मोफत रिझनिंग मॉडेल API
रिझनिंग मॉडेल उत्तर देण्यापूर्वी विचार करते. ते लपलेले किंवा दिसणारे टप्पे लिहिते, मग अंतिम उत्तर देते. यामुळे गणित, तर्क, नियोजन आणि कठीण कोडमध्ये मदत होते. अनेक प्रदाते रिझनिंग मॉडेल्स मोफत देतात. हे मार्गदर्शक ती दाखवते, विचार टोकनचा खर्च समजावते आणि काम करणारा कोड देते.
कोड, मॉडेलची नावे आणि थेट कॅटलॉग लेबल इंग्रजीत दाखवले जातात.
आज मोफत रिझनिंग मॉडेल्स
तक्त्यात नावात रिझनिंग असलेली मोफत मॉडेल्स दिसतात, उदाहरणार्थ GPT-OSS, R1, QwQ, Thinking, Reasoning आणि Magistral. डेटा थेट कॅटलॉगमधून येतो. Gemini Flash सारखी इतर अनेक मॉडेल्सही विचार करतात, पण त्यांच्या नावांवरून ते दिसत नाही.
| मॉडेल | मोफत उपलब्ध | संदर्भ | मोफत मर्यादा (सर्वोत्तम ऑफर) | साधने | व्हिजन |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 अधिक | 131K | 30 विनंत्या/मिनिट 1,000 विनंत्या/दिवस 8,000 टोकन/मिनिट 200,000 टोकन/दिवस ~6M | होय | नाही |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 अधिक | 131K | 30 विनंत्या/मिनिट 1,000 विनंत्या/दिवस 8,000 टोकन/मिनिट 200,000 टोकन/दिवस ~6M | होय | नाही |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 विनंत्या/मिनिट 1,000 विनंत्या/दिवस 8,000 टोकन/मिनिट 200,000 टोकन/दिवस ~6M | होय | नाही |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | नाही | नाही |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | नाही | नाही |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 विनंत्या/दिवस Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | नाही | नाही |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 विनंत्या/मिनिट 5,000 विनंत्या/दिवस 500,000 टोकन/दिवस 500K tokens/day · 5,000 req/day | नाही | नाही |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 विनंत्या/दिवस Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | नाही | नाही |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | होय | नाही |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 विनंत्या/दिवस 200 rpd | नाही | होय |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 विनंत्या/मिनिट 40 RPM | नाही | होय |
| Command A Reasoning | Cohere | 256K | 20 विनंत्या/मिनिट 33 विनंत्या/दिवस ~1-2M | होय | नाही |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 विनंत्या/मिनिट 50 विनंत्या/दिवस 50 req/day account-wide (1,000 after a $10 purchase) | नाही | नाही |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | होय | होय |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 विनंत्या/मिनिट 5,000 विनंत्या/दिवस 500,000 टोकन/दिवस 500K tokens/day · 5,000 req/day | नाही | नाही |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | होय | नाही |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | होय | नाही |
FreeLLMAPI कॅटलॉगमधील थेट डेटा (आवृत्ती 2026.11.19, तपासले 2026-11-19). मोफत मर्यादा वारंवार बदलतात. कॅटलॉग दररोज तपासले जाते.
GPT-OSS 120B अनेक प्रदाते मोफत पुरवतात, त्यामुळे फेलओव्हरसाठी अनेक पर्याय आहेत. QwQ 32B आणि DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI वर चालतात. Qwen3 Thinking मॉडेल्सची ModelScope वर 262K-टोकन संदर्भ विंडो आहे.
विचार टोकन तुमचे आउटपुट बजेट वापरतात
रिझनिंग मॉडेल्समधील ही सर्वात सामान्य समस्या आहे. मॉडेल आधी आपला विचार लिहिते. हे विचार टोकन उत्तराप्रमाणेच आउटपुट मर्यादेत मोजले जातात.
- Google सांगते: Gemini वरील आउटपुट मर्यादेत विचार टोकन समाविष्ट असतात. मॉडेल विचार करताना मर्यादा गाठल्यास आउटपुट कापले जाऊ शकते किंवा रिकामे राहू शकते. विचार टोकन तरीही मोजले जातात.
- Groq सांगते: 1,024 कम्प्लिशन टोकनचा डीफॉल्ट जटिल रिझनिंगसाठी कमी पडू शकतो.
- मोफत मर्यादा: विचार टोकन प्रति-मिनिट टोकन आणि प्रति-दिवस टोकन मर्यादेतही मोजले जातात. त्याच प्रश्नाच्या थेट उत्तरापेक्षा रिझनिंग उत्तर जास्त टोकन वापरू शकते.
max_tokens सेट करू नका. 4,000 किंवा अधिकपासून सुरुवात करा. finish_reason length असेल आणि content रिकामे असेल, तर मॉडेलने पूर्ण बजेट विचारासाठी वापरले.पायरी 1: FreeLLMAPI इन्स्टॉल करा आणि की जोडा
FreeLLMAPI ओपन सोर्स आहे. ते तुमच्या संगणकावर Docker मध्ये चालते. तुमच्या प्रदात्यांच्या की तुमच्या संगणकावरच राहतात.
इन्स्टॉल करा (macOS किंवा Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 वर डॅशबोर्ड उघडा. Keys पेजवर Groq, Cloudflare आणि Google AI Studio च्या की जोडा. त्या प्रत्येक मोफत रिझनिंग मॉडेल्स पुरवतात. त्याच पेजवरून तुमची एकत्रित की कॉपी करा.
पायरी 2: रिझनिंग मॉडेलला कॉल करा
curl
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-oss-120b",
"max_tokens": 4000,
"messages": [{"role": "user", "content": "A bat and a ball cost 1.10 in total. The bat costs 1.00 more than the ball. What does the ball cost?"}]
}'Python: कापलेले उत्तर तपासा आणि विचार मजकूर काढा
import re
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
resp = client.chat.completions.create(
model="openai/gpt-oss-120b", # or "auto:smart" to rank by intelligence
max_tokens=4000,
messages=[{"role": "user", "content": "Plan a 3-step database migration with no downtime."}],
)
choice = resp.choices[0]
text = choice.message.content or ""
text = re.sub(r"<think>.*?</think>", "", text, flags=re.S).strip() # some models return visible thinking
if choice.finish_reason == "length" and not text:
print("The model used the full budget to think. Raise max_tokens.")
else:
print(text)
print("tokens used:", resp.usage.completion_tokens if resp.usage else "unknown")काही प्रदाते <think> टॅगमधील विचार content मध्ये परत करतात. इतर तो लपवतात, किंवा वेगळ्या फील्डमध्ये परत करतात. वापरकर्त्यांना उत्तर दाखवण्यापूर्वी टॅग काढा.
विचाराचे प्रमाण नियंत्रित करा
प्रदात्यांची विचाराच्या लांबीसाठी स्वतःची सेटिंग्ज असतात. Groq GPT-OSS मॉडेल्सवर reasoning_effort सह low, medium किंवा high स्वीकारते. Gemini 3 मॉडेल्स thinking_level सेटिंग वापरतात. FreeLLMAPI दस्तऐवज ही फील्ड गेटवेमधून कशी जातात याचे वर्णन करत नाहीत, म्हणून आधी तुमच्या इन्स्टॉलवर चाचणी करा.
FreeLLMAPI चा मूळ Gemini एंडपॉइंट, /v1beta/models/{model}:generateContent, विचार बजेटचे भाषांतर करतो. Gemini च्या विचारावर नियंत्रण हवे असल्यास तो वापरा.
| कार्य | रिझनिंग मॉडेल वापरायचे? | का |
|---|---|---|
| गणित, तर्क कोडे, नियोजन | होय | पायरीनुसार विचार केल्याने चुका कमी होतात |
| कठीण बग आणि अल्गोरिदम डिझाइन | होय | मॉडेल स्वतःच्या पायऱ्या तपासते |
| चॅट, लहान उत्तरे, भाषांतर | नाही | विचारामुळे वेळ आणि टोकन वाढतात, फायदा थोडा |
| अनेक टूल कॉल असलेले एजंट | कधीकधी | प्रत्येक फेरीत विचाराचा खर्च पुन्हा होतो |
रिझनिंग कार्यांसाठी प्रॉम्प्ट आणि राउटिंग
- ध्येय आणि नियम सांगा: प्रॉम्प्टमध्ये सर्व तथ्ये, मर्यादा आणि अपेक्षित निकाल द्या. रिझनिंग मॉडेल विचार करताना हरवलेली तथ्ये तुम्हाला विचारू शकत नाही.
- उत्तर स्वरूप ठरवा: अंतिम उत्तर ठरावीक स्वरूपात मागा, उदाहरणार्थ एक संख्या किंवा JSON ऑब्जेक्ट. मग तुमचा कोड विचार मजकुराशिवाय ते वाचू शकतो.
- चाचणी प्रकरणे द्या: कोडसाठी उदाहरण इनपुट आणि आउटपुट जोडा. मॉडेल त्यांच्याविरुद्ध आपले उत्तर तपासू शकते.
- कार्यानुसार राउट करा: कठीण कार्यांसाठी बुद्धिमत्तेनुसार मॉडेल्सचा क्रम लावण्यासाठी
model: "auto:smart"वापरा. सोप्या कार्यांसाठीauto:fastवापरा, म्हणजे विचाराचा खर्च द्यावा लागत नाही. - प्रत्येक विनंतीसाठी एक कठीण प्रश्न: एका विनंतीत अनेक कठीण प्रश्न असल्यास ते एक आउटपुट बजेट वाटून घेतात. त्यांना वेगळ्या विनंत्यांमध्ये विभागा.
auto:* धोरणे प्रत्येक सक्षम मॉडेलचा क्रम लावतात आणि तुमच्या साखळीचा क्रम दुर्लक्षित करतात. रिझनिंग विनंत्या फक्त रिझनिंग मॉडेल्सवर ठेवण्यासाठी मॉडेल ID निश्चित करा. फक्त रिझनिंग मॉडेल्स असलेली नावाची फॉलबॅक साखळीही तयार करू शकता. मग auto:<profile-name> ने तिला कॉल करा.
समस्या निवारण
| समस्या | कारण | उपाय |
|---|---|---|
रिकामे content, finish_reason: "length" | विचाराने पूर्ण आउटपुट बजेट वापरले | max_tokens 4,000 किंवा अधिक वाढवा |
उत्तरात <think> मजकूर | प्रदाता दिसणारा विचार परत करतो | तुमच्या कोडमध्ये टॅग काढा |
| लहान प्रश्नासाठी लांब स्पष्टीकरण | काही रिझनिंग मॉडेल्स त्यांची विचार प्रक्रिया स्पष्ट करतात | "फक्त अंतिम उत्तर" मागा, किंवा नॉन-रिझनिंग मॉडेल वापरा |
| काही विनंत्यांनंतर 429 त्रुटी | विचार टोकननी प्रति-मिनिट टोकन मर्यादा वापरली | अधिक प्रदात्यांच्या की जोडा, किंवा फक्त कठीण कार्यांसाठी रिझनिंग वापरा |
| हळू उत्तरे | मॉडेल अनेक विचार टोकन लिहिते | सोप्या कार्यांसाठी auto:fast वापरा |
वारंवार विचारले जाणारे प्रश्न
मोफत रिझनिंग मॉडेल API आहे का?
होय. Groq, Cloudflare, NVIDIA, OVH, OpenRouter आणि इतर प्रदाते GPT-OSS 120B, QwQ 32B आणि DeepSeek R1 Distill सारखी रिझनिंग मॉडेल्स मोफत देतात. FreeLLMAPI त्यांना एका OpenAI-सुसंगत कीमागे ठेवते.
विचार टोकन आउटपुट टोकन म्हणून मोजले जातात का?
होय. Google सांगते की Gemini आउटपुट मर्यादेत विचार टोकन समाविष्ट असतात आणि ते मोजले जातात. मोफत टियरवर ते तुमची प्रति-मिनिट टोकन मर्यादाही वापरतात.
माझे रिझनिंग मॉडेल रिकामे उत्तर का परत करते?
मॉडेलने विचारासाठी पूर्ण max_tokens बजेट वापरले, त्यामुळे उत्तरासाठी टोकन उरले नाहीत. max_tokens 4,000 किंवा अधिक वाढवा.
DeepSeek R1 API द्वारे मोफत आहे का?
DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI वरील मोफत कॅटलॉगमध्ये आहे. या पृष्ठावरील तक्त्यात आज ते पुरवणारे प्रदाते दाखवले आहेत.
सर्वोत्तम मोफत रिझनिंग मॉडेल कोणते?
GPT-OSS 120B हा चांगला डीफॉल्ट आहे, कारण अनेक प्रदाते ते मोफत पुरवतात. या पृष्ठावरील तक्ता वापरा, जो थेट कॅटलॉगमधील बुद्धिमत्ता क्रमानुसार मॉडेल्स लावतो.
संबंधित मार्गदर्शक
- free gpt oss api
- free deepseek api
- free qwen api
- सर्वोत्तम मोफत कोडिंग मॉडेल API
- मोफत LLM API रेट मर्यादा
स्रोत
- FreeLLMAPI docs: Routing strategies and native Gemini API (तपासले 20 November 2026)
- Google AI Studio docs: Thinking (तपासले 20 November 2026)
- Gemini Developer API pricing (तपासले 20 November 2026)
- Groq docs: Reasoning (तपासले 20 November 2026)