Darmowy LLM dla LlamaIndex
LlamaIndex ma dwie klasy dla API zgodnych z OpenAI: OpenAILike do czatu i OpenAILikeEmbedding do embeddingów. Ten poradnik kieruje obie na FreeLLMAPI, które łączy 45 darmowych poziomów dostawców za jednym kluczem. Zbudujesz indeks generowania wspomaganego wyszukiwaniem (RAG), wykonasz zapytania i dodasz agenta. Kod obsługuje limity szybkości.
Kod, nazwy modeli i etykiety z katalogu na żywo są podane po angielsku.
Zainstaluj pakiety
Zainstaluj FreeLLMAPI i dodaj darmowe klucze od dwóch lub więcej dostawców na stronie Keys w panelu. Skopiuj ujednolicony klucz. Następnie zainstaluj pakiety LlamaIndex.
Instalacja
curl -fsSL https://freellmapi.co/install.sh | bash
pip install -U llama-index-core \
llama-index-llms-openai-like \
llama-index-embeddings-openai-like
export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>Nie używaj zwykłej klasy OpenAI z llama-index-llms-openai z nazwami modeli, których OpenAI nie zna. Ta klasa sprawdza nazwy modeli i rozmiary kontekstu na liście modeli OpenAI. OpenAILike tego nie robi, więc te wartości ustawiasz sam.
Skonfiguruj LLM i model embeddingów
settings.py
import os
from llama_index.core import Settings
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding
BASE = os.environ["FREELLMAPI_BASE_URL"]
KEY = os.environ["FREELLMAPI_API_KEY"]
Settings.llm = OpenAILike(
model="auto",
api_base=BASE,
api_key=KEY,
is_chat_model=True, # use /v1/chat/completions
is_function_calling_model=True, # needed for FunctionAgent
context_window=32000, # the smallest window in your chain
max_retries=5,
timeout=90,
)
Settings.embed_model = OpenAILikeEmbedding(
model_name="bge-m3", # one family, 1024 dimensions
api_base=BASE,
api_key=KEY,
embed_batch_size=16,
max_retries=10,
)- is_chat_model=True: bez tego LlamaIndex wysyła żądania do starszego endpointu uzupełniania.
- context_window: LlamaIndex używa tej wartości, aby ustalić, ile pobranych fragmentów zmieści się w prompcie. Przy
autorouter może wybierać różne modele. Użyj najmniejszego okna kontekstu w swoim łańcuchu. - is_function_calling_model=True: ustaw tylko wtedy, gdy Twój łańcuch ma modele z wywoływaniem narzędzi.
- embed_batch_size: każda partia to jedno żądanie. Większe partie zużywają mniej żądań na minutę.
Prompt RAG niesie kilka pobranych fragmentów, więc model czatu potrzebuje na nie miejsca. Utwórz profil łańcucha zapasowego z modelami o długim kontekście do RAG. Następnie ustaw model="auto:<profile>" i podnieś context_window do najmniejszego okna w tym profilu. Te darmowe modele mają dziś największe okna kontekstu:
| Model | Za darmo w | Kontekst | Darmowe limity (najlepsza oferta) | Narzędzia | Wizja |
|---|---|---|---|---|---|
| OpenAI: GPT-6 Luna | ElectronHub | 1.1M | $0.25/week shared free credits | Nie | Nie |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 żądań/min 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Tak | Tak |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 żądań/min 50 żądań/dzień Shared rate limit | Tak | Nie |
| DeepSeek V4 Flash 0731 | ElectronHub, Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | Nie | Nie |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| GLM-5.2 | ModelScope, Router9 | 1M | 100 żądań/dzień Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Nie | Nie |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
Pokazano 8 z 115 pasujących darmowych modeli. Zobacz wszystkie modele.
Dane na żywo z katalogu FreeLLMAPI (wersja 2026.11.19, sprawdzono 2026-11-19). Darmowe limity często się zmieniają. Katalog jest sprawdzany codziennie.
Aby jeden użytkownik trafiał na jeden model, wyślij nagłówek X-Session-Id. OpenAILike przyjmuje default_headers, na przykład default_headers={"X-Session-Id": "user-42"}. FreeLLMAPI trzyma sesję na tym samym modelu przez 30 minut. Dzięki temu odpowiedzi w jednym czacie mają ten sam styl.
Zbuduj i wykonaj zapytanie do indeksu RAG
Skrypt czyta pliki z folderu, tworzy embeddingi, zapisuje indeks i odpowiada na pytanie. Uruchom go raz, aby zbudować indeks. Kolejne uruchomienia wczytują zapisany indeks i nie osadzają plików ponownie.
rag.py
import os
import settings # noqa: F401 (sets Settings.llm and Settings.embed_model)
from llama_index.core import (
SimpleDirectoryReader,
StorageContext,
VectorStoreIndex,
load_index_from_storage,
)
PERSIST = "./storage"
def load_index() -> VectorStoreIndex:
if os.path.isdir(PERSIST):
return load_index_from_storage(StorageContext.from_defaults(persist_dir=PERSIST))
docs = SimpleDirectoryReader("./docs").load_data()
index = VectorStoreIndex.from_documents(docs, show_progress=True)
index.storage_context.persist(persist_dir=PERSIST)
return index
if __name__ == "__main__":
query_engine = load_index().as_query_engine(similarity_top_k=4, streaming=True)
response = query_engine.query("How do I rotate the API keys?")
response.print_response_stream()
for node in response.source_nodes:
print("\nSource:", node.metadata.get("file_name"), round(node.score or 0, 3))./storage i zbuduj indeks od nowa.Te modele embeddingów są w dzisiejszym katalogu darmowe. Kolumna wymiarów pokazuje rozmiar wektora każdej rodziny.
| Model | Dostawca | Wymiary | Maks. wejście | Darmowy limit |
|---|---|---|---|---|
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) |
Dane na żywo z katalogu FreeLLMAPI (wersja 2026.11.19, sprawdzono 2026-11-19). Darmowe limity często się zmieniają. Katalog jest sprawdzany codziennie.
Dodaj agenta z FunctionAgent
FunctionAgent używa wywoływania narzędzi. Możesz przekazać mu silnik zapytań jako narzędzie i dodać własne funkcje Pythona.
agent.py
import asyncio
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.core.tools import QueryEngineTool
from llama_index.core import Settings
from rag import load_index
docs_tool = QueryEngineTool.from_defaults(
query_engine=load_index().as_query_engine(similarity_top_k=4),
name="project_docs",
description="Answers questions about the project documentation.",
)
def open_tickets(team: str) -> int:
"""Return the number of open tickets for a team."""
return {"billing": 4, "platform": 11}.get(team, 0)
agent = FunctionAgent(
tools=[docs_tool, open_tickets],
llm=Settings.llm,
system_prompt="Use the tools. Cite the document name in each answer.",
)
async def main():
result = await agent.run("How many platform tickets are open, and how do we rotate keys?")
print(result)
asyncio.run(main())Do pracy agenta wybieraj modele z wywoływaniem narzędzi. Utwórz profil łańcucha zapasowego tylko z tymi modelami i użyj auto:<profile> jako nazwy modelu.
| Model | Za darmo w | Kontekst | Darmowe limity (najlepsza oferta) | Narzędzia | Wizja |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 żądań/min 1 req/min per model | Tak | Nie |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 żądań/min 40 RPM | Tak | Tak |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | Tak | Tak |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | Tak | Nie |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Tak | Tak |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Tak | Tak |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 żądań/min 50 żądań/dzień 50 req/day account-wide (1,000 after a $10 purchase) | Tak | Tak |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 żądań/min 50 żądań/dzień Shared rate limit | Tak | Nie |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 żądań/min 250 żądań/dzień 70,000 tokenów/min ~6M | Tak | Tak |
Pokazano 10 z 109 pasujących darmowych modeli. Zobacz wszystkie modele.
Dane na żywo z katalogu FreeLLMAPI (wersja 2026.11.19, sprawdzono 2026-11-19). Darmowe limity często się zmieniają. Katalog jest sprawdzany codziennie.
Utrzymaj ładowanie w darmowych limitach
Ładowanie wysyła wiele żądań embeddingów w krótkim czasie. Darmowe poziomy embeddingów mają niskie limity. Na przykład niektóre pozwalają na 10 żądań na minutę, a inne liczą wywołania na miesiąc. Zaplanuj pierwsze ładowanie, zanim je uruchomisz.
- Używaj dużych fragmentów. Mniej fragmentów oznacza mniej wektorów i mniej żądań. Dobry początek to rozmiar fragmentu bliski 1,024 tokenom.
- Używaj partii. Ustaw
embed_batch_sizena 16 lub więcej. Jedno żądanie wtedy niesie wiele fragmentów. - Zapisz indeks. Utrwal indeks po pierwszym uruchomieniu. Nie osadzaj tych samych plików ponownie.
- Zostaw ponowienia włączone.
OpenAILikeEmbeddingdomyślnie ponawia do 10 razy. Zachowaj tę wartość przy długich zadaniach ładowania. - Ładuj częściami. Przy tysiącach plików ładuj jeden folder na raz.
Zapytania są tańsze niż ładowanie. Każde zapytanie używa jednego żądania embeddingu i jednego żądania czatu. Żądanie czatu z czterema fragmentami po 1,024 tokeny wysyła około 5,000 tokenów. Darmowe poziomy z niskimi limitami tokenów na minutę mogą je odrzucić. FreeLLMAPI wtedy próbuje następnego dostawcy.
Rozwiązywanie problemów
| Problem | Przyczyna | Rozwiązanie |
|---|---|---|
Unknown model 'auto' | Użyto klasy OpenAI | Użyj OpenAILike |
Żądania idą do /v1/completions | is_chat_model nie jest ustawione | Ustaw is_chat_model=True |
| Agent nie wywołuje narzędzi | is_function_calling_model jest wyłączone albo model nie wywołuje narzędzi | Ustaw True i użyj profilu z narzędziami |
| Błąd 429 podczas ładowania | Rodzina embeddingów jest na limicie u wszystkich dostawców | Użyj większych partii, poczekaj na Retry-After i uruchom ponownie |
| Złe odpowiedzi po zmianie modelu embeddingów | Wektory z dwóch rodzin w jednym indeksie | Usuń zapisany indeks i zbuduj go od nowa |
| Błąd długości kontekstu | context_window jest większe niż model, który odpowiedział | Ustaw mniejszą wartość albo użyj profilu z długim kontekstem |
Aby zobaczyć, który dostawca odpowiedział na żądanie, użyj panelu FreeLLMAPI. Strona Analytics pokazuje żądania, opóźnienia i błędy dla każdego dostawcy i modelu. Każda odpowiedź ma też nagłówek X-Routed-Via. Jeśli router zmienił dostawcę, nagłówek X-Fallback-Trail wymienia każdą nieudaną próbę i jej przyczynę.
Najczęstsze pytania
Czy mogę używać LlamaIndex z darmowym LLM?
Tak. Użyj OpenAILike z api_base ustawionym na adres zgodny z OpenAI. FreeLLMAPI daje jeden adres dla wielu darmowych poziomów dostawców. Każdy poziom ma własne limity.
Jaka jest różnica między OpenAI a OpenAILike w LlamaIndex?
Klasa OpenAI sprawdza nazwy modeli względem modeli OpenAI. OpenAILike przyjmuje dowolną nazwę modelu. Okno kontekstu oraz flagi czatu i wywoływania funkcji ustawiasz sam.
Który darmowy model embeddingów jest najlepszy do LlamaIndex?
Wybierz rodzinę z wystarczającą liczbą darmowych żądań do Twojego ładowania i trzymaj ją dla całego indeksu. Rodzina bge-m3 jest darmowa u kilku dostawców, więc przełączanie awaryjne może przechodzić między nimi.
Czy FunctionAgent działa z darmowymi modelami?
Tak, jeśli model obsługuje wywoływanie narzędzi i ustawisz is_function_calling_model=True. Użyj profilu łańcucha zapasowego, który ma tylko modele z wywoływaniem narzędzi.
Jak uniknąć limitów szybkości przy budowaniu indeksu LlamaIndex?
Używaj dużych fragmentów, ustaw embed_batch_size na 16 lub więcej, utrwal indeks i ładuj duże foldery częściami.
Powiązane poradniki
- Darmowe API LLM dla RAG
- Darmowe API embeddings
- Darmowe API LLM dla LangChain
- Darmowe API LLM w Pythonie
- Darmowe API LLM z kontekstem 1 miliona tokenów
Źródła
- LlamaIndex: llama-index-llms-openai-like README (sprawdzono 20 November 2026)
- LlamaIndex: llama-index-embeddings-openai-like source (sprawdzono 20 November 2026)
- LlamaIndex: FunctionAgent (agent workflow) source (sprawdzono 20 November 2026)
- FreeLLMAPI docs: REST API (embeddings families, routing strategies) (sprawdzono 20 November 2026)