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.
autoसह 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:
| मॉडेल | मोफत उपलब्ध | संदर्भ | मोफत मर्यादा (सर्वोत्तम ऑफर) | साधने | व्हिजन |
|---|---|---|---|---|---|
| OpenAI: GPT-6 Luna | ElectronHub | 1.1M | $0.25/week shared free credits | नाही | नाही |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 विनंत्या/मिनिट 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | होय | होय |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 विनंत्या/मिनिट 50 विनंत्या/दिवस Shared rate limit | होय | नाही |
| DeepSeek V4 Flash 0731 | ElectronHub, Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | नाही | नाही |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| GLM-5.2 | ModelScope, Router9 | 1M | 100 विनंत्या/दिवस Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | नाही | नाही |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
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))./storage हटवा आणि index पुन्हा बनवा.आजच्या कॅटलॉगमध्ये हे embedding मॉडेल मोफत आहेत. dimensions स्तंभ प्रत्येक family चा vector आकार दाखवतो.
| मॉडेल | प्रदाता | परिमाणे | कमाल इनपुट | मोफत मर्यादा |
|---|---|---|---|---|
Gemini Embeddinggemini-embedding-001 | Google AI Studio | 3072 | 2048 | 100 rpm · 1K req/day |
Nemotron Embed VL 1Bnvidia/llama-nemotron-embed-vl-1b-v2 | NVIDIA NIM | 2048 | 8192 | ~40 rpm |
Nemotron 3 Embed 1B (OR free)nvidia/nemotron-3-embed-1b:free | OpenRouter | 2048 | 32768 | 20 rpm · shared free daily cap |
SEA-LION E5 Embedding 600Maisingapore/SEA-LION-E5-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 300Maisingapore/SEA-LION-ModernBERT-Embedding-300M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 600Maisingapore/SEA-LION-ModernBERT-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
BGE-M3@cf/baai/bge-m3 | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
EmbeddingGemma 300M@cf/google/embeddinggemma-300m | Cloudflare Workers AI | 768 | 2048 | 10K neurons/day (shared) |
Qwen3 Embedding 0.6B@cf/qwen/qwen3-embedding-0.6b | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
Cohere Embed v4embed-v4.0 | Cohere | 1536 | 128000 | 1K calls/mo (shared w/ chat) |
Gemini Embedding 2gemini-embedding-2 | Google AI Studio | 3072 | 8192 | free-tier rate limited |
Nemotron 3 Embed 1Bnvidia/nemotron-3-embed-1b | NVIDIA NIM | 2048 | 4096 | ~40 rpm |
PLaMo Embedding 1B (CF)@cf/pfnet/plamo-embedding-1b | Cloudflare Workers AI | 2048 | 4096 | 10K neurons/day (shared) |
BGE Small EN v1.5 (CF)@cf/baai/bge-small-en-v1.5 | Cloudflare Workers AI | 384 | 512 | 10K neurons/day (shared) |
BGE Base EN v1.5 (CF)@cf/baai/bge-base-en-v1.5 | Cloudflare Workers AI | 768 | 512 | 10K neurons/day (shared) |
BGE Large EN v1.5 (CF)@cf/baai/bge-large-en-v1.5 | Cloudflare Workers AI | 1024 | 512 | 10K neurons/day (shared) |
Mistral Embedmistral-embed | Mistral | 1024 | 8192 | free mode · monthly cap (shared) |
Codestral Embedcodestral-embed | Mistral | 1536 | 8192 | free mode · monthly cap (shared) |
Llama Text Embed v2 (Pinecone)llama-text-embed-v2 | Pinecone | 1024 | 2048 | 5M tokens/mo per model |
Multilingual E5 Large (Pinecone)multilingual-e5-large | Pinecone | 1024 | 507 | 5M tokens/mo per model |
Nemotron 3 Embed 1B (Speka)nvidia/nemotron-3-embed-1b | Speka | 2048 | 8192 | $1/month shared across Speka models |
OpenAI: Text Embedding 3 Small (ElectronHub)text-embedding-3-small | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
OpenAI: Text Embedding 3 Large (ElectronHub)text-embedding-3-large | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Nemotron 3 Embed 8B (Inferbase)nvidia-nemotron-3-embed-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 0.6B (Inferbase)qwen3-embedding-0-6b | Inferbase | 1024 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 4B (Inferbase)qwen3-embedding-4b | Inferbase | 2560 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 8B (Inferbase)qwen3-embedding-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
LFM2.5 Embedding 350M (LLMTR)liquid/lfm-2.5-embedding-350m-free | LLMTR | 1024 | 512 | Ongoing zero-price route; provider terms apply |
BGE-M3 (SEA-LION)BAAI/bge-m3 | SEA-LION | 1024 | 8192 | free · 10 rpm |
Cohere Embed English v3embed-english-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Qwen3 Embedding 8B (OVH)Qwen3-Embedding-8B | OVH AI Endpoints | 4096 | 32768 | free · anonymous 2 req/min per IP |
BGE-M3 (OVH)bge-m3 | OVH AI Endpoints | 1024 | 8192 | free · anonymous 2 req/min per IP |
BGE Multilingual Gemma2 (OVH)bge-multilingual-gemma2 | OVH AI Endpoints | 3584 | 8192 | free · anonymous 2 req/min per IP |
Mistral: Codestral Embed (ElectronHub)codestral-embed | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Mistral: Mistral Embed (ElectronHub)mistral-embed | ElectronHub | 1024 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 2 (ElectronHub)gemini-embedding-2 | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 001 (ElectronHub)gemini-embedding-001 | ElectronHub | 3072 | 2048 | $0.25/week shared free credits |
OpenAI: Text Embedding Ada 002 (ElectronHub)text-embedding-ada-002 | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Cohere Embed English Light v3embed-english-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual v3embed-multilingual-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual Light v3embed-multilingual-light-v3.0 | Cohere | 384 | 512 | 1K 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.
| मॉडेल | मोफत उपलब्ध | संदर्भ | मोफत मर्यादा (सर्वोत्तम ऑफर) | साधने | व्हिजन |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 विनंत्या/मिनिट 1 req/min per model | होय | नाही |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 विनंत्या/मिनिट 40 RPM | होय | होय |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | होय | होय |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | होय | नाही |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | होय | होय |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | होय | होय |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 विनंत्या/मिनिट 50 विनंत्या/दिवस 50 req/day account-wide (1,000 after a $10 purchase) | होय | होय |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 विनंत्या/मिनिट 50 विनंत्या/दिवस Shared rate limit | होय | नाही |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 विनंत्या/मिनिट 250 विनंत्या/दिवस 70,000 टोकन/मिनिट ~6M | होय | होय |
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_size16 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.
OpenAILikeEmbeddingडिफॉल्टने 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
| समस्या | कारण | उपाय |
|---|---|---|
Unknown model 'auto' | तुम्ही OpenAI क्लास वापरला | OpenAILike वापरा |
विनंत्या /v1/completions वर जातात | is_chat_model सेट नाही | is_chat_model=True सेट करा |
| Agent tools कॉल करत नाही | is_function_calling_model बंद आहे, किंवा मॉडेलला tool calling नाही | True सेट करा आणि tools profile वापरा |
| Ingestion दरम्यान त्रुटी 429 | सर्व प्रदात्यांवर embedding family मर्यादेवर आहे | मोठे batches वापरा, Retry-After ची वाट पाहा आणि पुन्हा चालवा |
| Embedding मॉडेल बदलल्यावर चुकीची उत्तरे | एका index मध्ये दोन family चे vectors | जतन केलेला index हटवा आणि पुन्हा बनवा |
| संदर्भ लांबीची त्रुटी | context_window उत्तर देणाऱ्या मॉडेलपेक्षा मोठी आहे | लहान 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.
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
- RAG साठी मोफत LLM API
- मोफत Embeddings API
- LangChain साठी मोफत LLM API
- Python मध्ये मोफत LLM API
- 1 दशलक्ष टोकन संदर्भ असलेले मोफत LLM API
स्रोत
- LlamaIndex: llama-index-llms-openai-like README (तपासले 20 November 2026)
- LlamaIndex: llama-index-embeddings-openai-like source (तपासले 20 November 2026)
- LlamaIndex: FunctionAgent (agent workflow) source (तपासले 20 November 2026)
- FreeLLMAPI docs: REST API (embeddings families, routing strategies) (तपासले 20 November 2026)