मुख्यपृष्ठ / मार्गदर्शक / LlamaIndex साठी मोफत LLM

LlamaIndex साठी मोफत LLM

LlamaIndex मध्ये OpenAI-सुसंगत APIs साठी दोन क्लास आहेत: chat साठी OpenAILike आणि embeddings साठी OpenAILikeEmbedding. हे मार्गदर्शक दोन्ही FreeLLMAPI कडे निर्देशित करते, जे एका कीमागे 45 मोफत प्रदाता टियर एकत्र ठेवते. तुम्ही retrieval-augmented generation (RAG) index बनवता, त्यावर क्वेरी करता आणि agent जोडता. कोड रेट मर्यादा हाताळतो.

कोड, मॉडेलची नावे आणि थेट कॅटलॉग लेबल इंग्रजीत दाखवले जातात.

पॅकेजेस इन्स्टॉल करा

FreeLLMAPI इन्स्टॉल करा आणि डॅशबोर्डच्या Keys पेजवर दोन किंवा अधिक प्रदात्यांच्या मोफत की जोडा. एकत्रित की कॉपी करा. मग LlamaIndex पॅकेजेस इन्स्टॉल करा.

इन्स्टॉल करा

curl -fsSL https://freellmapi.co/install.sh | bash

pip install -U llama-index-core \
  llama-index-llms-openai-like \
  llama-index-embeddings-openai-like

export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>

साधा OpenAI क्लास, llama-index-llms-openai मधून, OpenAI ला माहीत नसलेल्या मॉडेल नावांसह वापरू नका. तो क्लास मॉडेल नावे आणि संदर्भ आकार OpenAI मॉडेलच्या यादीशी तपासतो. OpenAILike तसे करत नाही, त्यामुळे ही मूल्ये तुम्ही स्वतः सेट करता.

LLM आणि embedding मॉडेल कॉन्फिगर करा

settings.py

import os
from llama_index.core import Settings
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding

BASE = os.environ["FREELLMAPI_BASE_URL"]
KEY = os.environ["FREELLMAPI_API_KEY"]

Settings.llm = OpenAILike(
    model="auto",
    api_base=BASE,
    api_key=KEY,
    is_chat_model=True,              # use /v1/chat/completions
    is_function_calling_model=True,  # needed for FunctionAgent
    context_window=32000,            # the smallest window in your chain
    max_retries=5,
    timeout=90,
)

Settings.embed_model = OpenAILikeEmbedding(
    model_name="bge-m3",  # one family, 1024 dimensions
    api_base=BASE,
    api_key=KEY,
    embed_batch_size=16,
    max_retries=10,
)
  • is_chat_model=True: त्याशिवाय LlamaIndex जुन्या completions endpoint ला विनंत्या पाठवते.
  • context_window: LlamaIndex हे मूल्य वापरून किती मिळवलेले chunks प्रॉम्प्टमध्ये बसतील ते ठरवते. auto सह राउटर वेगवेगळी मॉडेल निवडू शकतो. तुमच्या साखळीतील सर्वात लहान संदर्भ विंडो वापरा.
  • is_function_calling_model=True: तुमच्या साखळीत tool-calling मॉडेल असतील तेव्हाच हे सेट करा.
  • embed_batch_size: प्रत्येक batch ही एक विनंती आहे. मोठे batches प्रति मिनिट कमी विनंत्या वापरतात.

RAG प्रॉम्प्टमध्ये अनेक मिळवलेले chunks असतात, त्यामुळे chat मॉडेलला त्यांच्यासाठी जागा लागते. RAG साठी लांब-संदर्भ मॉडेल असलेली fallback साखळी profile बनवा. मग model="auto:<profile>" सेट करा आणि context_window त्या profile मधील सर्वात लहान विंडोपर्यंत वाढवा. आज या मोफत मॉडेलच्या सर्वात मोठ्या संदर्भ विंडो आहेत:

सर्वात मोठ्या संदर्भ विंडो असलेली मोफत मॉडेल
मॉडेलमोफत उपलब्धसंदर्भमोफत मर्यादा (सर्वोत्तम ऑफर)साधनेव्हिजन
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsनाहीनाही
Gemini 3.8 FlashAPINex, Google AI Studio1M5 विनंत्या/मिनिट
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
होयहोय
Gemini 3.7 FlashGoogle AI Studio1M10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 विनंत्या/मिनिट
50 विनंत्या/दिवस
Shared rate limit
होयनाही
DeepSeek V4 Flash 0731ElectronHub, Router91M10,000 credits/month (~$1), shared; account-anniversary resetनाहीनाही
Gemini 3.6 FlashGoogle AI Studio1M10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय
GLM-5.2ModelScope, Router91M100 विनंत्या/दिवस
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
नाहीनाही
Gemini 3.5 FlashGoogle AI Studio1M10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय

जुळणाऱ्या 115 मोफत मॉडेलपैकी 8 दाखवले जात आहेत. सर्व मॉडेल पहा.

FreeLLMAPI कॅटलॉगमधील थेट डेटा (आवृत्ती 2026.11.19, तपासले 2026-11-19). मोफत मर्यादा वारंवार बदलतात. कॅटलॉग दररोज तपासले जाते.

एका वापरकर्त्याला एका मॉडेलवर ठेवण्यासाठी X-Session-Id हेडर पाठवा. OpenAILike default_headers स्वीकारते, उदाहरणार्थ default_headers={"X-Session-Id": "user-42"}. FreeLLMAPI सत्र 30 मिनिटे एकाच मॉडेलवर ठेवते. यामुळे एका chat मध्ये उत्तरे एकाच शैलीत येतात.

RAG index बनवा आणि क्वेरी करा

स्क्रिप्ट एका फोल्डरमधून फाइल वाचते, embeddings बनवते, index जतन करते आणि प्रश्नाचे उत्तर देते. index बनवण्यासाठी ती एकदा चालवा. पुढच्या वेळी जतन केलेला index लोड होतो आणि फाइल पुन्हा embed होत नाहीत.

rag.py

import os
import settings  # noqa: F401  (sets Settings.llm and Settings.embed_model)
from llama_index.core import (
    SimpleDirectoryReader,
    StorageContext,
    VectorStoreIndex,
    load_index_from_storage,
)

PERSIST = "./storage"


def load_index() -> VectorStoreIndex:
    if os.path.isdir(PERSIST):
        return load_index_from_storage(StorageContext.from_defaults(persist_dir=PERSIST))
    docs = SimpleDirectoryReader("./docs").load_data()
    index = VectorStoreIndex.from_documents(docs, show_progress=True)
    index.storage_context.persist(persist_dir=PERSIST)
    return index


if __name__ == "__main__":
    query_engine = load_index().as_query_engine(similarity_top_k=4, streaming=True)
    response = query_engine.query("How do I rotate the API keys?")
    response.print_response_stream()
    for node in response.source_nodes:
        print("\nSource:", node.metadata.get("file_name"), round(node.score or 0, 3))
महत्त्वाचे: संपूर्ण index साठी एकच embedding family ठेवा. FreeLLMAPI failover दरम्यान embedding मॉडेल कधीच बदलत नाही. ते फक्त त्याच family ला सेवा देणाऱ्या प्रदात्यांमध्ये जाते. family बदलल्यास ./storage हटवा आणि index पुन्हा बनवा.

आजच्या कॅटलॉगमध्ये हे embedding मॉडेल मोफत आहेत. dimensions स्तंभ प्रत्येक family चा vector आकार दाखवतो.

मॉडेलप्रदातापरिमाणेकमाल इनपुटमोफत मर्यादा
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)

FreeLLMAPI कॅटलॉगमधील थेट डेटा (आवृत्ती 2026.11.19, तपासले 2026-11-19). मोफत मर्यादा वारंवार बदलतात. कॅटलॉग दररोज तपासले जाते.

FunctionAgent सह agent जोडा

FunctionAgent tool calling वापरतो. त्याला तुम्ही query engine एक tool म्हणून देऊ शकता आणि स्वतःची Python functions जोडू शकता.

agent.py

import asyncio
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.core.tools import QueryEngineTool
from llama_index.core import Settings
from rag import load_index

docs_tool = QueryEngineTool.from_defaults(
    query_engine=load_index().as_query_engine(similarity_top_k=4),
    name="project_docs",
    description="Answers questions about the project documentation.",
)

def open_tickets(team: str) -> int:
    """Return the number of open tickets for a team."""
    return {"billing": 4, "platform": 11}.get(team, 0)

agent = FunctionAgent(
    tools=[docs_tool, open_tickets],
    llm=Settings.llm,
    system_prompt="Use the tools. Cite the document name in each answer.",
)

async def main():
    result = await agent.run("How many platform tickets are open, and how do we rotate keys?")
    print(result)

asyncio.run(main())

agent कामासाठी tool calling असलेली मॉडेल निवडा. फक्त ही मॉडेल असलेली fallback साखळी profile बनवा, आणि मॉडेल नाव म्हणून auto:<profile> वापरा.

tool calling आणि 128K+ संदर्भ असलेली मोफत मॉडेल
मॉडेलमोफत उपलब्धसंदर्भमोफत मर्यादा (सर्वोत्तम ऑफर)साधनेव्हिजन
GLM 5.3UnoRouter1M1 विनंत्या/मिनिट
1 req/min per model
होयनाही
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 विनंत्या/मिनिट
40 RPM
होयहोय
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaहोयहोय
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowanceहोयनाही
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditहोयहोय
Gemini 3.7 FlashGoogle AI Studio1M10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditहोयहोय
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 विनंत्या/मिनिट
50 विनंत्या/दिवस
50 req/day account-wide (1,000 after a $10 purchase)
होयहोय
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 विनंत्या/मिनिट
50 विनंत्या/दिवस
Shared rate limit
होयनाही
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 विनंत्या/मिनिट
250 विनंत्या/दिवस
70,000 टोकन/मिनिट
~6M
होयहोय

जुळणाऱ्या 109 मोफत मॉडेलपैकी 10 दाखवले जात आहेत. सर्व मॉडेल पहा.

FreeLLMAPI कॅटलॉगमधील थेट डेटा (आवृत्ती 2026.11.19, तपासले 2026-11-19). मोफत मर्यादा वारंवार बदलतात. कॅटलॉग दररोज तपासले जाते.

Ingestion मोफत मर्यादेत ठेवा

Ingestion कमी वेळात अनेक embedding विनंत्या पाठवते. मोफत embedding टियरवर मर्यादा कमी असतात. उदाहरणार्थ, काही प्रति मिनिट 10 विनंत्या देतात आणि काही कॉल्स दर महिन्याला मोजतात. सुरुवात करण्यापूर्वी पहिल्या ingestion चे नियोजन करा.

  • मोठे chunks वापरा. कमी chunks म्हणजे कमी vectors आणि कमी विनंत्या. सुमारे 1,024 टोकनचा chunk आकार चांगली सुरुवात आहे.
  • Batches वापरा. embed_batch_size 16 किंवा अधिक सेट करा. मग एका विनंतीत अनेक chunks जातात.
  • Index जतन करा. पहिल्या रननंतर index टिकवून ठेवा. तीच फाइल पुन्हा embed करू नका.
  • Retries चालू ठेवा. OpenAILikeEmbedding डिफॉल्टने 10 वेळा पुन्हा प्रयत्न करते. लांब ingestion जॉबसाठी हे मूल्य ठेवा.
  • भागांमध्ये ingest करा. हजारो फाइलींसाठी एका वेळी एक फोल्डर ingest करा.

क्वेरी ingestion पेक्षा स्वस्त असतात. प्रत्येक क्वेरी एक embedding विनंती आणि एक chat विनंती वापरते. 1,024 टोकनचे चार chunks असलेली chat विनंती सुमारे 5,000 टोकन पाठवते. कमी tokens-per-minute मर्यादा असलेले मोफत टियर ती नाकारू शकतात. मग FreeLLMAPI पुढच्या प्रदात्याकडे जाते.

समस्यानिवारण

समस्याकारणउपाय
Unknown model 'auto'तुम्ही OpenAI क्लास वापरलाOpenAILike वापरा
विनंत्या /v1/completions वर जातातis_chat_model सेट नाहीis_chat_model=True सेट करा
Agent tools कॉल करत नाहीis_function_calling_model बंद आहे, किंवा मॉडेलला tool calling नाहीTrue सेट करा आणि tools profile वापरा
Ingestion दरम्यान त्रुटी 429सर्व प्रदात्यांवर embedding family मर्यादेवर आहेमोठे batches वापरा, Retry-After ची वाट पाहा आणि पुन्हा चालवा
Embedding मॉडेल बदलल्यावर चुकीची उत्तरेएका index मध्ये दोन family चे vectorsजतन केलेला index हटवा आणि पुन्हा बनवा
संदर्भ लांबीची त्रुटीcontext_window उत्तर देणाऱ्या मॉडेलपेक्षा मोठी आहेलहान मूल्य सेट करा, किंवा लांब-संदर्भ profile वापरा

कोणत्या प्रदात्याने विनंतीला उत्तर दिले ते पाहण्यासाठी FreeLLMAPI डॅशबोर्ड वापरा. Analytics पेज प्रत्येक प्रदाता आणि मॉडेलसाठी विनंत्या, latency आणि त्रुटी दाखवते. प्रत्येक प्रतिसादात X-Routed-Via हेडर देखील असते. राउटरने प्रदाता बदलला असेल, तर X-Fallback-Trail हेडर प्रत्येक अयशस्वी प्रयत्न आणि कारण दाखवते.

या सर्व मॉडेलचा वापर एकाच कीद्वारे करा. FreeLLMAPI हा एक ओपन-सोर्स, स्वतः होस्ट केलेला राउटर आहे. तो हे सर्व मोफत टियर एका OpenAI-सुसंगत एंडपॉइंटमागे ठेवतो आणि एखादे मॉडेल मर्यादेत असताना दुसऱ्याकडे वळवतो. कॅटलॉग ब्राउझ करा किंवा थेट पहा.

वारंवार विचारले जाणारे प्रश्न

मोफत LLM सह LlamaIndex वापरता येते का?

होय. api_base OpenAI-सुसंगत URL वर सेट करून OpenAILike वापरा. FreeLLMAPI अनेक मोफत प्रदाता टियरसाठी एकच URL देते. प्रत्येक टियरची स्वतःची मर्यादा असते.

LlamaIndex मध्ये OpenAI आणि OpenAILike मध्ये काय फरक आहे?

OpenAI क्लास मॉडेल नावे OpenAI मॉडेलशी तपासतो. OpenAILike कोणतेही मॉडेल नाव स्वीकारतो. संदर्भ विंडो आणि chat व function-calling flags तुम्ही स्वतः सेट करता.

LlamaIndex साठी सर्वोत्तम मोफत embedding मॉडेल कोणते आहे?

तुमच्या ingestion ला पुरेशा मोफत विनंत्या असलेली family निवडा आणि संपूर्ण index साठी ती ठेवा. bge-m3 family अनेक प्रदात्यांवर मोफत आहे, त्यामुळे failover त्यांच्यामध्ये जाऊ शकतो.

मोफत मॉडेलसह FunctionAgent काम करते का?

होय, जर मॉडेल tool calling ला सपोर्ट करत असेल आणि तुम्ही is_function_calling_model=True सेट केले असेल. फक्त tool-calling मॉडेल असलेली fallback साखळी profile वापरा.

LlamaIndex index बनवताना रेट मर्यादा कशा टाळू?

मोठे chunks वापरा, embed_batch_size 16 किंवा अधिक सेट करा, index जतन करा आणि मोठे फोल्डर भागांमध्ये ingest करा.

संबंधित मार्गदर्शक

स्रोत

सर्व मार्गदर्शक · सर्व मोफत मॉडेल पहा