API gratuit pentru modele de raționament
Un model de raționament gândește înainte să răspundă. Scrie pași ascunși sau vizibili, apoi dă răspunsul final. Acest lucru ajută la matematică, logică, planificare și cod dificil. Mai mulți furnizori oferă gratuit modele de raționament. Acest ghid le prezintă, explică costul tokenilor de gândire și oferă cod funcțional.
Codul, numele modelelor și etichetele live din catalog sunt afișate în engleză.
Modele gratuite de raționament, astăzi
Tabelul listează modelele gratuite cu raționament în nume, de exemplu GPT-OSS, R1, QwQ, Thinking, Reasoning și Magistral. Datele provin din catalogul live. Multe alte modele, precum Gemini Flash, gândesc și ele, dar numele lor nu arată asta.
| Model | Gratuit pe | Context | Limite gratuite (cea mai bună ofertă) | Instrumente | Viziune |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 cereri/min 20 cereri/zi 250,000 tokeni/min ~3M | Da | Da |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 în plus | 131K | 30 cereri/min 1,000 cereri/zi 8,000 tokeni/min 200,000 tokeni/zi ~6M | Da | Nu |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 în plus | 131K | 30 cereri/min 1,000 cereri/zi 8,000 tokeni/min 200,000 tokeni/zi ~6M | Da | Nu |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 cereri/min 1,000 cereri/zi 8,000 tokeni/min 200,000 tokeni/zi ~6M | Da | Nu |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | Nu | Nu |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | Nu | Nu |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 cereri/zi Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Nu | Nu |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 cereri/min 5,000 cereri/zi 500,000 tokeni/zi 500K tokens/day · 5,000 req/day | Nu | Nu |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 cereri/zi Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Nu | Nu |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | Da | Nu |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 cereri/zi 200 rpd | Nu | Da |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 cereri/min 40 RPM | Nu | Da |
| Command A Reasoning | Cohere | 256K | 20 cereri/min 33 cereri/zi ~1-2M | Da | Nu |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 cereri/min 50 cereri/zi 50 req/day account-wide (1,000 after a $10 purchase) | Nu | Nu |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | Da | Da |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 cereri/min 5,000 cereri/zi 500,000 tokeni/zi 500K tokens/day · 5,000 req/day | Nu | Nu |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | Da | Nu |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | Da | Nu |
Date live din catalogul FreeLLMAPI (versiunea 2026.11.19, verificat 2026-11-19). Limitele gratuite se schimbă des. Catalogul este verificat în fiecare zi.
GPT-OSS 120B este servit gratuit de mai mulți furnizori, deci rezervele au multe opțiuni. QwQ 32B și DeepSeek R1 Distill Qwen 32B rulează pe Cloudflare Workers AI. Modelele Qwen3 Thinking au un context de 262K tokeni pe ModelScope.
Tokenii de gândire folosesc bugetul de ieșire
Aceasta este cea mai frecventă problemă a modelelor de raționament. Modelul scrie mai întâi gândirea. Acești tokeni de gândire se numără în limita de ieșire, la fel ca răspunsul.
- Google spune: limita de ieșire pentru Gemini include tokenii de gândire. Dacă modelul ajunge la limită în timp ce gândește, ieșirea poate fi tăiată sau goală. Tokenii de gândire se numără totuși.
- Groq spune: valoarea implicită de 1,024 de tokeni de completare poate fi prea mică pentru raționament complex.
- Limite gratuite: tokenii de gândire se numără și în limitele de tokeni pe minut și pe zi. Un răspuns de raționament poate folosi mult mai mulți tokeni decât un răspuns direct la aceeași întrebare.
max_tokens mic pentru un model de raționament. Începeți de la 4,000 sau mai mult. Dacă finish_reason este length și conținutul este gol, modelul a folosit tot bugetul ca să gândească.Pasul 1: Instalați FreeLLMAPI și adăugați chei
FreeLLMAPI este cu cod deschis. Rulează pe calculatorul dumneavoastră în Docker. Cheile furnizorilor rămân pe calculatorul dumneavoastră.
Instalare (macOS sau Linux)
curl -fsSL https://freellmapi.co/install.sh | bashDeschideți panoul la http://localhost:3001. Adăugați chei Groq, Cloudflare și Google AI Studio pe pagina Keys. Fiecare servește modele gratuite de raționament. Copiați cheia unificată de pe aceeași pagină.
Pasul 2: Apelați un model de raționament
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: verificați un răspuns tăiat și eliminați textul de gândire
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")Unii furnizori returnează gândirea în interiorul etichetelor <think> din conținut. Alții o ascund sau o returnează într-un câmp separat. Eliminați etichetele înainte să afișați răspunsul utilizatorilor.
Controlați cantitatea de gândire
Furnizorii au propriile setări pentru lungimea gândirii. Groq acceptă reasoning_effort cu low, medium sau high pentru modelele GPT-OSS. Modelele Gemini 3 folosesc o setare thinking_level. Documentația FreeLLMAPI nu descrie cum trec aceste câmpuri prin gateway, deci testați-le mai întâi pe instalarea dumneavoastră.
Punctul final nativ Gemini al FreeLLMAPI, /v1beta/models/{model}:generateContent, traduce bugetele de gândire. Folosiți-l dacă aveți nevoie de control asupra gândirii Gemini.
| Sarcină | Folosiți un model de raționament? | De ce |
|---|---|---|
| Matematică, probleme de logică, planificare | Da | Gândirea pas cu pas reduce erorile |
| Erori dificile și proiectarea algoritmilor | Da | Modelul își verifică propriii pași |
| Chat, răspunsuri scurte, traducere | Nu | Gândirea adaugă timp și tokeni cu puțin câștig |
| Agenți cu multe apeluri de instrumente | Uneori | Fiecare rundă plătește din nou costul gândirii |
Prompturi și rutare pentru sarcini de raționament
- Enunțați scopul și regulile: dați toate faptele, limitele și rezultatul așteptat în prompt. Un model de raționament nu vă poate cere fapte lipsă în timpul gândirii.
- Stabiliți formatul răspunsului: cereți răspunsul final într-o formă fixă, de exemplu un singur număr sau un obiect JSON. Apoi codul dumneavoastră îl poate citi fără textul de gândire.
- Dați cazuri de test: pentru cod, adăugați intrări și ieșiri de exemplu. Modelul poate verifica răspunsul față de ele.
- Rutați după sarcină: folosiți
model: "auto:smart"ca să clasați modelele după inteligență pentru sarcini dificile. Folosițiauto:fastpentru sarcini ușoare, ca să nu plătiți costul gândirii. - O întrebare dificilă pentru fiecare cerere: mai multe întrebări dificile într-o singură cerere împart un singur buget de ieșire. Împărțiți-le în cereri separate.
Strategiile auto:* clasează fiecare model activat și ignoră ordinea din lanțul dumneavoastră. Ca să păstrați cererile de raționament doar pe modele de raționament, fixați un ID de model. Puteți crea și un lanț de rezervă denumit, doar cu modele de raționament. Apoi apelați-l cu auto:<profile-name>.
Depanare
| Problemă | Cauză | Remediere |
|---|---|---|
Conținut gol, finish_reason: "length" | Gândirea a folosit tot bugetul de ieșire | Măriți max_tokens la 4,000 sau mai mult |
Text <think> în răspuns | Furnizorul returnează gândirea vizibilă | Eliminați etichetele în codul dumneavoastră |
| Explicație lungă pentru o întrebare scurtă | Unele modele de raționament explică procesul lor de gândire | Cereți "doar răspunsul final" sau folosiți un model fără raționament |
| Eroarea 429 după câteva cereri | Tokenii de gândire au consumat limita de tokeni pe minut | Adăugați mai multe chei de furnizori sau folosiți raționamentul doar pentru sarcini dificile |
| Răspunsuri lente | Modelul scrie multe tokeni de gândire | Folosiți auto:fast pentru sarcini simple |
Întrebări frecvente
Există un API gratuit pentru modele de raționament?
Da. Groq, Cloudflare, NVIDIA, OVH, OpenRouter și alți furnizori oferă gratuit modele de raționament, precum GPT-OSS 120B, QwQ 32B și DeepSeek R1 Distill. FreeLLMAPI le pune în spatele unei singure chei compatibile cu OpenAI.
Tokenii de gândire se numără ca tokeni de ieșire?
Da. Google spune că limita de ieșire Gemini include tokenii de gândire și că tokenii de gândire se numără. Pe nivelurile gratuite, ei consumă și limita de tokeni pe minut.
De ce returnează modelul meu de raționament un răspuns gol?
Modelul a folosit tot bugetul max_tokens pentru gândire, deci nu au rămas tokeni pentru răspuns. Măriți max_tokens la 4,000 sau mai mult.
Este DeepSeek R1 gratuit printr-un API?
DeepSeek R1 Distill Qwen 32B se află în catalogul gratuit de pe Cloudflare Workers AI. Tabelul de pe această pagină arată furnizorii care îl servesc astăzi.
Care model gratuit de raționament este cel mai bun?
GPT-OSS 120B este o alegere implicită bună, deoarece mai mulți furnizori îl servesc gratuit. Folosiți tabelul de pe această pagină, care sortează modelele după rangul de inteligență din catalogul live.
Ghiduri înrudite
- free gpt oss api
- free deepseek api
- free qwen api
- Cele mai bune API-uri gratuite pentru modele de cod
- Limite de rată pentru Free LLM API
Surse
- FreeLLMAPI docs: Routing strategies and native Gemini API (verificat 20 November 2026)
- Google AI Studio docs: Thinking (verificat 20 November 2026)
- Gemini Developer API pricing (verificat 20 November 2026)
- Groq docs: Reasoning (verificat 20 November 2026)