मुख्यपृष्ठ / मार्गदर्शक / मोफत रिझनिंग मॉडेल API

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.

मोफत रिझनिंग मॉडेल्स, सर्वात बलवान आधी
मॉडेलमोफत उपलब्धसंदर्भमोफत मर्यादा (सर्वोत्तम ऑफर)साधनेव्हिजन
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 विनंत्या/मिनिट
20 विनंत्या/दिवस
250,000 टोकन/मिनिट
~3M
होयहोय
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 अधिक131K30 विनंत्या/मिनिट
1,000 विनंत्या/दिवस
8,000 टोकन/मिनिट
200,000 टोकन/दिवस
~6M
होयनाही
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 अधिक131K30 विनंत्या/मिनिट
1,000 विनंत्या/दिवस
8,000 टोकन/मिनिट
200,000 टोकन/दिवस
~6M
होयनाही
GPT-OSS Safeguard 20BGroq, LLMTR131K30 विनंत्या/मिनिट
1,000 विनंत्या/दिवस
8,000 टोकन/मिनिट
200,000 टोकन/दिवस
~6M
होयनाही
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsनाहीनाही
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditनाहीनाही
Qwen3 235B A22B Thinking 2507ModelScope262K200 विनंत्या/दिवस
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
नाहीनाही
GPT-OSS 120B (via Groq)DreamPrompting131K100 विनंत्या/मिनिट
5,000 विनंत्या/दिवस
500,000 टोकन/दिवस
500K tokens/day · 5,000 req/day
नाहीनाही
Qwen3 Next 80B A3B ThinkingModelScope262K200 विनंत्या/दिवस
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
नाहीनाही
QwQ 32BCloudflare Workers AI131K~10-20Mहोयनाही
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 विनंत्या/दिवस
200 rpd
नाहीहोय
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 विनंत्या/मिनिट
40 RPM
नाहीहोय
Command A ReasoningCohere256K20 विनंत्या/मिनिट
33 विनंत्या/दिवस
~1-2M
होयनाही
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 विनंत्या/मिनिट
50 विनंत्या/दिवस
50 req/day account-wide (1,000 after a $10 purchase)
नाहीनाही
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditहोयहोय
GPT-OSS 20B (via Groq)DreamPrompting131K100 विनंत्या/मिनिट
5,000 विनंत्या/दिवस
500,000 टोकन/दिवस
500K tokens/day · 5,000 req/day
नाहीनाही
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5Mहोयनाही
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditहोयनाही

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.
नियम: रिझनिंग मॉडेलवर लहान 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 | bash

http://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.

कार्यरिझनिंग मॉडेल वापरायचे?का
गणित, तर्क कोडे, नियोजनहोयपायरीनुसार विचार केल्याने चुका कमी होतात
कठीण बग आणि अल्गोरिदम डिझाइनहोयमॉडेल स्वतःच्या पायऱ्या तपासते
चॅट, लहान उत्तरे, भाषांतरनाहीविचारामुळे वेळ आणि टोकन वाढतात, फायदा थोडा
अनेक टूल कॉल असलेले एजंटकधीकधीप्रत्येक 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 कार्यांसाठी auto:fast वापरा, 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

समस्याकारणउपाय
रिकामे content, finish_reason: "length"विचाराने पूर्ण आउटपुट बजेट वापरलेmax_tokens 4,000 किंवा अधिक वाढवा
उत्तरात <think> मजकूरप्रदाता दिसणारा विचार परत करतोतुमच्या कोडमध्ये टॅग काढा
लहान प्रश्नासाठी लांब स्पष्टीकरणकाही रिझनिंग मॉडेल्स त्यांची विचार प्रक्रिया स्पष्ट करतात"फक्त अंतिम उत्तर" मागा, किंवा नॉन-रिझनिंग मॉडेल वापरा
काही विनंत्यांनंतर 429 त्रुटीविचार टोकननी प्रति-मिनिट टोकन मर्यादा वापरलीअधिक प्रदात्यांच्या की जोडा, किंवा फक्त कठीण कार्यांसाठी रिझनिंग वापरा
हळू उत्तरेमॉडेल अनेक विचार टोकन लिहितेसोप्या कार्यांसाठी auto:fast वापरा
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

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

स्रोत

सर्व मार्गदर्शक · सर्व मोफत मॉडेल पहा