Início / Guias / API gratuita de embeddings

API gratuita de embeddings

Uma API de embeddings transforma texto em vetores para busca, RAG e agrupamento. Vários provedores oferecem embeddings gratuitos. O FreeLLMAPI coloca 41 modelos gratuitos de embedding atrás de um único endpoint /v1/embeddings. Este guia mostra os modelos, os limites deles e código que funciona.

O código, os nomes dos modelos e os rótulos do catálogo ao vivo são exibidos em inglês.

Como os embeddings gratuitos funcionam no FreeLLMAPI

O endpoint /v1/embeddings usa o formato de requisição da OpenAI. Qualquer SDK da OpenAI pode chamá-lo. Você envia texto e recebe um vetor para cada string de entrada.

Os embeddings usam uma regra de failover diferente da do chat. Requisições de chat podem passar para outro modelo. Requisições de embedding nunca passam para outro modelo. Vetores de dois modelos não são compatíveis, então uma troca silenciosa de modelo corromperia o seu armazenamento de vetores.

  • Família: o FreeLLMAPI agrupa os provedores por família. Uma família é uma identidade de modelo com um tamanho de vetor, por exemplo bge-m3 com 1024 dimensões.
  • Failover: quando um provedor de uma família atinge o limite, o roteador tenta o próximo provedor que atende a mesma família.
  • Padrão: model: "auto" usa a família padrão. Você define a família padrão na página Models, Embeddings do painel.

Modelos gratuitos de embedding hoje

A tabela lista todos os modelos gratuitos de embedding do catálogo do FreeLLMAPI. Os dados vêm do catálogo atual. "Max input" é o número máximo de tokens para uma string de entrada. "Free limit" é a cota gratuita publicada pelo provedor.

ModeloProvedorDimensõesEntrada máx.Limite gratuito
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)

Dados ao vivo do catálogo FreeLLMAPI (versão 2026.11.19, verificado em 2026-11-19). Os limites gratuitos mudam com frequência. O catálogo é verificado todos os dias.

Alguns provedores compartilham uma cota entre chat e embeddings. Por exemplo, uma chave de teste da Cohere permite 1.000 chamadas de API por mês para todos os endpoints juntos. O Cloudflare Workers AI oferece 10.000 neurônios por dia, compartilhados por todos os modelos do Workers AI na conta.

Passo 1: instale o FreeLLMAPI e adicione chaves

O FreeLLMAPI é de código aberto. Ele roda no seu computador em Docker. Suas chaves de provedores ficam no seu computador.

Instalação (macOS ou Linux)

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

Abra o painel em http://localhost:3001. Adicione suas chaves de provedores na página Keys. Para embeddings, uma chave do Google AI Studio e uma chave da Cloudflare já são um bom começo. Copie a sua chave unificada na mesma página.

Passo 2: chame o endpoint de embeddings

Envie uma lista de strings para obter vários vetores em uma única requisição. Use o mesmo valor de model para os seus documentos e para as suas consultas de busca.

curl

curl http://localhost:3001/v1/embeddings \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'

Python: gere embeddings e compare dois textos

import math
from openai import OpenAI

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

resp = client.embeddings.create(
    model="bge-m3",  # a family name, "auto", or a provider model id
    input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")

dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))

O campo model aceita três formas: auto, um nome de família como bge-m3, ou um ID de modelo do provedor como @cf/baai/bge-m3. Um ID de modelo do provedor resolve para a sua família, então o failover continua dentro dessa família.

Qual modelo gratuito de embedding escolher

Escolha o modelo uma vez para cada armazenamento de vetores. Se você mudar o modelo depois, precisará gerar os embeddings de todos os documentos de novo.

NecessidadeFamília de modelosMotivo
Texto curto em inglês ou multilíngue, muitos provedoresbge-m31024 dimensões, 8.192 tokens de entrada. Vários provedores gratuitos o atendem, então o failover tem mais opções.
Busca de alta qualidade com uma chave do Googlegemini-embedding-0013072 dimensões. O limite de entrada é de 2.048 tokens, então divida documentos longos em partes.
Documentos longos em um único vetorembed-v4.0 (Cohere)Janela de entrada grande. A chave de teste permite apenas 1.000 chamadas por mês, compartilhadas com o chat.
Vetores pequenos e busca rápidabge-small-en-v1.5384 dimensões. Somente inglês, e o limite de entrada é de 512 tokens.
Busca de códigocodestral-embedTreinado para código. Usa a cota do modo gratuito da Mistral.

Vetores grandes custam mais armazenamento e memória no banco de vetores. Um vetor de 3072 dimensões é três vezes maior que um de 1024 dimensões. Para a maioria dos projetos de RAG com menos de um milhão de partes, de 768 a 1024 dimensões dão bons resultados.

Limites e armadilhas

  • Limites de entrada: texto acima do valor de "Max input" pode ser cortado ou rejeitado. Divida os documentos em partes de 300 a 800 tokens antes de gerar os embeddings.
  • Uma família por armazenamento: não misture vetores de duas famílias em um mesmo índice. As pontuações de similaridade não têm significado entre modelos.
  • Normalização: o Google diz que os vetores de gemini-embedding-001 com menos de 3072 dimensões precisam ser normalizados por você. Normalize todos os vetores antes de usar o produto escalar como pontuação.
  • Limites de taxa: as camadas gratuitas contam requisições por minuto ou por dia. Envie lotes de strings em uma única requisição, e não uma requisição para cada string.
  • Camadas anônimas: o OVH AI Endpoints permite 2 requisições por minuto para cada endereço IP e modelo, sem chave. Use-o como fallback, e não para indexação em massa.
Dica: mantenha pelo menos dois provedores na família escolhida. Assim, um erro 429 em um provedor não interrompe a sua tarefa de indexação.

Solução de problemas

ProblemaCausaSolução
Erro 429 durante a indexação em massaO limite do provedor para a família foi atingidoAdicione uma segunda chave de provedor para a mesma família, ou envie menos requisições por minuto
Os resultados de busca estão errados depois de uma mudançaDocumentos e consultas usam famílias diferentesUse um único valor de model para os dois. Gere os embeddings dos documentos de novo se você o alterou
O tamanho do vetor não é o que você esperaauto usa a família padrãoDefina um nome de família explícito, ou confira o padrão em Models, Embeddings
Textos longos geram correspondências ruinsO texto é maior que o limite de entradaDivida o texto em partes menores
Erro 401A chave unificada está errada ou ausenteCopie a chave unificada de novo na página Keys
Use todos estes modelos com uma única chave. FreeLLMAPI é um roteador de código aberto e de hospedagem própria. Ele coloca todas estas camadas gratuitas atrás de um único endpoint compatível com OpenAI e passa para o próximo provedor quando um deles está com limite de requisições. Ver o catálogo ou colocar em produção.

Perguntas frequentes

Existe uma API gratuita de embeddings?

Sim. O Google AI Studio, o Cloudflare Workers AI, a Cohere, a NVIDIA, a Mistral, a OVH e outros oferecem modelos gratuitos de embedding com limites de taxa. O FreeLLMAPI coloca 41 deles atrás de um único endpoint compatível com OpenAI.

Posso usar o SDK da OpenAI para embeddings gratuitos?

Sim. Defina a base URL como http://localhost:3001/v1 e use a sua chave unificada. Depois, chame client.embeddings.create com um nome de família, como bge-m3.

Por que o FreeLLMAPI não faz failover para outro modelo de embedding?

Vetores de modelos diferentes não são compatíveis. Uma troca silenciosa de modelo quebraria a busca por similaridade. O roteador só faz failover entre provedores que atendem a mesma família de modelos.

Qual é o melhor modelo gratuito de embedding para RAG?

Para a maioria dos projetos, o bge-m3 é um bom padrão. Ele tem 1024 dimensões, um limite de entrada de 8.192 tokens e vários provedores gratuitos. Use o gemini-embedding-001 se quiser 3072 dimensões e tiver uma chave do Google.

Quantas dimensões os meus embeddings devem ter?

Use de 768 a 1024 dimensões para a maioria dos trabalhos de busca e RAG. Vetores maiores usam mais armazenamento e memória. Escolha o tamanho uma vez, porque uma mudança significa que você precisa gerar os embeddings de todos os documentos de novo.

Guias relacionados

Fontes

Todos os guias · Ver todos os modelos gratuitos