Início / Guias / API de modelos de raciocínio gratuita

API de modelos de raciocínio gratuita

Um modelo de raciocínio pensa antes de responder. Ele escreve etapas ocultas ou visíveis e depois dá a resposta final. Isso ajuda em matemática, lógica, planejamento e código difícil. Vários provedores oferecem modelos de raciocínio gratuitamente. Este guia os apresenta, explica o custo dos tokens de raciocínio e traz código que funciona.

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

Modelos de raciocínio gratuitos hoje

A tabela lista os modelos gratuitos com raciocínio no nome, por exemplo GPT-OSS, R1, QwQ, Thinking, Reasoning e Magistral. Os dados vêm do catálogo ao vivo. Muitos outros modelos, como o Gemini Flash, também raciocinam, mas o nome deles não mostra isso.

Modelos de raciocínio gratuitos, do mais forte para o mais fraco
ModeloGratuito emContextoLimites gratuitos (melhor oferta)FerramentasVisão
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 req/min
20 req/dia
250,000 tokens/min
~3M
SimSim
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 a mais131K30 req/min
1,000 req/dia
8,000 tokens/min
200,000 tokens/dia
~6M
SimNão
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 a mais131K30 req/min
1,000 req/dia
8,000 tokens/min
200,000 tokens/dia
~6M
SimNão
GPT-OSS Safeguard 20BGroq, LLMTR131K30 req/min
1,000 req/dia
8,000 tokens/min
200,000 tokens/dia
~6M
SimNão
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsNãoNão
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditNãoNão
Qwen3 235B A22B Thinking 2507ModelScope262K200 req/dia
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
NãoNão
GPT-OSS 120B (via Groq)DreamPrompting131K100 req/min
5,000 req/dia
500,000 tokens/dia
500K tokens/day · 5,000 req/day
NãoNão
Qwen3 Next 80B A3B ThinkingModelScope262K200 req/dia
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
NãoNão
QwQ 32BCloudflare Workers AI131K~10-20MSimNão
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 req/dia
200 rpd
NãoSim
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 req/min
40 RPM
NãoSim
Command A ReasoningCohere256K20 req/min
33 req/dia
~1-2M
SimNão
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 req/min
50 req/dia
50 req/day account-wide (1,000 after a $10 purchase)
NãoNão
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditSimSim
GPT-OSS 20B (via Groq)DreamPrompting131K100 req/min
5,000 req/dia
500,000 tokens/dia
500K tokens/day · 5,000 req/day
NãoNão
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5MSimNão
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditSimNão

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.

O GPT-OSS 120B é oferecido gratuitamente por vários provedores, então o failover tem muitas opções. O QwQ 32B e o DeepSeek R1 Distill Qwen 32B rodam no Cloudflare Workers AI. Os modelos Qwen3 Thinking têm contexto de 262K tokens no ModelScope.

Os tokens de raciocínio usam o seu orçamento de saída

Este é o problema mais comum com modelos de raciocínio. O modelo escreve o raciocínio primeiro. Esses tokens de raciocínio contam no limite de saída, da mesma forma que a resposta.

  • O Google diz: o limite de saída do Gemini inclui os tokens de pensamento. Se o modelo atingir o limite enquanto pensa, a saída pode ser cortada ou ficar vazia. Os tokens de pensamento continuam sendo contados.
  • O Groq diz: o padrão de 1.024 tokens de conclusão pode ser baixo para um raciocínio complexo.
  • Limites gratuitos: os tokens de raciocínio também contam nos limites de tokens por minuto e de tokens por dia. Uma resposta de raciocínio pode usar muito mais tokens que uma resposta direta para a mesma pergunta.
Regra: não defina um max_tokens pequeno em um modelo de raciocínio. Comece em 4.000 ou mais. Se finish_reason for length e o conteúdo estiver vazio, o modelo usou todo o orçamento para pensar.

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 chaves do Groq, do Cloudflare e do Google AI Studio na página Keys. Cada um oferece modelos de raciocínio gratuitos. Copie sua chave unificada da mesma página.

Etapa 2: chame um modelo de raciocínio

curl

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-oss-120b",
    "max_tokens": 4000,
    "messages": [{"role": "user", "content": "A bat and a ball cost 1.10 in total. The bat costs 1.00 more than the ball. What does the ball cost?"}]
  }'

Python: verifique se a resposta foi cortada e remova o texto de raciocínio

import re
from openai import OpenAI

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

resp = client.chat.completions.create(
    model="openai/gpt-oss-120b",  # or "auto:smart" to rank by intelligence
    max_tokens=4000,
    messages=[{"role": "user", "content": "Plan a 3-step database migration with no downtime."}],
)
choice = resp.choices[0]
text = choice.message.content or ""
text = re.sub(r"<think>.*?</think>", "", text, flags=re.S).strip()  # some models return visible thinking

if choice.finish_reason == "length" and not text:
    print("The model used the full budget to think. Raise max_tokens.")
else:
    print(text)
print("tokens used:", resp.usage.completion_tokens if resp.usage else "unknown")

Alguns provedores devolvem o raciocínio dentro de tags <think> no conteúdo. Outros o ocultam ou o devolvem em um campo separado. Remova as tags antes de mostrar a resposta aos usuários.

Controle a quantidade de raciocínio

Os provedores têm configurações próprias para o tamanho do raciocínio. O Groq aceita reasoning_effort com low, medium ou high nos modelos GPT-OSS. Os modelos Gemini 3 usam uma configuração thinking_level. A documentação do FreeLLMAPI não descreve como esses campos passam pelo gateway, então teste-os na sua instalação primeiro.

O endpoint nativo do Gemini do FreeLLMAPI, /v1beta/models/{model}:generateContent, traduz os orçamentos de pensamento. Use-o se você precisar controlar o raciocínio do Gemini.

TarefaUsar um modelo de raciocínio?Por quê
Matemática, quebra-cabeças de lógica, planejamentoSimPensar etapa por etapa reduz erros
Bugs difíceis e desenho de algoritmosSimO modelo verifica as próprias etapas
Chat, respostas curtas, traduçãoNãoPensar adiciona tempo e tokens com pouco ganho
Agentes com muitas chamadas de ferramentaÀs vezesCada rodada paga o custo do raciocínio de novo

Prompts e roteamento para tarefas de raciocínio

  • Informe o objetivo e as regras: dê todos os fatos, limites e o resultado esperado no prompt. Um modelo de raciocínio não pode pedir fatos que faltam durante o raciocínio.
  • Defina o formato da resposta: peça a resposta final em um formato fixo, por exemplo um número ou um objeto JSON. Assim, seu código pode lê-la sem o texto de raciocínio.
  • Dê casos de teste: para código, adicione exemplos de entradas e saídas. O modelo pode conferir a resposta com eles.
  • Roteie por tarefa: use model: "auto:smart" para classificar os modelos por inteligência em tarefas difíceis. Use auto:fast para tarefas fáceis, para não pagar o custo do raciocínio.
  • Uma pergunta difícil por requisição: várias perguntas difíceis em uma requisição dividem um mesmo orçamento de saída. Separe-as em requisições diferentes.

As estratégias auto:* classificam todos os modelos habilitados e ignoram a ordem da sua cadeia. Para manter as requisições de raciocínio apenas em modelos de raciocínio, fixe um id de modelo. Você também pode criar uma cadeia de fallback nomeada só com modelos de raciocínio. Depois, chame-a com auto:<profile-name>.

Solução de problemas

ProblemaCausaCorreção
Conteúdo vazio, finish_reason: "length"O raciocínio usou todo o orçamento de saídaAumente max_tokens para 4.000 ou mais
Texto <think> na respostaO provedor devolve o raciocínio visívelRemova as tags no seu código
Explicação longa para uma pergunta curtaAlguns modelos de raciocínio explicam o processo de pensamentoPeça "apenas a resposta final", ou use um modelo sem raciocínio
Erro 429 após algumas requisiçõesOs tokens de raciocínio consumiram o limite de tokens por minutoAdicione mais chaves de provedores, ou use raciocínio só em tarefas difíceis
Respostas lentasO modelo escreve muitos tokens de raciocínioUse auto:fast para tarefas simples
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 de modelos de raciocínio gratuita?

Sim. Groq, Cloudflare, NVIDIA, OVH, OpenRouter e outros provedores oferecem modelos de raciocínio gratuitos, como GPT-OSS 120B, QwQ 32B e DeepSeek R1 Distill. O FreeLLMAPI os coloca atrás de uma única chave compatível com OpenAI.

Os tokens de raciocínio contam como tokens de saída?

Sim. O Google diz que o limite de saída do Gemini inclui os tokens de pensamento, e que os tokens de pensamento são contados. Nos níveis gratuitos, eles também usam seu limite de tokens por minuto.

Por que meu modelo de raciocínio devolve uma resposta vazia?

O modelo usou todo o orçamento de max_tokens para pensar, então não sobraram tokens para a resposta. Aumente max_tokens para 4.000 ou mais.

O DeepSeek R1 é gratuito por API?

O DeepSeek R1 Distill Qwen 32B está no catálogo gratuito do Cloudflare Workers AI. A tabela desta página mostra os provedores que o oferecem hoje.

Qual é o melhor modelo de raciocínio gratuito?

O GPT-OSS 120B é uma boa escolha padrão, porque vários provedores o oferecem gratuitamente. Use a tabela desta página, que ordena os modelos pela classificação de inteligência do catálogo ao vivo.

Guias relacionados

Fontes

Todos os guias · Ver todos os modelos gratuitos