मुख्यपृष्ठ / मार्गदर्शक / RAG साठी मोफत LLM API

RAG साठी मोफत LLM API

Retrieval-augmented generation (RAG) ला दोन API लागतात: संबंधित मजकूर शोधण्यासाठी एम्बेडिंग मॉडेल, आणि उत्तर लिहिण्यासाठी चॅट मॉडेल. दोन्ही मोफत टियरवर उपलब्ध आहेत. FreeLLMAPI 41 मोफत एम्बेडिंग मॉडेल्स आणि 487 मोफत चॅट मॉडेल्ससाठी एक OpenAI-सुसंगत की देते, प्रदात्यांमधील फेलओव्हरसह. हे मार्गदर्शक प्रत्येक पायरीसाठी मोफत मॉडेल्स आणि पूर्ण Python पाइपलाइन दाखवते.

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

मोफत टियरवरील RAG पाइपलाइन

पायरीAPIमोफत टियरची चिंता
1. दस्तऐवजांचे तुकडे (chunks) कराकाहीही नाही (स्थानिक कोड)काहीही नाही
2. प्रत्येक तुकड्याचे एम्बेडिंग करा/v1/embeddingsसुरुवातीला अनेक विनंत्या. काही मोफत एम्बेडिंग टियर प्रति मिनिट 10 विनंत्यांना परवानगी देतात.
3. प्रश्नाचे एम्बेडिंग करा/v1/embeddingsप्रति प्रश्न एक विनंती
4. सर्वोत्तम तुकडे शोधाकाहीही नाही (स्थानिक व्हेक्टर शोध)काहीही नाही
5. तुकड्यांचा क्रम पुन्हा लावा (ऐच्छिक)/v1/chat/completionsप्रति प्रश्न एक अतिरिक्त चॅट विनंती
6. उत्तर लिहा/v1/chat/completionsमोठे प्रॉम्प्ट. प्रति-मिनिट टोकन मर्यादा लागू होतात.

पायरी 2 सर्वात खर्चिक आहे. प्रत्येक दस्तऐवजासाठी ते एकदाच करा. व्हेक्टर जतन करा, आणि नंतर फक्त नवीन किंवा बदललेले दस्तऐवज एम्बेड करा.

FreeLLMAPI आणि Python पॅकेजेस इन्स्टॉल करा

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

python3 -m pip install -U openai numpy
export FREELLMAPI_API_KEY=<unified-key>

मोफत एम्बेडिंग मॉडेल निवडा

एक एम्बेडिंग कुटुंब निवडा आणि संपूर्ण इंडेक्ससाठी ते ठेवा. दोन मॉडेल्सचे व्हेक्टर सुसंगत नसतात. FreeLLMAPI मिश्र व्हेक्टरपासून तुमचे संरक्षण करते: एम्बेडिंग फेलओव्हर कधीच मॉडेल बदलत नाही. ते फक्त त्याच कुटुंबाला पुरवणाऱ्या प्रदात्यांमध्ये हलते.

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.

  • एका कुटुंबासाठी अनेक प्रदाते: bge-m3 सारखे कुटुंब एकापेक्षा जास्त प्रदात्यांवर मोफत आहे. मग फेलओव्हरला जायला जागा असते.
  • कमाल इनपुट: कमाल इनपुटपेक्षा लांब तुकडे कापले जातात किंवा नाकारले जातात. तुकडे या मूल्यापेक्षा लहान करा.
  • भाषा: इंग्रजी नसलेल्या मजकुरासाठी bge-m3 सारखे बहुभाषिक कुटुंब वापरा. नावात -en- असलेली कुटुंबे इंग्रजीसाठी आहेत.
  • परिमाणे: मोठ्या व्हेक्टरना अधिक साठवणूक लागते. लहान इंडेक्ससाठी ही समस्या नाही.

Python मध्ये पूर्ण RAG कोड

स्क्रिप्ट मजकूर फाइल्सचे तुकडे करते, त्यांचे बॅचमध्ये एम्बेडिंग करते आणि व्हेक्टर NumPy सह जतन करते. मग ती सर्वोत्तम तुकड्यांसह प्रश्नाचे उत्तर देते आणि स्रोत देते. मर्यादेमुळे विनंती थांबल्यास ती पुन्हा प्रयत्न करते.

rag.py

import json
import os
import pathlib
import time

import numpy as np
import openai
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:3001/v1",
    api_key=os.environ["FREELLMAPI_API_KEY"],
    max_retries=3,
    timeout=90,
)
EMBED_MODEL = "bge-m3"   # keep one family for the whole index
CHAT_MODEL = "auto"      # or a long-context profile: auto:<profile>
INDEX = pathlib.Path("index")

def with_retry(fn, *args, **kwargs):
    for attempt in range(6):
        try:
            return fn(*args, **kwargs)
        except openai.RateLimitError as err:
            header = err.response.headers.get("retry-after", "")
            time.sleep(min(int(header) if header.isdigit() else 2 ** attempt, 120))
    raise RuntimeError("Rate limited on every provider")

def chunk(text: str, size: int = 1500, overlap: int = 200) -> list[str]:
    step = size - overlap
    return [text[i:i + size] for i in range(0, max(len(text), 1), step)]

def embed(texts: list[str], batch: int = 32) -> np.ndarray:
    out = []
    for i in range(0, len(texts), batch):
        resp = with_retry(client.embeddings.create, model=EMBED_MODEL, input=texts[i:i + batch])
        out.extend(d.embedding for d in resp.data)
    vecs = np.array(out, dtype=np.float32)
    return vecs / np.linalg.norm(vecs, axis=1, keepdims=True)

def build(folder: str) -> None:
    chunks = []
    for path in sorted(pathlib.Path(folder).rglob("*.md")):
        for part in chunk(path.read_text(encoding="utf-8")):
            if part.strip():
                chunks.append({"source": str(path), "text": part})
    INDEX.mkdir(exist_ok=True)
    np.save(INDEX / "vectors.npy", embed([c["text"] for c in chunks]))
    (INDEX / "chunks.json").write_text(json.dumps(chunks))

def answer(question: str, k: int = 5) -> str:
    vecs = np.load(INDEX / "vectors.npy")
    chunks = json.loads((INDEX / "chunks.json").read_text())
    q = embed([question])[0]
    top = np.argsort(vecs @ q)[::-1][:k]
    context = "\n\n".join(f"[{n + 1}] ({chunks[i]['source']})\n{chunks[i]['text']}" for n, i in enumerate(top))
    resp = with_retry(
        client.chat.completions.create,
        model=CHAT_MODEL,
        temperature=0,
        messages=[
            {"role": "system", "content": "Answer only from the sources. Cite them as [1], [2]. If the sources do not answer, say so."},
            {"role": "user", "content": f"Sources:\n{context}\n\nQuestion: {question}"},
        ],
    )
    return resp.choices[0].message.content

if __name__ == "__main__":
    if not (INDEX / "vectors.npy").exists():
        build("docs")
    print(answer("How do I rotate the API keys?"))

काही हजार तुकड्यांपेक्षा जास्त असल्यास NumPy शोध व्हेक्टर डेटाबेसने बदला. एम्बेडिंग आणि चॅट कॉल तसेच राहतात.

वापरकर्ते अनेकदा तोच प्रश्न पुन्हा विचारतात. FreeLLMAPI कडे एकसारख्या विनंत्यांसाठी ऐच्छिक प्रतिसाद कॅशे आहे. कॅशे हिटला प्रदात्याचा कोटा लागत नाही. एका विनंतीसाठी X-FreeLLM-Cache: on किंवा off हेडरने कॅशे चालू किंवा बंद करू शकता. temperature=0 वापरा, म्हणजे तोच प्रश्न तीच विनंती देईल.

रीरँक पायरी जोडा

व्हेक्टर शोध समान मजकूर शोधतो, पण सर्वोत्तम तुकडाच नेहमी सर्वोत्तम उत्तर नसतो. रीरँक पायरी उमेदवारांचा क्रम पुन्हा लावते. FreeLLMAPI दस्तऐवज समर्पित रीरँक एंडपॉइंटचे वर्णन करत नाहीत. रीरँकर म्हणून तुम्ही जलद चॅट मॉडेल वापरू शकता. 15 उमेदवार मिळवा आणि सर्वोत्तम 5 ठेवा.

auto:fast सह LLM रीरँक

def rerank(question: str, candidates: list[str], keep: int = 5) -> list[int]:
    listing = "\n".join(f"{n}: {c[:400]}" for n, c in enumerate(candidates))
    resp = with_retry(
        client.chat.completions.create,
        model="auto:fast",
        temperature=0,
        messages=[{
            "role": "user",
            "content": (
                f"Question: {question}\n\nPassages:\n{listing}\n\n"
                f"Return the numbers of the {keep} most useful passages, best first, "
                "as a JSON list of integers. Return only the list."
            ),
        }],
    )
    try:
        ids = json.loads(resp.choices[0].message.content.strip())
        return [i for i in ids if isinstance(i, int) and 0 <= i < len(candidates)][:keep]
    except (json.JSONDecodeError, AttributeError):
        return list(range(min(keep, len(candidates))))  # fall back to vector order


# Use it in answer(): take 15 candidates, keep the best 5
# top = np.argsort(vecs @ q)[::-1][:15]
# best = rerank(question, [chunks[i]["text"] for i in top])
# top = [top[i] for i in best]

रीरँक पायरी प्रति प्रश्न एक चॅट विनंती जोडते. तुमच्या मोफत मर्यादा कडक असल्यास ती वगळा. चांगले तुकडे करणे अनेकदा रीरँक पायरीपेक्षा जास्त मदत करते.

दीर्घ संदर्भ: retrieval कधी लागत नाही

आज 56 मोफत मॉडेल पर्यायांची संदर्भ विंडो 10 लाख टोकन किंवा अधिक आहे. तुमची दस्तऐवजे लहान असतील, तर ती सर्व प्रॉम्प्टमध्ये पाठवा आणि व्हेक्टर इंडेक्स वगळा. हे सोपे आहे, पण प्रत्येक प्रश्नात अनेक टोकन जातात.

सर्वात मोठी संदर्भ विंडो असलेली मोफत मॉडेल्स
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 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetनाहीनाही
Gemini 3.5 FlashGoogle AI Studio1M10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय
DeepSeek V4 ProAPINex, Router91M5 विनंत्या/मिनिट
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
नाहीनाही
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 अधिक1M200 विनंत्या/दिवस
200 rpd
होयनाही

जुळणाऱ्या 35 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.

  • दीर्घ संदर्भ वापरा काही दस्तऐवजांसाठी, पूर्ण मजकूर लागणाऱ्या प्रश्नांसाठी, किंवा एकाच अहवालासाठी.
  • Retrieval वापरा अनेक दस्तऐवजांसाठी, वारंवार प्रश्नांसाठी, किंवा मोफत प्रति-मिनिट टोकन मर्यादा कमी असताना.
  • दोन्ही एकत्र करा: 20 किंवा अधिक तुकडे मिळवा आणि ते दीर्घ-संदर्भ मॉडेलला पाठवा.

कमी प्रति-मिनिट टोकन मर्यादा असलेल्या प्रदात्यावर मोठा प्रॉम्प्ट अयशस्वी होऊ शकतो. मग FreeLLMAPI पुढील प्रदाता वापरून पाहते. कोणती मॉडेल्स मोठे प्रॉम्प्ट घेतील हे नियंत्रित करण्यासाठी फक्त दीर्घ-संदर्भ मॉडेल्सची फॉलबॅक साखळी प्रोफाइल तयार करा. ती auto:<profile> म्हणून वापरा.

मर्यादा आणि समस्या निवारण

समस्याकारणउपाय
इंजेस्शन 429 सह थांबतेएम्बेडिंग कुटुंब सर्व प्रदात्यांवर मर्यादेवर आहेमोठे बॅच वापरा, Retry-After ची वाट पहा, भागांमध्ये इंजेस्ट करा
बदलानंतर वाईट निकालइंडेक्समध्ये दोन कुटुंबांचे व्हेक्टर आहेतएकाच कुटुंबासह सर्व तुकडे पुन्हा एम्बेड करा
इनपुट लांबीबद्दल त्रुटीएक तुकडा कुटुंबाच्या कमाल इनपुटपेक्षा लांब आहेलहान तुकडे वापरा
उत्तर स्रोतांकडे दुर्लक्ष करतेमॉडेल स्वतःच्या ज्ञानावरून उत्तर देतेtemperature=0 आणि कडक सिस्टम प्रॉम्प्ट वापरा
उत्तरावर संदर्भ लांबीची त्रुटीखूप जास्त किंवा खूप लांब तुकडेk कमी करा, किंवा दीर्घ-संदर्भ प्रोफाइल वापरा
उत्तरांची शैली बदलतेराउटरने वेगळे मॉडेल निवडलेX-Session-Id हेडर पाठवा, किंवा मॉडेल निश्चित करा

मोफत टियरना SLA नसतो. सर्वात बलवान मॉडेल्स प्रथम दैनिक मर्यादेपर्यंत पोहोचतात, आणि अनेक मर्यादा मध्यरात्री UTC ला रीसेट होतात. तुमची साखळी प्रत्यक्षात वापरणाऱ्या मॉडेल्ससह तुमची पाइपलाइन तपासा.

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

RAG साठी मोफत API आहे का?

होय. अनेक प्रदात्यांकडे मोफत एम्बेडिंग आणि चॅट टियर आहेत. FreeLLMAPI दोन्ही एका OpenAI-सुसंगत कीमागे पुरवते, प्रदात्यांमधील फेलओव्हरसह.

RAG साठी कोणते मोफत एम्बेडिंग मॉडेल सर्वोत्तम आहे?

अनेक प्रदात्यांवर मोफत आणि तुमच्या भाषांना योग्य असलेले कुटुंब निवडा. बहुभाषिक मजकुरासाठी bge-m3 हा सामान्य पर्याय आहे. संपूर्ण इंडेक्ससाठी एक कुटुंब ठेवा.

मोफत रीरँक API आहे का?

FreeLLMAPI दस्तऐवज रीरँक एंडपॉइंटचे वर्णन करत नाहीत. या पृष्ठावर दाखवल्याप्रमाणे जलद चॅट मॉडेलने रीरँक करू शकता, किंवा रीरँक पायरी वगळू शकता.

मोफत मॉडेलची 10 लाख टोकन संदर्भ विंडो असल्यास मला RAG लागतो का?

काही लहान दस्तऐवजांसाठी नाही. अनेक दस्तऐवज किंवा वारंवार प्रश्नांसाठी, retrieval प्रति विनंती कमी टोकन पाठवते आणि मोफत मर्यादांमध्ये राहते.

नंतर एम्बेडिंग मॉडेल बदलता येते का?

होय, पण सर्व तुकडे पुन्हा एम्बेड करावे लागतात. दोन मॉडेल्सचे व्हेक्टर सुसंगत नसतात, म्हणून एका इंडेक्समध्ये ते मिसळू नका.

संबंधित मार्गदर्शक

स्रोत

सर्व मार्गदर्शक · सर्व मोफत मॉडेल पहा