്കുക, അല്ലെങ്കിൽ കഠിന ജോലികൾക്ക് മാത്രം reasoning ഉപയോഗിക്കുക |
| പതുക്കെയുള്ള ഉത്തരങ്ങൾ | മോഡൽ ധാരാളം thinking tokens എഴുതുന്നു | ലളിതമായ ജോലികൾക്ക് auto:fast ഉപയോഗിക്കുക |
പതിവ് ചോദ്യങ്ങൾ
സൗജന്യ reasoning മോഡൽ API ഉണ്ടോ?
ഉണ്ട്. Groq, Cloudflare, NVIDIA, OVH, OpenRouter ഉം മറ്റ് providers ഉം GPT-OSS 120B, QwQ 32B, DeepSeek R1 Distill പോലുള്ള reasoning മോഡലുകൾ സൗജന്യമായി നൽകുന്നു. FreeLLMAPI അവയെ ഒരു OpenAI-compatible key-യ്ക്ക് പിന്നിൽ വെക്കുന്നു.
Thinking tokens output tokens ആയി കണക്കാക്കുമോ?
അതെ. Gemini output പരിധിയിൽ thought tokens ഉൾപ്പെടുന്നു എന്നും thinking tokens കണക്കാക്കുന്നു എന്നും Google പറയുന്നു. സൗജന്യ ടിയറുകളിൽ അവ tokens-per-minute പരിധിയും ഉപയോഗിക്കുന്നു.
എന്തുകൊണ്ടാണ് എന്റെ reasoning മോഡൽ ശൂന്യ ഉത്തരം നൽകുന്നത്?
മോഡൽ ചിന്തിക്കാൻ മുഴുവൻ max_tokens ബജറ്റും ഉപയോഗിച്ചു, അതിനാൽ ഉത്തരത്തിന് tokens ഒന്നും ശേഷിച്ചില്ല. max_tokens 4,000 അല്ലെങ്കിൽ അതിൽ കൂടുതലായി ഉയർത്തുക.
DeepSeek R1 ഒരു API വഴി സൗജന്യമാണോ?
DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI-യിലെ സൗജന്യ catalog-ലുണ്ട്. ഈ പേജിലെ പട്ടിക ഇന്ന് ഇത് നൽകുന്ന providers കാണിക്കുന്നു.
ഏത് സൗജന്യ reasoning മോഡലാണ് ഏറ്റവും നല്ലത്?
GPT-OSS 120B ഒരു നല്ല default ആണ്, കാരണം പല providers ഇത് സൗജന്യമായി നൽകുന്നു. തത്സമയ catalog-ൽ നിന്നുള്ള intelligence റാങ്ക് അനുസരിച്ച് മോഡലുകൾ അടുക്കുന്ന ഈ പേജിലെ പട്ടിക ഉപയോഗിക്കുക.
അനുബന്ധ ഗൈഡുകൾ
- free gpt oss api
- free deepseek api
- free qwen api
- മികച്ച സൗജന്യ coding model API-കൾ
- സൗജന്യ LLM API റേറ്റ് പരിധികൾ
ഉറവിടങ്ങൾ
- FreeLLMAPI docs: Routing strategies and native Gemini API (20 November 2026 ൽ പരിശോധിച്ചത്)
- Google AI Studio docs: Thinking (20 November 2026 ൽ പരിശോധിച്ചത്)
- Gemini Developer API pricing (20 November 2026 ൽ പരിശോധിച്ചത്)
- Groq docs: Reasoning (20 November 2026 ൽ പരിശോധിച്ചത്)