Acasă / Ghiduri / API gratuit pentru modele de raționament

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.

Modele gratuite de raționament, cele mai puternice primele
ModelGratuit peContextLimite gratuite (cea mai bună ofertă)InstrumenteViziune
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 cereri/min
20 cereri/zi
250,000 tokeni/min
~3M
DaDa
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 în plus131K30 cereri/min
1,000 cereri/zi
8,000 tokeni/min
200,000 tokeni/zi
~6M
DaNu
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 în plus131K30 cereri/min
1,000 cereri/zi
8,000 tokeni/min
200,000 tokeni/zi
~6M
DaNu
GPT-OSS Safeguard 20BGroq, LLMTR131K30 cereri/min
1,000 cereri/zi
8,000 tokeni/min
200,000 tokeni/zi
~6M
DaNu
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsNuNu
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditNuNu
Qwen3 235B A22B Thinking 2507ModelScope262K200 cereri/zi
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
NuNu
GPT-OSS 120B (via Groq)DreamPrompting131K100 cereri/min
5,000 cereri/zi
500,000 tokeni/zi
500K tokens/day · 5,000 req/day
NuNu
Qwen3 Next 80B A3B ThinkingModelScope262K200 cereri/zi
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
NuNu
QwQ 32BCloudflare Workers AI131K~10-20MDaNu
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 cereri/zi
200 rpd
NuDa
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 cereri/min
40 RPM
NuDa
Command A ReasoningCohere256K20 cereri/min
33 cereri/zi
~1-2M
DaNu
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 cereri/min
50 cereri/zi
50 req/day account-wide (1,000 after a $10 purchase)
NuNu
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditDaDa
GPT-OSS 20B (via Groq)DreamPrompting131K100 cereri/min
5,000 cereri/zi
500,000 tokeni/zi
500K tokens/day · 5,000 req/day
NuNu
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5MDaNu
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditDaNu

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.
Regulă: nu setați un 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 | bash

Deschideți 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.

SarcinăFolosiți un model de raționament?De ce
Matematică, probleme de logică, planificareDaGândirea pas cu pas reduce erorile
Erori dificile și proiectarea algoritmilorDaModelul își verifică propriii pași
Chat, răspunsuri scurte, traducereNuGândirea adaugă timp și tokeni cu puțin câștig
Agenți cu multe apeluri de instrumenteUneoriFiecare 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. Folosiți auto:fast pentru 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

ProblemăCauzăRemediere
Conținut gol, finish_reason: "length"Gândirea a folosit tot bugetul de ieșireMăriți max_tokens la 4,000 sau mai mult
Text <think> în răspunsFurnizorul returnează gândirea vizibilăEliminați etichetele în codul dumneavoastră
Explicație lungă pentru o întrebare scurtăUnele modele de raționament explică procesul lor de gândireCereți "doar răspunsul final" sau folosiți un model fără raționament
Eroarea 429 după câteva cereriTokenii de gândire au consumat limita de tokeni pe minutAdăugați mai multe chei de furnizori sau folosiți raționamentul doar pentru sarcini dificile
Răspunsuri lenteModelul scrie multe tokeni de gândireFolosiți auto:fast pentru sarcini simple
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 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

Surse

Toate ghidurile · Vezi toate modelele gratuite