Home / Gidsen / Gratis LLM API met context van 1 miljoen tokens

Gratis LLM API met context van 1 miljoen tokens

Een lang contextvenster laat een model een heel boek, een grote codebase of uren aan transcripten in één verzoek lezen. De FreeLLMAPI-catalogus heeft 56 gratis modelaanbiedingen met een contextvenster van 1 miljoen tokens of meer. Deze gids toont die modellen en de limieten van het gratis tier die bepalen hoeveel je echt kunt sturen.

Code, modelnamen en labels uit de live catalogus worden in het Engels getoond.

Gratis modellen met 1M+ tokens context van dit moment

De tabel toont gratis modellen met een contextvenster van minstens 1.000.000 tokens, het grootste eerst. De gegevens komen uit de live catalogus. Let op de kolom "Gratis limieten" en op de grootte van de context.

Gratis modellen met 1M+ tokens context, het grootste eerst
ModelGratis opContextGratis limieten (beste aanbod)ToolsVision
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsNeeNee
Gemini 3.8 FlashAPINex, Google AI Studio1M5 aanvragen/min
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
JaJa
Gemini 3.7 FlashGoogle AI Studio1M10 aanvragen/min
20 aanvragen/dag
250,000 tokens/min
~3M
JaJa
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 aanvragen/min
50 aanvragen/dag
Shared rate limit
JaNee
DeepSeek V4 Flash 0731Router91M10,000 credits/month (~$1), shared; account-anniversary resetNeeNee
Gemini 3.6 FlashGoogle AI Studio1M10 aanvragen/min
20 aanvragen/dag
250,000 tokens/min
~3M
JaJa
GLM 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetNeeNee
Gemini 3.5 FlashGoogle AI Studio1M10 aanvragen/min
20 aanvragen/dag
250,000 tokens/min
~3M
JaJa
DeepSeek V4 ProAPINex, Router91M5 aanvragen/min
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
NeeNee
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 meer1M200 aanvragen/dag
200 rpd
JaNee
Gemini 3.5 Flash LiteElectronHub, Google AI Studio1M15 aanvragen/min
20 aanvragen/dag
250,000 tokens/min
~3M
JaJa
Gemini 3 Flash PreviewGoogle AI Studio1M10 aanvragen/min
20 aanvragen/dag
250,000 tokens/min
~3M
JaJa
Gemini 3.1 Flash-LiteDreamPrompting, Google AI Studio1M100 aanvragen/min
5,000 aanvragen/dag
500,000 tokens/dag
500K tokens/day · 5,000 req/day
JaJa
Gemini 2.5 FlashDreamPrompting, ElectronHub, Google AI Studio1M100 aanvragen/min
5,000 aanvragen/dag
500,000 tokens/dag
500K tokens/day · 5,000 req/day
JaJa
Nemotron 3.5 LightningElectronHub, Gizmo, Kilo Gateway +2 meer1M20 aanvragen/min
50 aanvragen/dag
50 req/day account-wide (1,000 after a $10 purchase)
JaNee

Toont 15 van 33 overeenkomende gratis modellen. Bekijk alle modellen.

Actuele gegevens uit de FreeLLMAPI-catalogus (versie 2026.11.19, gecontroleerd 2026-11-19). Gratis limieten veranderen vaak. De catalogus wordt elke dag gecontroleerd.

Gemini Flash-modellen van Google AI Studio zijn de bekendste gratis modellen met 1M tokens. Ze accepteren ook afbeeldingen en toolaanroepen. Andere rijen komen van gratis routers en van NVIDIA.

De echte limiet: tokens per minuut

Het contextvenster is de grootste prompt die het model kan lezen. Het gratis tier heeft ook een limiet voor tokens per minuut (TPM). Bij veel gratis tiers is de TPM-limiet kleiner dan het contextvenster.

  • Voorbeeld: een gratis Gemini Flash-sleutel in de tabel staat 250.000 tokens per minuut toe. Een prompt van 800.000 tokens past in het contextvenster, maar gaat boven de TPM-limiet. De provider stuurt fout 429.
  • Verzoeken per dag: sommige gratis Gemini-modellen staan maar ongeveer 20 verzoeken per dag toe. Gebruik lange prompts voor taken die ze nodig hebben.
  • Output is apart: het antwoord heeft een eigen maximale lengte. Een context van 1M tokens geeft geen antwoord van 1M tokens.

In de praktijk kan een gratis model met 1M context dus enkele honderdduizenden tokens in één verzoek lezen. Meet je prompt voordat je hem stuurt.

Stap 1: installeer FreeLLMAPI en voeg sleutels toe

FreeLLMAPI is open source. Het draait op je computer in Docker. Je providersleutels blijven op je computer.

Installeren (macOS of Linux)

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

Open het dashboard op http://localhost:3001. Voeg een Google AI Studio-sleutel toe op de pagina Keys. Voeg ook sleutels van andere providers uit de tabel toe, zodat de router een ander model met lange context heeft wanneer Google een 429-fout stuurt. Kopieer je uniforme sleutel van dezelfde pagina.

Stap 2: tel de tokens en stuur daarna een lang document

FreeLLMAPI biedt de native Gemini-methode countTokens aan. Gebruik die om de prompt te meten voordat je hem stuurt.

curl: tel tokens met het native Gemini-eindpunt

curl "http://localhost:3001/v1beta/models/gemini-2.5-flash:countTokens" \
  -H "x-goog-api-key: <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"contents": [{"role": "user", "parts": [{"text": "Paste the long text here"}]}]}'

Python: stuur een lang bestand naar een model met 1M context

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>", timeout=300)

doc = open("annual-report.txt", encoding="utf-8").read()
print("about", len(doc) // 4, "tokens")  # rough rule for English text

resp = client.chat.completions.with_raw_response.create(
    model="gemini-2.5-flash",  # pin a 1M-context model; "auto" can pick a smaller one
    messages=[
        {"role": "system", "content": "Answer only from the document. Quote the section you use."},
        {"role": "user", "content": doc + "\n\nQuestion: What are the three largest risks?"},
    ],
    max_tokens=4000,
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

Zet een model met lange context vast met het id ervan. Met model: "auto" kan de router een model met een kleiner contextvenster kiezen. Stel een lange client-timeout in, omdat grote prompts tijd kosten om te lezen.

Lange context of RAG?

Gebruik lange context wanneerGebruik RAG wanneer
Het document wordt één keer gelezen, bijvoorbeeld één contract of één rapportJe veel vragen stelt over dezelfde grote data
Het antwoord de volledige tekst nodig heeft, bijvoorbeeld een samenvatting of een vergelijking van sectiesHet antwoord in een paar korte passages staat
De tekst kleiner is dan de TPM-limiet van je gratis sleutelDe data groter is dan elk gratis contextvenster of elke TPM-limiet
Het model de volgorde en structuur van de tekst moet zienJe elk verzoek klein en snel wilt houden

RAG stuurt bij elke vraag alleen de relevante delen van de data. Het gebruikt minder tokens op gratis tiers. Lees Gratis LLM API voor RAG en Gratis embeddings-API om het in te stellen.

Valkuilen en probleemoplossing

  • Verloren details: modellen kunnen feiten missen in het midden van een zeer lange prompt. Zet je vraag na het document, en vraag het model zijn bron te citeren.
  • Denktokens: Gemini Flash-modellen kunnen verborgen denktokens gebruiken uit het outputbudget. Stel geen zeer kleine max_tokens in.
  • PDF-bestanden: FreeLLMAPI zet geen PDF-, DOCX- of XLSX-bestanden om. Een binaire documentbijlage geeft fout 400. Haal eerst de tekst eruit en stuur daarna de tekst.
  • Maak de tekst schoon: verwijder kopteksten, voetteksten en herhaalde inhoudsopgaven voordat je een document stuurt. Ze gebruiken tokens en voegen geen feiten toe.
  • Herhaalde prompts: elk verzoek stuurt het volledige document opnieuw. Stel meerdere vragen in één verzoek wanneer dat kan.
ProbleemOorzaakOplossing
Fout 429 bij het eerste lange verzoekDe prompt is groter dan de TPM-limietMaak de prompt kleiner, of gebruik RAG
Fout 400 over de contextlengteHet verzoek ging naar een model met een kleiner vensterZet een model-id uit de tabel vast
Leeg of afgekapt antwoordmax_tokens is te klein, of het denken heeft het opgebruiktStel een grotere max_tokens in
Time-outHet model heeft tijd nodig om de prompt te lezenStel een client-timeout van 300 seconden of meer in
Gebruik elk van deze met één sleutel. FreeLLMAPI is een open-source router die u zelf host. Die zet al deze gratis tarieven achter één eindpunt dat compatibel is met OpenAI. Bij een snelheidslimiet schakelt de router automatisch over. Bekijk de catalogus of live gaan.

Veelgestelde vragen

Is er een gratis LLM API met een context van 1 miljoen tokens?

Ja. Gemini Flash-modellen op het gratis tier van Google AI Studio hebben een contextvenster van ongeveer 1 miljoen tokens. De FreeLLMAPI-catalogus heeft 56 gratis modelaanbiedingen met 1M tokens of meer.

Kan ik 1 miljoen tokens gratis in één verzoek sturen?

Meestal niet. Het gratis Gemini-tier in de catalogus staat 250.000 tokens per minuut toe, dus een grotere prompt geeft fout 429. Reken op enkele honderdduizenden tokens per verzoek.

Hoe tel ik tokens voordat ik een prompt stuur?

Roep de native Gemini-methode countTokens aan via FreeLLMAPI op /v1beta/models/{model}:countTokens. Voor Engelse tekst vormen ongeveer 4 tekens één token.

Welke gratis LLM heeft het grootste contextvenster?

De tabel op deze pagina sorteert gratis modellen op contextgrootte, het grootste eerst. Verschillende gratis modellen bereiken ongeveer 1 miljoen tokens. Lees ook de kolom met gratis limieten, want de TPM-limiet bepaalt de echte grootte van één verzoek.

Is lange context beter dan RAG?

Lange context is beter voor één document dat je één keer leest. RAG is beter voor veel vragen over grote data, omdat het elke keer minder tokens stuurt.

Gerelateerde gidsen

Bronnen

Alle gidsen · Bekijk alle gratis modellen