मुख्यपृष्ठ / मार्गदर्शक / मोफत LLM API सह OpenCode वापरा

मोफत LLM API सह OpenCode वापरा

OpenCode हा टर्मिनल आणि डेस्कटॉपसाठी ओपन-सोर्स कोडिंग एजंट आहे. तो कोणताही OpenAI-सुसंगत प्रोव्हायडर स्वीकारतो. हे मार्गदर्शक OpenCode ला FreeLLMAPI द्वारे मोफत मॉडेल्सशी जोडते. एक कमांड कॉन्फिग लिहिते आणि की साठवते.

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

पायरी 1: FreeLLMAPI इन्स्टॉल करा

FreeLLMAPI हे ओपन-सोर्स गेटवे आहे. ते तुमच्या संगणकावर Docker मध्ये चालते आणि 45 प्रोव्हायडरचे मोफत टियर एका कीमागे एकत्र करते.

macOS किंवा Linux वर इन्स्टॉल करा

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

http://localhost:3001 उघडा. Keys पृष्ठावर किमान दोन मोफत प्रोव्हायडर की जोडा. Google AI Studio आणि Groq प्रत्येकी काही मिनिटांत मोफत की देतात. त्याच पृष्ठावरून तुमची एकत्रित की कॉपी करा.

पायरी 2: एका कमांडने OpenCode जोडा

एक कमांड

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>
opencode

ही कमांड तीन गोष्टी करते:

  • ते freellmapi प्रोव्हायडर ~/.config/opencode/opencode.json मध्ये जोडते. प्रोव्हायडर तुमच्या लाइव्ह कॅटलॉगमधील मॉडेल्स त्यांच्या कॉन्टेक्स्ट मर्यादांसह यादी करतो.
  • ते freellmapi/auto डीफॉल्ट मॉडेल म्हणून सेट करते.
  • ते की OpenCode च्या क्रेडेन्शियल फाइलमध्ये, ~/.local/share/opencode/auth.json मध्ये साठवते. CLI मध्ये किंवा डेस्कटॉप अॅपमध्ये, तुम्हाला environment variable ची गरज नाही.

कमांड लिहिण्यापूर्वी बॅकअप घेते. ती नवीन प्रोव्हायडर मिसळते, त्यामुळे तुमचे इतर प्रोव्हायडर राहतात. XDG_CONFIG_HOME किंवा XDG_DATA_HOME सेट असल्यास, कमांड त्या फोल्डर वापरते.

लांब टास्क सुरू करण्यापूर्वी, गेटवे आत्ता विनंती देऊ शकतो याची खात्री करा. हा कॉल फक्त या क्षणी वापरण्यायोग्य की असलेली मॉडेल्स यादी करतो:

कोणती मॉडेल्स तयार आहेत ते तपासा

curl "http://localhost:3001/v1/models?execution_status=ready" \
  -H "Authorization: Bearer <unified-key>"

exhausted स्थिती असलेल्या मॉडेलच्या की आहेत, पण त्या सर्व सध्या मर्यादेवर आहेत. कूलडाउन संपल्यावर ही स्थिती साफ होते. क्लायंटच्या विनंत्या गेटवेपर्यंत पोहोचतात याची खात्री करण्यासाठी npx freellmapi doctor चालवा. डॅशबोर्डवरील विनंती लॉग OpenCode कडील प्रत्येक कॉल दाखवतो. X-Routed-Via रिस्पॉन्स हेडर प्रत्येक विनंतीला कोणत्या प्रोव्हायडर आणि मॉडेलने उत्तर दिले ते नाव देतो. विनंती फॉलबॅक झाली असल्यास, X-Fallback-Trail हेडर प्रत्येक अयशस्वी हॉप आणि कारण नाव देतो.

हाताने सेटअप: opencode.json प्रोव्हायडर ब्लॉक

हाताने सेट करण्यासाठी, हा ब्लॉक ~/.config/opencode/opencode.json मध्ये किंवा तुमच्या प्रोजेक्टमधील opencode.json मध्ये जोडा. OpenCode @ai-sdk/openai-compatible वापरते, /v1/chat/completions एंडपॉइंटसाठी.

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 }
        }
      }
    }
  }
}

मग की जोडा. OpenCode सुरू करा, /connect चालवा, freellmapi प्रोव्हायडर निवडा आणि तुमची एकत्रित की पेस्ट करा. /connect मधील प्रोव्हायडर id कॉन्फिगमधील id शी जुळला पाहिजे. मॉडेल निवडण्यासाठी /models चालवा.

  • limit.context ही मॉडेलची जास्तीत जास्त इनपुट टोकन संख्या आहे. limit.output ही ते तयार करू शकणारी जास्तीत जास्त टोकन संख्या आहे.
  • वरच्या स्तरावरील model provider/model फॉरमॅट वापरते. त्याशिवाय, OpenCode आधी वापरलेले मॉडेल ठेवते.
  • तुम्हाला वापरायची प्रत्येक मॉडेल id models नकाशात असली पाहिजे. GET /v1/models मधून अधिक id जोडा.
कॉन्फिग आवृत्त्यांबद्दल टीप: OpenCode डॉक्युमेंटेशन आता providers की असलेला V2 कॉन्फिग फॉरमॅट वर्णन करते. डॉक्युमेंटेशन म्हणते की वरील V1 फॉरमॅट अजूनही सपोर्ट केला जातो. FreeLLMAPI सेटअप कमांड V1 फॉरमॅट लिहिते.

OpenCode साठी मॉडेल्स निवडा

OpenCode हा एजंट आहे. तो फाइल वाचतो, त्या संपादित करतो आणि टूल कॉलद्वारे कमांड चालवतो. प्रत्येक विनंतीत system prompt, टूल व्याख्या आणि फाइल मजकूर असतो. टूल कॉलिंग आणि मोठी कॉन्टेक्स्ट विंडो असलेली मॉडेल्स वापरा.

OpenCode साठी मोफत मॉडेल्स: टूल कॉलिंग आणि 128K+ कॉन्टेक्स्ट
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
Gemini 3.6 FlashGoogle AI Studio1M10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayहोयहोय

जुळणाऱ्या 109 मोफत मॉडेलपैकी 12 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.

राउटरला प्रत्येक विनंतीसाठी मॉडेल निवडू देण्यासाठी freellmapi/auto वापरा. बुद्धिमत्ता किंवा गतीनुसार विनंत्या वळवण्यासाठी auto:smart किंवा auto:fast ला models नकाशात जोडा. डॅशबोर्डवर बनवल्यानंतर तुम्ही नावाचे प्रोफाइल देखील जोडू शकता, उदाहरणार्थ auto:coding.

रेट मर्यादा आणि लांब सत्रे

एक एजंट टास्क डझनभर विनंत्या पाठवू शकतो. एकच मोफत टियर लांब टास्क लवकर थांबवतो. FreeLLMAPI प्रत्येक कीच्या विनंत्या आणि टोकन मोजते. एखादा प्रोव्हायडर 429 त्रुटी पाठवतो तेव्हा, राउटर विनंती साखळीतील पुढच्या मॉडेलकडे पाठवतो, आणि सत्र सुरू राहते.

  • चार किंवा अधिक प्रोव्हायडरच्या की जोडा. अधिक प्रोव्हायडर म्हणजे दिवसाला अधिक विनंत्या.
  • FREELLMAPI_CONTEXT_HANDOFF=on_model_switch सेट करून कॉन्टेक्स्ट हँडऑफ चालू करा. ही सेटिंग FreeLLMAPI च्या .env मध्ये ठेवा. मॉडेल बदलल्यावर, पुढच्या मॉडेलला ते टास्क पुढे चालवत आहे याची एक छोटी नोंद मिळते.
  • स्टिकी सत्रे संभाषण 30 मिनिटांसाठी एकाच मॉडेलवर ठेवतात. यामुळे एजंट सुसंगत राहतो.
  • प्रत्येक टास्कसाठी नवीन सत्र सुरू करा. लहान कॉन्टेक्स्ट प्रति विनंती कमी टोकन वापरतो.

समस्यानिवारण

समस्याकारणउपाय
वैध की असताना "Invalid API key"कॉन्फिगमधील रिकामी apiKey /connect मधील की ओव्हरराइड करतेapiKey options मधून काढा, किंवा setup-opencode पुन्हा चालवा
OpenCode नवीन प्रोव्हायडर वापरत नाहीवरच्या स्तरावरील model सेट नाही"model": "freellmapi/auto" सेट करा
मॉडेल सापडले नाहीमॉडेल id प्रोव्हायडरच्या models नकाशात नाहीनकाशात id जोडा, किंवा setup-opencode पुन्हा चालवा
{env:VAR} की रिकामी आहेOpenCode सेट नसलेल्या व्हेरिएबलला रिकाम्या स्ट्रिंगने बदलतेत्याच शेलमध्ये व्हेरिएबल एक्सपोर्ट करा, किंवा /connect ने की साठवा
टूल कॉल अयशस्वी होतातमॉडेलमध्ये कमकुवत टूल कॉलिंग आहेवरील तक्त्यातून मॉडेल निवडा
त्रुटी संदेश: "All models rate-limited after N attempts"सर्व की त्यांच्या मर्यादेवर आहेतअधिक प्रोव्हायडरच्या की जोडा, किंवा कूलडाउन संपण्याची वाट पाहा
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

मी OpenCode मोफत वापरू शकतो का?

हो. OpenCode ओपन सोर्स आहे. ते OpenAI-सुसंगत प्रोव्हायडर म्हणून FreeLLMAPI शी जोडा. गेटवे प्रत्येक विनंती मोफत प्रोव्हायडर टियरकडे पाठवते, त्यामुळे अनुमानाचा खर्च $0 आहे.

OpenCode मध्ये कस्टम OpenAI-सुसंगत प्रोव्हायडर कसा जोडायचा?

opencode.json मध्ये npm ला @ai-sdk/openai-compatible, options.baseURL आणि models नकाशा असलेला प्रोव्हायडर जोडा. मग की साठवण्यासाठी /connect आणि मॉडेल निवडण्यासाठी /models चालवा.

OpenCode साठी कोणते मोफत मॉडेल सर्वोत्तम आहे?

टूल कॉलिंग आणि किमान 128K कॉन्टेक्स्ट असलेले मॉडेल वापरा. या पृष्ठावरील तक्त्यात आज दोन्ही नियम पूर्ण करणारी सर्वात मजबूत मोफत मॉडेल्स दाखवली आहेत. राउटरला एक निवडू देण्यासाठी freellmapi/auto वापरा.

OpenCode API की कुठे साठवते?

/connect ने जोडलेल्या की ~/.local/share/opencode/auth.json मध्ये जातात. FreeLLMAPI सेटअप कमांड की तिथे लिहिते, त्यामुळे CLI आणि डेस्कटॉप अॅप दोन्ही ती शोधतात.

संबंधित मार्गदर्शक

स्रोत

सर्व मार्गदर्शक · सर्व मोफत मॉडेल पहा