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
| पायरी | API | मोफत टियरची चिंता |
|---|---|---|
| 1. दस्तऐवजांचे तुकडे (chunks) करा | काहीही नाही (स्थानिक कोड) | काहीही नाही |
| 2. प्रत्येक तुकड्याचे एम्बेडिंग करा | /v1/embeddings | सुरुवातीला अनेक विनंत्या. काही मोफत एम्बेडिंग टियर प्रति मिनिट 10 विनंत्यांना परवानगी देतात. |
| 3. प्रश्नाचे एम्बेडिंग करा | /v1/embeddings | प्रति प्रश्न एक विनंती |
| 4. सर्वोत्तम तुकडे शोधा | काहीही नाही (स्थानिक व्हेक्टर शोध) | काहीही नाही |
| 5. तुकड्यांचा क्रम पुन्हा लावा (ऐच्छिक) | /v1/chat/completions | प्रति प्रश्न एक अतिरिक्त चॅट विनंती |
| 6. उत्तर लिहा | /v1/chat/completions | मोठे 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.
| 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.
- एका कुटुंबासाठी अनेक प्रदाते:
bge-m3सारखे 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-m3सारखे 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.
| 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 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | नाही | नाही |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| DeepSeek V4 Pro | APINex, Router9 | 1M | 5 विनंत्या/मिनिट 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | नाही | नाही |
| Nemotron 3 Ultra 550B | Gizmo, Kilo Gateway, LLMTR +3 अधिक | 1M | 200 विनंत्या/दिवस 200 rpd | होय | नाही |
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
| समस्या | कारण | उपाय |
|---|---|---|
| इंजेस्शन 429 सह थांबते | एम्बेडिंग कुटुंब सर्व प्रदात्यांवर मर्यादेवर आहे | मोठे बॅच वापरा, Retry-After ची वाट पहा, भागांमध्ये इंजेस्ट करा |
| बदलानंतर वाईट निकाल | इंडेक्समध्ये दोन कुटुंबांचे व्हेक्टर आहेत | एकाच कुटुंबासह सर्व तुकडे पुन्हा एम्बेड करा |
| इनपुट लांबीबद्दल त्रुटी | एक तुकडा कुटुंबाच्या कमाल इनपुटपेक्षा लांब आहे | लहान तुकडे वापरा |
| उत्तर स्रोतांकडे दुर्लक्ष करते | मॉडेल स्वतःच्या ज्ञानावरून उत्तर देते | temperature=0 आणि कडक सिस्टम प्रॉम्प्ट वापरा |
| उत्तरावर संदर्भ लांबीची त्रुटी | खूप जास्त किंवा खूप लांब तुकडे | k कमी करा, किंवा दीर्घ-संदर्भ प्रोफाइल वापरा |
| उत्तरांची शैली बदलते | राउटरने वेगळे मॉडेल निवडले | X-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.
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
- मोफत Embeddings API
- 1 दशलक्ष टोकन संदर्भ असलेले मोफत LLM API
- LlamaIndex साठी मोफत LLM
- LangChain साठी मोफत LLM API
- Python मध्ये मोफत LLM API
स्रोत
- FreeLLMAPI docs: embeddings (families and failover rules) (तपासले 20 November 2026)
- FreeLLMAPI docs: routing strategies and response headers (तपासले 20 November 2026)
- OpenAI Python SDK: embeddings, errors and retries (तपासले 20 November 2026)