Darmowe API tłumaczeń z LLM
Duże modele językowe dobrze tłumaczą między wieloma językami, a kilku dostawców udostępnia je za darmo. Niektóre darmowe modele są przeznaczone do tłumaczeń, na przykład Cohere Command A Translate. Ten przewodnik pokazuje darmowe modele do tłumaczeń, kod Python tłumaczący w paczkach i limity, które trzeba uwzględnić. Wszystkie żądania idą przez FreeLLMAPI, które łączy 45 darmowych poziomów dostawców za jednym kluczem zgodnym z OpenAI.
Kod, nazwy modeli i etykiety z katalogu na żywo są podane po angielsku.
Darmowe modele do tłumaczeń
Niektóre darmowe modele są trenowane na wiele języków lub na jeden region językowy. Tabela pokazuje modele wielojęzyczne i tłumaczeniowe w dzisiejszym darmowym katalogu.
| Model | Za darmo w | Kontekst | Darmowe limity (najlepsza oferta) | Narzędzia | Wizja |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | Tak | Nie |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 żądań/min 10 RPM | Nie | Nie |
| Nemotron 3 Super 120B | SEA-LION | - | 10 żądań/min 10 RPM | Tak | Nie |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 żądań/min 10 RPM | Nie | Nie |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 żądań/min 10 RPM | Nie | Nie |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 żądań/min 10 RPM | Nie | Nie |
| Command A Translate | Cohere | 256K | 20 żądań/min 33 żądań/dzień ~1-2M | Tak | Nie |
| Tiny Aya Global | Cohere | 8K | 20 żądań/min 33 żądań/dzień 1K calls/mo shared | Nie | Nie |
| North Small Translate | Cohere | 33K | 20 żądań/min 33 żądań/dzień ~1-2M | Nie | Nie |
| Tiny Aya Earth | Cohere | 8K | 20 żądań/min 33 żądań/dzień 1K calls/mo shared | Nie | Nie |
| Tiny Aya Fire | Cohere | 8K | 20 żądań/min 33 żądań/dzień 1K calls/mo shared | Nie | Nie |
| Tiny Aya Water | Cohere | 8K | 20 żądań/min 33 żądań/dzień 1K calls/mo shared | Nie | Nie |
Pokazano 12 z 16 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.
| Rodzina modeli | Przeznaczenie | Źródło |
|---|---|---|
| Command A Translate (Cohere) | Tłumaczenie w 23 językach, w tym arabskim, chińskim, hindi, japońskim, perskim i ukraińskim | Cohere changelog, 28 sierpnia 2025 |
| Aya Expanse (Cohere) | Wielojęzyczny czat w 23 językach | Dokumentacja Cohere |
| SEA-LION (AI Singapore) | Języki Azji Południowo-Wschodniej, 11 lub więcej | sea-lion.ai |
| Typhoon | Tajski | opentyphoon.ai |
Modele ogólne też dobrze tłumaczą, głównie między dużymi językami. Najmocniejsze darmowe modele ogólne dziś to:
| Model | Za darmo w | Kontekst | Darmowe limity (najlepsza oferta) | Narzędzia | Wizja |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 żądań/min 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | Tak | Nie |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 więcej | 1M | 40 żądań/min 40 RPM | Tak | Tak |
| 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 |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | Tak | Nie |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Tak | Tak |
| Deepseek V4.1 Flash | APINex | 1M | 5 żądań/min 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Nie | Nie |
| 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 |
Pokazano 8 z 184 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.
Przetestuj każdy model na swoich tekstach i parach językowych. Jakość mocno zmienia się między parami. Model dobry dla angielskiego na hiszpański może być słaby dla tajskiego na wietnamski.
Konfiguracja bramy
Zainstaluj FreeLLMAPI, dodaj swoje darmowe klucze dostawców na stronie Keys w panelu i skopiuj zunifikowany klucz. Dla modeli tłumaczeniowych wyżej dodaj klucz Cohere, klucz SEA-LION lub klucz NVIDIA. Dla modeli ogólnych dodaj klucze Google, Groq lub Mistral.
Instalacja i test jednego tłumaczenia
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."}
]
}'Stały ID modelu daje za każdym razem ten sam styl tłumaczenia. Gdy ten model osiągnie darmowy limit, żądanie kończy się błędem, chyba że ten sam model jest darmowy u innego dostawcy. Aby kontynuować na innych modelach, utwórz profil łańcucha awaryjnego, na przykład translate, z wybranymi modelami w kolejności. Następnie użyj auto:translate jako modelu.
Tłumacz w paczkach w Pythonie
Jedno żądanie na ciąg szybko zużywa Twoje limity żądań. Wyślij 20 do 50 krótkich ciągów w jednym żądaniu jako listę JSON. Kod sprawdza, czy odpowiedź ma tyle samo elementów i te same placeholdery. Jeśli sprawdzenie się nie uda, tłumaczy ciągi pojedynczo.
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"))Używaj temperature=0 do tłumaczenia. Wynik jest wtedy stabilniejszy między uruchomieniami. Zapisuj tłumaczenia w pliku lub bazie danych i tłumacz tylko nowe lub zmienione ciągi.
Glosariusze, ton i długie dokumenty
- Glosariusz: wypisz nazwy produktów i stałe terminy w wiadomości systemowej. Powiedz modelowi, których słów nie wolno tłumaczyć.
- Ton: podaj rejestr, na przykład formalne "Sie" po niemiecku albo nieformalne "tu" po francusku.
- Kontekst: dodaj jedną linijkę o tym, gdzie tekst się pojawia, na przykład "etykiety przycisków w aplikacji bankowej". Krótkie ciągi bez tego są często niejednoznaczne.
- Długie dokumenty: dziel je na granicach akapitów. Wysyłaj każdą część z poprzednim akapitem jako kontekstem i tłumacz tylko nową część.
- Ten sam model dla jednego dokumentu: wyślij nagłówek
X-Session-Idz ID dokumentu. FreeLLMAPI trzyma sesję na jednym modelu przez 30 minut, więc warunki pozostają takie same.
FreeLLMAPI ma opcjonalny cache odpowiedzi dla identycznych żądań. Trafienie w cache nie zużywa limitu dostawcy. Możesz go włączyć lub wyłączyć dla jednego żądania nagłówkiem X-FreeLLM-Cache. Przy temperature=0 ten sam ciąg i te same instrukcje dają to samo żądanie, więc powtarzające się ciągi pochodzą z cache.
Automatyczne sprawdzenie jakości
Proste sprawdzenia wykrywają większość złych tłumaczeń, zanim przeczyta je człowiek. Uruchamiaj je po każdej paczce i wysyłaj tylko nieudane ciągi na listę do przeglądu.
- Placeholdery: tłumaczenie musi mieć te same placeholdery i tagi co źródło. Powyższy kod już to sprawdza.
- Długość: tłumaczenie krótsze niż jedna trzecia albo dłuższe niż trzykrotność długości źródła jest często błędne.
- Nieprzetłumaczony tekst: jeśli wynik jest taki sam jak wejście, model tego nie przetłumaczył.
- Tłumaczenie wsteczne: dla ważnego tekstu przetłumacz wynik z powrotem na język źródłowy innym modelem. Porównuj znaczenie, a nie słowa.
Znajdź ciągi do przeglądu
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)]Do tłumaczenia wstecznego przypnij stały ID modelu, którego nie ma w Twoim profilu tłumaczeniowym. Inny model rzadziej powtórzy błędy pierwszego modelu.
Limity i uczciwe kompromisy
Darmowe poziomy dobrze nadają się do ciągów aplikacji, odpowiedzi wsparcia, dokumentów wewnętrznych i testów. Uwzględnij te limity:
| Limit | Wpływ na tłumaczenie | Co zrobić |
|---|---|---|
| Żądania na minutę i na dzień | Duży plik może zużyć cały dzienny limit | Wysyłaj 20 do 50 ciągów w żądaniu. Dodaj klucze od większej liczby dostawców. |
| Niskie dzienne limity modeli specjalistycznych | Niektóre modele tłumaczeniowe pozwalają na kilka żądań dziennie | Ustaw je na początku profilu, a modele ogólne za nimi |
| Różne modele po przełączeniu awaryjnym | Styl i terminy mogą się zmieniać między paczkami | Użyj glosariusza i nagłówka X-Session-Id |
| Brak SLA | Opóźnienie zmienia się w ciągu dnia | Nie używaj darmowych poziomów do tłumaczenia w czasie rzeczywistym, które musi odpowiedzieć w ustalonym czasie |
| Warunki danych | Niektóre darmowe poziomy mogą używać promptów do trenowania modeli | Nie wysyłaj poufnego tekstu do tych dostawców |
Tłumaczenie maszynowe może być błędne. Zanim opublikujesz tekst prawniczy, medyczny lub marketingowy, niech sprawdzi go rodzimy użytkownik języka. Gdy każdy klucz w łańcuchu osiągnie limit, brama zwraca 429 z nagłówkiem Retry-After. Powyższy kod czeka i próbuje ponownie.
Najczęstsze pytania
Czy istnieje darmowe API tłumaczeń oparte na LLM?
Tak. Kilku dostawców udostępnia za darmo wielojęzyczne LLM, w tym modele tłumaczeniowe, takie jak Cohere Command A Translate. FreeLLMAPI udostępnia je przez jeden klucz zgodny z OpenAI.
Który darmowy LLM jest najlepszy do tłumaczeń?
Zależy to od pary językowej. Command A Translate obejmuje 23 języki, SEA-LION jest przeznaczony dla języków Azji Południowo-Wschodniej, a Typhoon dla tajskiego. Testuj na swoich tekstach.
Jak tłumaczyć wiele ciągów bez trafiania w limity szybkości?
Wyślij 20 do 50 ciągów w jednym żądaniu jako listę JSON, użyj temperature 0, zapisuj wyniki w cache i dodaj klucze od większej liczby dostawców.
Jak zachować placeholdery i tagi HTML w tłumaczeniach LLM?
Poleć modelowi, by zachował je dokładnie, a potem sprawdź każde tłumaczenie. Jeśli placeholdery się nie zgadzają, przetłumacz ten ciąg ponownie lub osobno.
Czy darmowe tłumaczenie LLM wystarczy do produkcji?
Dla ciągów aplikacji i tekstów wewnętrznych często tak, z glosariuszem i sprawdzeniami. Teksty prawnicze, medyczne i marketingowe powinien przejrzeć rodzimy użytkownik języka.
Powiązane poradniki
- Darmowe API LLM w Pythonie
- Czy darmowe API LLM trenuje na Twoich danych?
- Darmowe API LLM: limity żądań
- Darmowe bazowe URL-e API zgodne z OpenAI
- Darmowe API LLM do użytku komercyjnego
Źródła
- Cohere changelog: Command A Translate (23 languages) (sprawdzono 20 November 2026)
- Cohere docs: Aya (Aya Expanse, 23 languages) (sprawdzono 20 November 2026)
- AI Singapore: SEA-LION (sprawdzono 20 November 2026)
- Typhoon: Thai language models (sprawdzono 20 November 2026)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (sprawdzono 20 November 2026)