Início / Guias / API LLM gratuita com contexto de 1 milhão de tokens

API LLM gratuita com contexto de 1 milhão de tokens

Uma janela de contexto longa permite que um modelo leia um livro inteiro, uma base de código grande ou horas de transcrições em uma única requisição. O catálogo do FreeLLMAPI tem 56 ofertas de modelos gratuitos com janela de contexto de 1 milhão de tokens ou mais. Este guia mostra esses modelos e os limites do nível gratuito que decidem quanto você pode realmente enviar.

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

Modelos gratuitos com contexto de 1M+ tokens hoje

A tabela lista modelos gratuitos com janela de contexto de pelo menos 1.000.000 de tokens, do maior para o menor. Os dados vêm do catálogo ao vivo. Observe a coluna "Free limits" além do tamanho do contexto.

Modelos gratuitos com contexto de 1M+ tokens, do maior para o menor
ModeloGratuito emContextoLimites gratuitos (melhor oferta)FerramentasVisão
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsNãoNão
Gemini 3.8 FlashAPINex, Google AI Studio1M5 req/min
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
SimSim
Gemini 3.7 FlashGoogle AI Studio1M10 req/min
20 req/dia
250,000 tokens/min
~3M
SimSim
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 req/min
50 req/dia
Shared rate limit
SimNão
DeepSeek V4 Flash 0731Router91M10,000 credits/month (~$1), shared; account-anniversary resetNãoNão
Gemini 3.6 FlashGoogle AI Studio1M10 req/min
20 req/dia
250,000 tokens/min
~3M
SimSim
GLM 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetNãoNão
Gemini 3.5 FlashGoogle AI Studio1M10 req/min
20 req/dia
250,000 tokens/min
~3M
SimSim
DeepSeek V4 ProAPINex, Router91M5 req/min
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
NãoNão
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 a mais1M200 req/dia
200 rpd
SimNão
Gemini 3.5 Flash LiteElectronHub, Google AI Studio1M15 req/min
20 req/dia
250,000 tokens/min
~3M
SimSim
Gemini 3 Flash PreviewGoogle AI Studio1M10 req/min
20 req/dia
250,000 tokens/min
~3M
SimSim
Gemini 3.1 Flash-LiteDreamPrompting, Google AI Studio1M100 req/min
5,000 req/dia
500,000 tokens/dia
500K tokens/day · 5,000 req/day
SimSim
Gemini 2.5 FlashDreamPrompting, ElectronHub, Google AI Studio1M100 req/min
5,000 req/dia
500,000 tokens/dia
500K tokens/day · 5,000 req/day
SimSim
Nemotron 3.5 LightningElectronHub, Gizmo, Kilo Gateway +2 a mais1M20 req/min
50 req/dia
50 req/day account-wide (1,000 after a $10 purchase)
SimNão

Mostrando 15 de 33 modelos gratuitos correspondentes. Ver todos os modelos.

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.

Os modelos Gemini Flash do Google AI Studio são os modelos gratuitos de 1M de tokens mais conhecidos. Eles também aceitam imagens e chamadas de ferramenta. As outras linhas vêm de roteadores gratuitos e da NVIDIA.

O limite real: tokens por minuto

A janela de contexto é o maior prompt que o modelo consegue ler. O nível gratuito também tem um limite de tokens por minuto (TPM). Em muitos níveis gratuitos, o limite de TPM é menor que a janela de contexto.

  • Exemplo: uma chave gratuita do Gemini Flash na tabela permite 250.000 tokens por minuto. Um prompt de 800.000 tokens está dentro da janela de contexto, mas acima do limite de TPM. O provedor envia o erro 429.
  • Requisições por dia: alguns modelos gratuitos do Gemini permitem apenas cerca de 20 requisições por dia. Use prompts longos apenas para as tarefas que precisam deles.
  • A saída é separada: a resposta tem seu próprio comprimento máximo. Um contexto de 1M de tokens não dá uma resposta de 1M de tokens.

Na prática, um modelo gratuito de 1M de contexto consegue ler algumas centenas de milhares de tokens em uma requisição. Meça o seu prompt antes de enviá-lo.

Etapa 1: instale o FreeLLMAPI e adicione chaves

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

Instale (macOS ou Linux)

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

Abra o painel em http://localhost:3001. Adicione uma chave do Google AI Studio na página Keys. Adicione também chaves de outros provedores da tabela, para que o roteador tenha outro modelo de contexto longo quando o Google enviar um erro 429. Copie sua chave unificada da mesma página.

Etapa 2: conte os tokens e depois envie um documento longo

O FreeLLMAPI oferece o método nativo countTokens do Gemini. Use-o para medir o prompt antes de enviá-lo.

curl: conte os tokens com o endpoint nativo do Gemini

curl "http://localhost:3001/v1beta/models/gemini-2.5-flash:countTokens" \
  -H "x-goog-api-key: <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"contents": [{"role": "user", "parts": [{"text": "Paste the long text here"}]}]}'

Python: envie um arquivo longo a um modelo de 1M de contexto

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>", timeout=300)

doc = open("annual-report.txt", encoding="utf-8").read()
print("about", len(doc) // 4, "tokens")  # rough rule for English text

resp = client.chat.completions.with_raw_response.create(
    model="gemini-2.5-flash",  # pin a 1M-context model; "auto" can pick a smaller one
    messages=[
        {"role": "system", "content": "Answer only from the document. Quote the section you use."},
        {"role": "user", "content": doc + "\n\nQuestion: What are the three largest risks?"},
    ],
    max_tokens=4000,
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

Fixe um modelo de contexto longo pelo id. Com model: "auto", o roteador pode escolher um modelo com janela de contexto menor. Defina um timeout longo no cliente, porque prompts grandes levam tempo para ser lidos.

Contexto longo ou RAG?

Use contexto longo quandoUse RAG quando
O documento é lido uma vez, por exemplo um contrato ou um relatórioVocê faz muitas perguntas sobre os mesmos dados grandes
A resposta precisa do texto completo, por exemplo um resumo ou uma comparação de seçõesA resposta está em alguns trechos curtos
O texto é menor que o limite de TPM da sua chave gratuitaOs dados são maiores que qualquer janela de contexto ou limite de TPM gratuito
Você precisa que o modelo veja a ordem e a estrutura do textoVocê precisa manter cada requisição pequena e rápida

O RAG envia apenas as partes relevantes dos dados com cada pergunta. Ele usa menos tokens nos níveis gratuitos. Leia API LLM gratuita para RAG e API de embeddings gratuita para configurá-lo.

Armadilhas e solução de problemas

  • Detalhes perdidos: os modelos podem deixar passar fatos no meio de um prompt muito longo. Coloque sua pergunta depois do documento e peça ao modelo para citar a fonte.
  • Tokens de raciocínio: os modelos Gemini Flash podem usar tokens de raciocínio ocultos do orçamento de saída. Não defina um max_tokens muito pequeno.
  • Arquivos PDF: o FreeLLMAPI não converte arquivos PDF, DOCX ou XLSX. Um anexo de documento binário retorna erro 400. Extraia o texto primeiro e depois envie o texto.
  • Limpe o texto: remova cabeçalhos, rodapés e sumários repetidos de páginas antes de enviar um documento. Eles usam tokens e não acrescentam fatos.
  • Prompts repetidos: cada requisição envia o documento inteiro de novo. Faça várias perguntas em uma única requisição quando puder.
ProblemaCausaCorreção
Erro 429 na primeira requisição longaO prompt é maior que o limite de TPMDiminua o prompt, ou use RAG
Erro 400 sobre o tamanho do contextoA requisição foi a um modelo com janela menorFixe um id de modelo da tabela
Resposta vazia ou cortadamax_tokens é pequeno demais, ou o raciocínio o consumiuDefina um max_tokens maior
TimeoutO modelo precisa de tempo para ler o promptDefina um timeout de 300 segundos ou mais no cliente
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 LLM gratuita com contexto de 1 milhão de tokens?

Sim. Os modelos Gemini Flash do nível gratuito do Google AI Studio têm janela de contexto de cerca de 1 milhão de tokens. O catálogo do FreeLLMAPI tem 56 ofertas de modelos gratuitos com 1M ou mais de tokens.

Posso enviar 1 milhão de tokens gratuitos em uma única requisição?

Normalmente não. O nível gratuito do Gemini no catálogo permite 250.000 tokens por minuto, então um prompt maior recebe o erro 429. Planeje algumas centenas de milhares de tokens para cada requisição.

Como conto os tokens antes de enviar um prompt?

Chame o método nativo countTokens do Gemini pelo FreeLLMAPI em /v1beta/models/{model}:countTokens. Para textos em inglês, cerca de 4 caracteres formam um token.

Qual LLM gratuito tem a maior janela de contexto?

A tabela desta página ordena os modelos gratuitos pelo tamanho do contexto, do maior para o menor. Vários modelos gratuitos chegam a cerca de 1 milhão de tokens. Leia também a coluna de limites gratuitos, porque o limite de TPM define o tamanho real de uma requisição.

Contexto longo é melhor que RAG?

Contexto longo é melhor para um documento que você lê uma vez. RAG é melhor para muitas perguntas sobre dados grandes, porque envia menos tokens a cada vez.

Guias relacionados

Fontes

Todos os guias · Ver todos os modelos gratuitos