Acasă / Ghiduri / API gratuit pentru embeddings

API gratuit pentru embeddings

Un API de embeddings transformă textul în vectori pentru căutare, RAG și grupare. Mai mulți furnizori oferă embeddings gratuit. FreeLLMAPI pune 41 modele de embeddings gratuite în spatele unui singur endpoint /v1/embeddings. Acest ghid arată modelele, limitele lor și cod care funcționează.

Codul, numele modelelor și etichetele live din catalog sunt afișate în engleză.

Cum funcționează embeddings gratuite în FreeLLMAPI

Endpoint-ul /v1/embeddings folosește formatul de cerere OpenAI. Orice SDK OpenAI îl poate apela. Trimiteți text și primiți un vector pentru fiecare șir de intrare.

Embeddings folosesc o regulă de failover diferită de chat. Cererile de chat pot trece la alt model. Cererile de embeddings nu trec niciodată la alt model. Vectorii din două modele nu sunt compatibili, deci o schimbare tăcută de model ar strica baza dvs. de vectori.

  • Familie: FreeLLMAPI grupează furnizorii pe familie. O familie este o identitate de model cu o singură dimensiune a vectorului, de exemplu bge-m3 cu 1024 de dimensiuni.
  • Failover: când un furnizor dintr-o familie atinge limita, routerul încearcă următorul furnizor care servește aceeași familie.
  • Implicit: model: "auto" folosește familia implicită. Setați familia implicită în pagina Models, Embeddings a panoului de control.

Modele gratuite de embeddings astăzi

Tabelul listează fiecare model gratuit de embeddings din catalogul FreeLLMAPI. Datele vin din catalogul live. „Max input” este numărul maxim de tokeni pentru un șir de intrare. „Free limit” este cota gratuită publicată de furnizor.

ModelFurnizorDimensiuniIntrare maximăLimită gratuită
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)

Date live din catalogul FreeLLMAPI (versiunea 2026.11.19, verificat 2026-11-19). Limitele gratuite se schimbă des. Catalogul este verificat în fiecare zi.

Unii furnizori împart o singură cotă între chat și embeddings. De exemplu, o cheie de probă Cohere permite 1,000 de apeluri API pe lună pentru toate endpoint-urile împreună. Cloudflare Workers AI oferă 10,000 de neuroni pe zi, împărțiți de toate modelele Workers AI din cont.

Pasul 1: Instalați FreeLLMAPI și adăugați chei

FreeLLMAPI este open source. Rulează pe calculatorul dvs. în Docker. Cheile furnizorilor rămân pe calculatorul dvs.

Instalare (macOS sau Linux)

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

Deschideți panoul de control la http://localhost:3001. Adăugați cheile furnizorilor în pagina Keys. Pentru embeddings, o cheie Google AI Studio și o cheie Cloudflare oferă un bun început. Copiați cheia unificată din aceeași pagină.

Pasul 2: Apelați endpoint-ul de embeddings

Trimiteți o listă de șiruri ca să primiți mai mulți vectori într-o singură cerere. Folosiți aceeași valoare model pentru documentele dvs. și pentru interogările de căutare.

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: calculați embeddings și comparați două texte

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))

Câmpul model acceptă trei forme: auto, un nume de familie precum bge-m3 sau un ID de model al furnizorului precum @cf/baai/bge-m3. Un ID de model al furnizorului se rezolvă în familia sa, deci failover-ul rămâne în interiorul acelei familii.

Ce model gratuit de embeddings să alegeți

Alegeți modelul o singură dată pentru fiecare bază de vectori. Dacă schimbați modelul mai târziu, trebuie să calculați din nou embeddings pentru toate documentele.

NevoieFamilie de modelDe ce
Text scurt în engleză sau multilingv, mulți furnizoribge-m31024 de dimensiuni, 8,192 de tokeni de intrare. Mai mulți furnizori gratuiți îl servesc, deci failover-ul are mai multe opțiuni.
Recuperare de înaltă calitate cu o cheie Googlegemini-embedding-0013072 de dimensiuni. Limita de intrare este de 2,048 de tokeni, deci împărțiți documentele lungi în bucăți.
Documente lungi într-un singur vectorembed-v4.0 (Cohere)Fereastră mare de intrare. Cheia de probă permite doar 1,000 de apeluri pe lună, împărțite cu chatul.
Vectori mici și căutare rapidăbge-small-en-v1.5384 de dimensiuni. Doar engleză, iar limita de intrare este de 512 tokeni.
Căutare în codcodestral-embedAntrenat pentru cod. Folosește cota modului gratuit Mistral.

Vectorii mari costă mai mult spațiu de stocare și memorie în baza de date vectorială. Un vector de 3072 de dimensiuni este de trei ori mai mare decât unul de 1024 de dimensiuni. Pentru majoritatea proiectelor RAG cu mai puțin de un milion de bucăți, 768 până la 1024 de dimensiuni dau rezultate bune.

Limite și capcane

  • Limite de intrare: textul peste valoarea „Max input” poate fi tăiat sau refuzat. Împărțiți documentele în bucăți de 300 până la 800 de tokeni înainte de a calcula embeddings.
  • O familie pe bază: nu amestecați vectori din două familii într-un singur index. Scorurile de similaritate nu au sens între modele.
  • Normalizare: Google spune că vectorii gemini-embedding-001 cu mai puțin de 3072 de dimensiuni trebuie normalizați de dvs. Normalizați toți vectorii înainte de a folosi produsul scalar ca scor.
  • Limite de cereri: nivelurile gratuite numără cererile pe minut sau pe zi. Trimiteți loturi de șiruri într-o singură cerere, nu câte o cerere pentru fiecare șir.
  • Niveluri anonime: OVH AI Endpoints permite 2 cereri pe minut pentru fiecare adresă IP și model, fără cheie. Folosiți-l ca rezervă, nu pentru indexare în masă.
Sfat: păstrați cel puțin doi furnizori în familia aleasă. Astfel, o eroare 429 la un furnizor nu oprește job-ul de indexare.

Depanare

ProblemăCauzăRemediere
Eroarea 429 în timpul indexării în masăLimita furnizorului pentru familie a fost atinsăAdăugați o a doua cheie de furnizor pentru aceeași familie sau trimiteți mai puține cereri pe minut
Rezultatele căutării sunt greșite după o schimbareDocumentele și interogările folosesc familii diferiteFolosiți o singură valoare model pentru ambele. Calculați din nou embeddings pentru documente dacă ați schimbat-o
Lungimea vectorului nu este cea așteptatăauto folosește familia implicităSetați un nume explicit de familie sau verificați valoarea implicită în Models, Embeddings
Textele lungi dau potriviri slabeTextul este mai lung decât limita de intrareÎmpărțiți textul în bucăți mai mici
Eroarea 401Cheia unificată este greșită sau lipseșteCopiați din nou cheia unificată din pagina Keys
Folosiți fiecare dintre aceste modele printr-o singură cheie. FreeLLMAPI este un router open-source, găzduit de dumneavoastră, care pune toate aceste niveluri gratuite în spatele unui singur endpoint compatibil cu OpenAI și trece la alt furnizor când un furnizor este limitat la rată. Vezi catalogul sau trece live.

Întrebări frecvente

Există un API gratuit pentru embeddings?

Da. Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH și alții oferă modele gratuite de embeddings cu limite de cereri. FreeLLMAPI pune 41 dintre ele în spatele unui singur endpoint compatibil cu OpenAI.

Pot folosi SDK-ul OpenAI pentru embeddings gratuite?

Da. Setați adresa de bază la http://localhost:3001/v1 și folosiți cheia unificată. Apoi apelați client.embeddings.create cu un nume de familie precum bge-m3.

De ce nu trece FreeLLMAPI la alt model de embeddings la eroare?

Vectorii din modele diferite nu sunt compatibili. O schimbare tăcută de model ar strica căutarea după similaritate. Routerul trece la alt furnizor doar între furnizorii care servesc aceeași familie de model.

Care este cel mai bun model gratuit de embeddings pentru RAG?

Pentru majoritatea proiectelor, bge-m3 este o alegere implicită bună. Are 1024 de dimensiuni, o limită de intrare de 8,192 de tokeni și mai mulți furnizori gratuiți. Folosiți gemini-embedding-001 dacă doriți 3072 de dimensiuni și aveți o cheie Google.

Câte dimensiuni ar trebui să aibă embeddings mele?

Folosiți de la 768 până la 1024 de dimensiuni pentru majoritatea lucrărilor de căutare și RAG. Vectorii mai mari folosesc mai mult spațiu și memorie. Alegeți dimensiunea o singură dată, pentru că o schimbare înseamnă că trebuie să calculați din nou embeddings pentru toate documentele.

Ghiduri înrudite

Surse

Toate ghidurile · Vezi toate modelele gratuite