Darmowe API wizji
API wizji pozwala LLM czytać obrazy. Możesz poprosić o opis zdjęcia, odczytanie paragonu lub wyjaśnienie wykresu. Katalog FreeLLMAPI zawiera 78 darmowych ofert modeli, które przyjmują obrazy. Wysyłasz obrazy w standardowym formacie OpenAI, a router sam wybiera model wizji. Ten poradnik pokazuje modele, limity rozmiaru każdego dostawcy i działający kod.
Kod, nazwy modeli i etykiety z katalogu na żywo są podane po angielsku.
Jak działa wejście obrazów
Wysyłaj obrazy w tablicy messages jako bloki treści image_url. Adresem może być URL data: z bajtami base64 albo adres http(s). Użyj /v1/chat/completions. Punkt końcowy /v1/responses nie przyjmuje jeszcze obrazów.
- Automatyczny routing: gdy żądanie zawiera obraz, router używa tylko modeli wizji. Dla tego żądania ignoruje modele tylko tekstowe.
- Przełączanie awaryjne: gdy jeden dostawca wizji osiągnie limit, router próbuje następnego modelu wizji z łańcucha.
- Jasny błąd: gdy żaden model wizji nie jest włączony, dostajesz błąd 422 z
code: "no_vision_model". Obraz nigdy nie jest cicho pomijany.
Darmowe modele wizji dzisiaj
Tabela pokazuje najmocniejsze darmowe modele z wejściem obrazów w dzisiejszym katalogu. Pochodzi z katalogu na żywo. Jeden wiersz może zawierać kilku dostawców obsługujących ten sam model.
| Model | Za darmo w | Kontekst | Darmowe limity (najlepsza oferta) | Narzędzia | Wizja |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 żądań/min 1 req/min per model | Tak | Tak |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | Tak | Tak |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| 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 |
| Qwen3.8 27B | ElectronHub, Groq | 262K | 30 żądań/min 250 żądań/dzień 70,000 tokenów/min ~6M | Tak | Tak |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | Tak | Tak |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| Gemini 3.8 Live | Google AI Studio | - | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 żądań/min 20 żądań/dzień 250,000 tokenów/min ~3M | Tak | Tak |
| Moondream 3.1 9B A2B | Cloudflare Workers AI, Moondream | 33K | ~10-20M | Nie | Tak |
| Moondream 3 Preview | Moondream | - | $5/month shared workspace usage credits | Nie | Tak |
Pokazano 15 z 67 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.
Modele Gemini dają największy kontekst i przyjmują wiele obrazów. Qwen 3.8 27B w Groq i Cloudflare to szybki wybór poza Google. Moondream powstał do zadań na obrazach, ale jego wynik jest ograniczony do 4 096 tokenów.
Krok 1: zainstaluj FreeLLMAPI i dodaj klucze
FreeLLMAPI ma otwarty kod. Działa na Twoim komputerze w Dockerze. Klucze dostawców pozostają na Twoim komputerze.
Instalacja (macOS lub Linux)
curl -fsSL https://freellmapi.co/install.sh | bashOtwórz panel pod adresem http://localhost:3001. Na stronie Keys dodaj klucz Google AI Studio i jeszcze jeden klucz. Na stronie Fallback Chain modele wizji mają odznakę Vision. Upewnij się, że co najmniej jeden jest włączony. Skopiuj swój wspólny klucz ze strony Keys.
Krok 2: wyślij obraz
curl: obraz z adresu URL
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "auto",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "Describe this image in two sentences."},
{"type": "image_url", "image_url": {"url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}}
]
}]
}'Python: plik lokalny jako base64
import base64
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("receipt.jpg", "rb") as fh:
b64 = base64.b64encode(fh.read()).decode()
resp = client.chat.completions.with_raw_response.create(
model="auto", # the router selects a vision model
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "List each item and price on this receipt as JSON."},
{"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
],
}],
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)W URL danych użyj poprawnego typu MIME, na przykład image/png albo image/jpeg. Aby wysłać więcej niż jeden obraz, dodaj więcej bloków image_url do tej samej wiadomości.
Limity obrazów według dostawcy
| Dostawca | Limit (oficjalny) | Co zrobić |
|---|---|---|
| Google Gemini | Łączny rozmiar żądania z obrazami w treści: 20 MB. Formaty: PNG, JPEG, WEBP, HEIC, HEIF | Zmniejsz duże zdjęcia przed wysłaniem |
| Google Gemini | Obraz do 384x384 pikseli kosztuje 258 tokenów. Większe obrazy są dzielone na kafelki 768x768, każdy po 258 tokenów | Obraz 960x540 zużywa 6 kafelków, około 1 548 tokenów |
| Groq (Qwen 3.8 27B) | Maksimum 3 obrazy na żądanie. Maksimum 20 MB dla żądania z adresem URL obrazu | Wysyłaj co najwyżej 3 obrazy do modeli Groq |
| Moondream | Tylko URL danych base64. Zdalne adresy obrazów nie są obsługiwane | Wysyłaj bajty obrazu, a nie link |
Tokeny obrazów wliczają się w limit tokenów na minutę darmowego planu. Żądanie z pięcioma dużymi obrazami może przekroczyć limit małego dostawcy. Zmniejsz obrazy, na przykład do 1024 pikseli po dłuższym boku, gdy nie potrzebujesz drobnych szczegółów.
Prompty, które działają przy zadaniach na obrazach
- Jedno zadanie w jednym żądaniu: zadaj jedno jasne pytanie o obraz. Kilka pytań w jednym prompcie daje krótsze i mniej dokładne odpowiedzi.
- Dane o strukturze: przy paragonach i formularzach podaj pola, które chcesz, na przykład
item,priceitotal. Poproś tylko o JSON. - Nieczytelne wartości: poleć modelowi wpisać
null, gdy nie może odczytać wartości. Wtedy nie zgaduje. - Najpierw przytnij: utnij obraz do części, której potrzebujesz. Mniejszy obraz zużywa mniej tokenów i daje lepsze szczegóły.
- Stabilne odpowiedzi: ustaw
temperaturena 0 przy zadaniach wydobywania danych. - Sprawdź liczby: porównaj sumy i daty z obrazem. Modele wizji mogą błędnie odczytać mały tekst i podobne cyfry.
Rozwiązywanie problemów
| Problem | Przyczyna | Rozwiązanie |
|---|---|---|
Błąd 422 no_vision_model | W łańcuchu nie jest włączony żaden model wizji | Włącz model z odznaką Vision na stronie Fallback Chain |
| Model mówi, że nie widzi obrazu | Żądanie trafiło do /v1/responses | Użyj /v1/chat/completions |
| Błąd 400 przy zdalnym URL | Dostawca nie może pobrać tego URL | Wyślij obraz jako URL danych base64 |
| Błąd 413 lub 400 przy dużych plikach | Obraz lub żądanie jest za duże | Zmniejsz obraz albo wyślij mniej obrazów |
| Błąd 429 przy żądaniach z obrazami | Tokeny obrazów wyczerpały limit tokenów na minutę | Zmniejsz obrazy albo dodaj klucze od większej liczby dostawców wizji |
Najczęstsze pytania
Czy istnieje darmowe API wizji?
Tak. Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter i inni dostawcy dają darmowe modele z wejściem obrazów. FreeLLMAPI udostępnia 78 darmowych ofert modeli wizji za jednym kluczem zgodnym z OpenAI.
Jak wysłać obraz do darmowego API LLM?
Dodaj blok treści image_url do wiadomości użytkownika. Użyj URL danych base64 albo adresu https i wyślij go do /v1/chat/completions.
Ile tokenów zużywa obraz?
W Gemini obraz 384x384 pikseli lub mniejszy zużywa 258 tokenów. Większy obraz jest dzielony na kafelki 768x768, a każdy kafelek zużywa 258 tokenów.
Czy mogę wysłać kilka obrazów w jednym żądaniu?
Tak. Dodaj więcej bloków image_url do wiadomości. Niektórzy dostawcy ograniczają liczbę. Na przykład Groq pozwala na 3 obrazy na żądanie dla Qwen 3.8 27B.
Który darmowy model wizji jest najlepszy do czytania dokumentów?
Użyj modelu Gemini do paragonów, wykresów i zeskanowanych stron. Ma duże okno kontekstu i przyjmuje wiele obrazów. Sprawdzaj liczby na obrazie, bo modele wizji mogą błędnie odczytać mały tekst.
Powiązane poradniki
- Darmowe API generowania obrazów
- free gemini api
- free qwen api
- free gemma api
- Darmowe API LLM z wywoływaniem funkcji
Źródła
- FreeLLMAPI docs: Vision and image input (sprawdzono 20 November 2026)
- Google AI Studio docs: Image understanding (sprawdzono 20 November 2026)
- Groq docs: Vision (sprawdzono 20 November 2026)
- Moondream OpenAI-compatible API docs (sprawdzono 20 November 2026)