API terjemahan percuma dengan LLM
Model bahasa besar menterjemah dengan baik antara banyak bahasa, dan beberapa penyedia memberikannya secara percuma. Sesetengah model percuma direka untuk terjemahan, contohnya Cohere Command A Translate. Panduan ini menunjukkan model percuma untuk terjemahan, kod Python yang menterjemah dalam kumpulan, dan had untuk dirancang. Semua permintaan melalui FreeLLMAPI, yang menghimpunkan 45 tier penyedia percuma di sebalik satu kunci yang serasi dengan OpenAI.
Kod, nama model dan label katalog langsung dipaparkan dalam bahasa Inggeris.
Model percuma untuk terjemahan
Sesetengah model percuma dilatih untuk banyak bahasa atau untuk satu wilayah bahasa. Jadual ini menunjukkan model berbilang bahasa dan terjemahan dalam katalog percuma hari ini.
| Model | Percuma pada | Konteks | Had percuma (tawaran terbaik) | Alat | Penglihatan |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | Ya | Tidak |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 permintaan/minit 10 RPM | Tidak | Tidak |
| Nemotron 3 Super 120B | SEA-LION | - | 10 permintaan/minit 10 RPM | Ya | Tidak |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 permintaan/minit 10 RPM | Tidak | Tidak |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 permintaan/minit 10 RPM | Tidak | Tidak |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 permintaan/minit 10 RPM | Tidak | Tidak |
| Command A Translate | Cohere | 256K | 20 permintaan/minit 33 permintaan/hari ~1-2M | Ya | Tidak |
| Tiny Aya Global | Cohere | 8K | 20 permintaan/minit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
| North Small Translate | Cohere | 33K | 20 permintaan/minit 33 permintaan/hari ~1-2M | Tidak | Tidak |
| Tiny Aya Earth | Cohere | 8K | 20 permintaan/minit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
| Tiny Aya Fire | Cohere | 8K | 20 permintaan/minit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
| Tiny Aya Water | Cohere | 8K | 20 permintaan/minit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
Memaparkan 12 daripada 16 model percuma yang sepadan. Lihat semua model.
Data langsung daripada katalog FreeLLMAPI (versi 2026.11.19, disemak 2026-11-19). Had percuma kerap berubah. Katalog disemak setiap hari.
| Keluarga model | Direka untuk | Sumber |
|---|---|---|
| Command A Translate (Cohere) | Terjemahan dalam 23 bahasa, termasuk Arab, Cina, Hindi, Jepun, Parsi dan Ukraine | Log perubahan Cohere, 28 Ogos 2025 |
| Aya Expanse (Cohere) | Sembang berbilang bahasa dalam 23 bahasa | Dokumentasi Cohere |
| SEA-LION (AI Singapore) | Bahasa Asia Tenggara, 11 atau lebih | sea-lion.ai |
| Typhoon | Thai | opentyphoon.ai |
Model umum juga menterjemah dengan baik, terutamanya antara bahasa utama. Model umum percuma yang paling kuat hari ini ialah:
| Model | Percuma pada | Konteks | Had percuma (tawaran terbaik) | Alat | Penglihatan |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 permintaan/minit 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | Ya | Tidak |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 lagi | 1M | 40 permintaan/minit 40 RPM | Ya | Ya |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 permintaan/minit 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Ya | Ya |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | Ya | Tidak |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Ya | Ya |
| Deepseek V4.1 Flash | APINex | 1M | 5 permintaan/minit 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Tidak | Tidak |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 permintaan/minit 20 permintaan/hari 250,000 token/minit ~3M | Ya | Ya |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Ya | Ya |
Memaparkan 8 daripada 184 model percuma yang sepadan. Lihat semua model.
Data langsung daripada katalog FreeLLMAPI (versi 2026.11.19, disemak 2026-11-19). Had percuma kerap berubah. Katalog disemak setiap hari.
Uji setiap model dengan teks dan pasangan bahasa anda sendiri. Kualiti berubah banyak antara pasangan. Model yang baik untuk Inggeris ke Sepanyol boleh lemah untuk Thai ke Vietnam.
Sediakan gerbang
Pasang FreeLLMAPI, tambah kunci penyedia percuma anda pada halaman Keys papan pemuka dan salin kunci bersatu. Untuk model terjemahan di atas, tambah kunci Cohere, kunci SEA-LION atau kunci NVIDIA. Tambah kunci Google, Groq atau Mistral untuk model umum.
Pasang dan uji satu terjemahan
curl -fsSL https://freellmapi.co/install.sh | bash
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "command-a-translate-08-2025",
"temperature": 0,
"messages": [
{"role": "system", "content": "Translate the user text into German. Return only the translation."},
{"role": "user", "content": "Your order has shipped."}
]
}'ID model yang tetap memberikan gaya terjemahan yang sama setiap kali. Apabila model itu mencapai had percuma, permintaan gagal, melainkan model yang sama percuma pada penyedia lain. Untuk terus menggunakan model lain, buat profil rantaian sandaran, contohnya translate, dengan model pilihan anda mengikut susunan. Kemudian guna auto:translate sebagai model.
Terjemah dalam kumpulan dengan Python
Satu permintaan bagi setiap rentetan cepat menghabiskan had permintaan anda. Hantar 20 hingga 50 rentetan pendek dalam satu permintaan sebagai senarai JSON. Kod menyemak sama ada jawapan mempunyai bilangan item yang sama dan placeholder yang sama. Jika semakan gagal, kod menterjemah rentetan satu demi satu.
translate.py
import json
import os
import re
import time
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,
)
MODEL = "auto:translate" # a profile with your translation models
PLACEHOLDER = re.compile(r"\{[^}]+\}|%\w|<[^>]+>") # {name}, %s, <b>
SYSTEM = (
"You are a professional translator. Translate each string into {lang}. "
"Keep placeholders such as {{name}}, %s and HTML tags exactly as they are. "
"Use this glossary: {glossary}. "
"Return only a JSON array of strings, in the same order and with the same length."
)
def chat(messages):
for attempt in range(6):
try:
resp = client.chat.completions.create(model=MODEL, messages=messages, temperature=0)
return resp.choices[0].message.content or ""
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 same_placeholders(src: str, dst: str) -> bool:
return sorted(PLACEHOLDER.findall(src)) == sorted(PLACEHOLDER.findall(dst))
def parse_list(text: str):
text = text.strip().removeprefix("```json").removeprefix("```").removesuffix("```")
return json.loads(text)
def translate_batch(strings, lang, glossary="none"):
system = SYSTEM.format(lang=lang, glossary=glossary)
try:
out = parse_list(chat([
{"role": "system", "content": system},
{"role": "user", "content": json.dumps(strings, ensure_ascii=False)},
]))
if len(out) == len(strings) and all(same_placeholders(s, d) for s, d in zip(strings, out)):
return out
except (json.JSONDecodeError, TypeError):
pass
# Fallback: one string per request
return [translate_one(s, system) for s in strings]
def translate_one(s, system):
text = chat([
{"role": "system", "content": system},
{"role": "user", "content": json.dumps([s], ensure_ascii=False)},
])
try:
return str(parse_list(text)[0])
except (json.JSONDecodeError, TypeError, IndexError, KeyError):
return text.strip() # keep the raw answer; review it later
def translate_all(strings, lang, size=30, glossary="none"):
result = []
for i in range(0, len(strings), size):
result.extend(translate_batch(strings[i:i + size], lang, glossary))
return result
if __name__ == "__main__":
ui = ["Welcome back, {name}!", "You have %s new messages.", "<b>Save</b> your changes"]
print(translate_all(ui, "French", glossary="messages = messages; Save = Enregistrer"))Guna temperature=0 untuk terjemahan. Output menjadi lebih stabil antara larian. Simpan terjemahan dalam fail atau pangkalan data, dan terjemah hanya rentetan yang baharu atau yang berubah.
Glosari, nada dan dokumen panjang
- Glosari: senaraikan nama produk dan istilah tetap dalam mesej sistem. Beritahu model perkataan yang tidak boleh diterjemahkannya.
- Nada: nyatakan daftar bahasa, contohnya "Sie" formal dalam bahasa Jerman atau "tu" tidak formal dalam bahasa Perancis.
- Konteks: tambah satu baris tentang tempat teks itu dipaparkan, contohnya "label butang dalam aplikasi perbankan". Rentetan pendek selalunya samar tanpa maklumat ini.
- Dokumen panjang: pecahkan pada sempadan perenggan. Hantar setiap bahagian dengan perenggan sebelumnya sebagai konteks, dan terjemah hanya bahagian baharu.
- Model yang sama untuk satu dokumen: hantar pengepala
X-Session-Iddengan ID dokumen. FreeLLMAPI mengekalkan sesi pada satu model selama 30 minit, jadi terma kekal sama.
FreeLLMAPI mempunyai cache respons pilihan untuk permintaan yang serupa. Padanan cache tidak menggunakan kuota penyedia. Anda boleh menghidupkan atau mematikannya untuk satu permintaan dengan pengepala X-FreeLLM-Cache. Dengan temperature=0, rentetan yang sama dan arahan yang sama menghasilkan permintaan yang sama, jadi rentetan berulang datang daripada cache.
Semak kualiti secara automatik
Semakan mudah dapat mengesan kebanyakan terjemahan yang buruk sebelum seseorang membacanya. Jalankannya selepas setiap kumpulan dan hantar hanya rentetan yang gagal ke senarai semakan.
- Placeholder: terjemahan mesti mempunyai placeholder dan tag yang sama seperti sumber. Kod di atas sudah menyemak perkara ini.
- Panjang: terjemahan yang kurang daripada satu pertiga atau lebih daripada tiga kali panjang sumber selalunya salah.
- Teks tidak diterjemah: jika output sama dengan input, model tidak menterjemahnya.
- Terjemah balik: untuk teks penting, terjemah hasilnya kembali ke bahasa sumber dengan model yang berbeza. Bandingkan maknanya, bukan perkataannya.
Cari rentetan untuk semakan
def needs_review(src: str, dst: str) -> bool:
ratio = len(dst) / max(len(src), 1)
return (
not same_placeholders(src, dst)
or dst.strip() == src.strip()
or ratio < 0.33
or ratio > 3.0
)
review = [(s, d) for s, d in zip(ui, translated) if needs_review(s, d)]Untuk terjemah balik, tetapkan ID model tetap yang tiada dalam profil terjemahan anda. Model yang berbeza kurang berkemungkinan mengulangi ralat model pertama.
Had dan pertukaran yang jujur
Tier percuma sesuai untuk rentetan aplikasi, balasan sokongan, dokumen dalaman dan ujian. Rancang untuk had berikut:
| Had | Kesan kepada terjemahan | Apa yang perlu dilakukan |
|---|---|---|
| Permintaan seminit dan sehari | Fail besar boleh menghabiskan kuota harian penuh | Kumpulkan 20 hingga 50 rentetan bagi setiap permintaan. Tambah kunci daripada lebih banyak penyedia. |
| Had harian yang rendah pada model pakar | Sesetengah model terjemahan membenarkan sedikit permintaan sehari | Letakkannya di hadapan dalam profil, dengan model umum selepasnya |
| Model berbeza selepas failover | Gaya dan istilah boleh berubah antara kumpulan | Guna glosari dan pengepala X-Session-Id |
| Tiada SLA | Kelewatan berubah sepanjang hari | Jangan guna tier percuma untuk terjemahan masa nyata yang mesti menjawab dalam masa tetap |
| Terma data | Sesetengah tier percuma boleh menggunakan prompt untuk melatih model | Jangan hantar teks sulit kepada penyedia tersebut |
Terjemahan mesin boleh salah. Minta penutur asli menyemak teks undang-undang, perubatan dan pemasaran sebelum anda menerbitkannya. Apabila setiap kunci dalam rantaian mencapai had, gerbang memulangkan 429 dengan pengepala Retry-After. Kod di atas menunggu dan mencuba semula.
Soalan lazim
Adakah terdapat API terjemahan percuma berasaskan LLM?
Ada. Beberapa penyedia memberikan LLM berbilang bahasa secara percuma, termasuk model terjemahan seperti Cohere Command A Translate. FreeLLMAPI menyediakannya melalui satu kunci yang serasi dengan OpenAI.
LLM percuma yang manakah terbaik untuk terjemahan?
Ia bergantung pada pasangan bahasa. Command A Translate meliputi 23 bahasa, SEA-LION direka untuk bahasa Asia Tenggara dan Typhoon untuk Thai. Uji dengan teks anda sendiri.
Bagaimana saya menterjemah banyak rentetan tanpa mencapai had kadar?
Hantar 20 hingga 50 rentetan dalam satu permintaan sebagai senarai JSON, guna temperature 0, simpan hasil dalam cache dan tambah kunci daripada lebih banyak penyedia.
Bagaimana saya mengekalkan placeholder dan tag HTML dalam terjemahan LLM?
Beritahu model untuk mengekalkannya dengan tepat, kemudian semak setiap terjemahan. Jika placeholder tidak sepadan, terjemah rentetan itu semula atau secara berasingan.
Adakah terjemahan LLM percuma cukup baik untuk pengeluaran?
Untuk rentetan aplikasi dan teks dalaman, selalunya ya, dengan glosari dan semakan. Minta penutur asli menyemak teks undang-undang, perubatan dan pemasaran.
Panduan berkaitan
- API LLM percuma dalam Python
- Adakah API LLM percuma melatih dengan data anda?
- Had kadar Free LLM API
- Base URL API percuma yang serasi dengan OpenAI
- API LLM percuma untuk kegunaan komersial
Sumber
- Cohere changelog: Command A Translate (23 languages) (disemak 20 November 2026)
- Cohere docs: Aya (Aya Expanse, 23 languages) (disemak 20 November 2026)
- AI Singapore: SEA-LION (disemak 20 November 2026)
- Typhoon: Thai language models (disemak 20 November 2026)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (disemak 20 November 2026)