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-m3com 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.
| Modelo | Provedor | Dimensões | Entrada máx. | Limite gratuito |
|---|---|---|---|---|
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) |
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 | bashAbra 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.
| Necessidade | Família de modelos | Motivo |
|---|---|---|
| Texto curto em inglês ou multilíngue, muitos provedores | bge-m3 | 1024 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 Google | gemini-embedding-001 | 3072 dimensões. O limite de entrada é de 2.048 tokens, então divida documentos longos em partes. |
| Documentos longos em um único vetor | embed-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 rápida | bge-small-en-v1.5 | 384 dimensões. Somente inglês, e o limite de entrada é de 512 tokens. |
| Busca de código | codestral-embed | Treinado 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-001com 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.
Solução de problemas
| Problema | Causa | Solução |
|---|---|---|
| Erro 429 durante a indexação em massa | O limite do provedor para a família foi atingido | Adicione uma segunda chave de provedor para a mesma família, ou envie menos requisições por minuto |
| Os resultados de busca estão errados depois de uma mudança | Documentos e consultas usam famílias diferentes | Use 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 espera | auto usa a família padrão | Defina um nome de família explícito, ou confira o padrão em Models, Embeddings |
| Textos longos geram correspondências ruins | O texto é maior que o limite de entrada | Divida o texto em partes menores |
| Erro 401 | A chave unificada está errada ou ausente | Copie a chave unificada de novo na página Keys |
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
- API LLM gratuita para RAG
- API LLM gratuita para LangChain
- LLM gratuito em Python
- free cohere api
- Limites de taxa da API LLM gratuita
Fontes
- FreeLLMAPI docs: Embeddings (verificado em 20 November 2026)
- Google AI Studio docs: Embeddings (verificado em 20 November 2026)
- Cloudflare Workers AI pricing (verificado em 20 November 2026)
- Cohere docs: API keys and rate limits (verificado em 20 November 2026)
- OVHcloud AI Endpoints capabilities (verificado em 20 November 2026)