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-m3cu 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.
| Model | Furnizor | Dimensiuni | Intrare maximă | Limită gratuită |
|---|---|---|---|---|
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) |
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 | bashDeschideți 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.
| Nevoie | Familie de model | De ce |
|---|---|---|
| Text scurt în engleză sau multilingv, mulți furnizori | bge-m3 | 1024 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 Google | gemini-embedding-001 | 3072 de dimensiuni. Limita de intrare este de 2,048 de tokeni, deci împărțiți documentele lungi în bucăți. |
| Documente lungi într-un singur vector | embed-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 rapidă | bge-small-en-v1.5 | 384 de dimensiuni. Doar engleză, iar limita de intrare este de 512 tokeni. |
| Căutare în cod | codestral-embed | Antrenat 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-001cu 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.
Depanare
| Problemă | Cauză | Remediere |
|---|---|---|
| Eroarea 429 în timpul indexării în masă | Limita furnizorului pentru familie a fost atinsă | Adăugați o a doua cheie de furnizor pentru aceeași familie sau trimiteți mai puține cereri pe minut |
| Rezultatele căutării sunt greșite după o schimbare | Documentele și interogările folosesc familii diferite | Folosiți o singură valoare model pentru ambele. Calculați din nou embeddings pentru documente dacă ați schimbat-o |
| Lungimea vectorului nu este cea așteptată | auto folosește familia implicită | Setați un nume explicit de familie sau verificați valoarea implicită în Models, Embeddings |
| Textele lungi dau potriviri slabe | Textul este mai lung decât limita de intrare | Împărțiți textul în bucăți mai mici |
| Eroarea 401 | Cheia unificată este greșită sau lipsește | Copiați din nou cheia unificată din pagina Keys |
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
- API LLM gratuit pentru RAG
- Free LLM API pentru LangChain
- API LLM gratuit în Python
- free cohere api
- Limite de rată pentru Free LLM API
Surse
- FreeLLMAPI docs: Embeddings (verificat 20 November 2026)
- Google AI Studio docs: Embeddings (verificat 20 November 2026)
- Cloudflare Workers AI pricing (verificat 20 November 2026)
- Cohere docs: API keys and rate limits (verificat 20 November 2026)
- OVHcloud AI Endpoints capabilities (verificat 20 November 2026)