Free translation API kwa LLM
Large language models hutafsiri vizuri kati ya lugha nyingi, na watoa huduma kadhaa hutoa bure. Baadhi ya model za bure zimetengenezwa kwa tafsiri, kwa mfano Cohere Command A Translate. Mwongozo huu unaonyesha model za bure za tafsiri, msimbo wa Python unaotafsiri kwa makundi, na vikomo vya kupanga. Maombi yote hupitia FreeLLMAPI, ambayo huunganisha viwango 45 vya bure vya watoa huduma nyuma ya ufunguo mmoja unaooana na OpenAI.
Msimbo, majina ya modeli na lebo za katalogi ya moja kwa moja zinaonyeshwa kwa Kiingereza.
Model za bure za tafsiri
Baadhi ya model za bure zimefunzwa kwa lugha nyingi au kwa eneo la lugha moja. Jedwali linaonyesha model za lugha nyingi na za tafsiri katika katalogi ya bure ya leo.
| Modeli | Bure kwenye | Muktadha | Vikomo vya bure (ofa bora) | Zana | Uoni |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | Ndiyo | Hapana |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 maombi/dakika 10 RPM | Hapana | Hapana |
| Nemotron 3 Super 120B | SEA-LION | - | 10 maombi/dakika 10 RPM | Ndiyo | Hapana |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 maombi/dakika 10 RPM | Hapana | Hapana |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 maombi/dakika 10 RPM | Hapana | Hapana |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 maombi/dakika 10 RPM | Hapana | Hapana |
| Command A Translate | Cohere | 256K | 20 maombi/dakika 33 maombi/siku ~1-2M | Ndiyo | Hapana |
| Tiny Aya Global | Cohere | 8K | 20 maombi/dakika 33 maombi/siku 1K calls/mo shared | Hapana | Hapana |
| North Small Translate | Cohere | 33K | 20 maombi/dakika 33 maombi/siku ~1-2M | Hapana | Hapana |
| Tiny Aya Earth | Cohere | 8K | 20 maombi/dakika 33 maombi/siku 1K calls/mo shared | Hapana | Hapana |
| Tiny Aya Fire | Cohere | 8K | 20 maombi/dakika 33 maombi/siku 1K calls/mo shared | Hapana | Hapana |
| Tiny Aya Water | Cohere | 8K | 20 maombi/dakika 33 maombi/siku 1K calls/mo shared | Hapana | Hapana |
Inaonyesha 12 kati ya 16 modeli za bure zinazolingana. Tazama modeli zote.
Data ya moja kwa moja kutoka katalogi ya FreeLLMAPI (toleo 2026.11.19, imekaguliwa 2026-11-19). Vikomo vya bure hubadilika mara kwa mara. Katalogi hukaguliwa kila siku.
| Familia ya model | Imetengenezwa kwa | Chanzo |
|---|---|---|
| Command A Translate (Cohere) | Tafsiri katika lugha 23, ikiwa ni pamoja na Kiarabu, Kichina, Kihindi, Kijapani, Kiajemi na Kiukraine | Cohere changelog, 28 Agosti 2025 |
| Aya Expanse (Cohere) | Gumzo la lugha nyingi katika lugha 23 | Nyaraka za Cohere |
| SEA-LION (AI Singapore) | Lugha za Asia ya Kusini-Mashariki, 11 au zaidi | sea-lion.ai |
| Typhoon | Kithai | opentyphoon.ai |
Model za jumla pia hutafsiri vizuri, hasa kati ya lugha kubwa. Model za jumla za bure zenye nguvu zaidi leo ni:
| Modeli | Bure kwenye | Muktadha | Vikomo vya bure (ofa bora) | Zana | Uoni |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 maombi/dakika 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | Ndiyo | Hapana |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 zaidi | 1M | 40 maombi/dakika 40 RPM | Ndiyo | Ndiyo |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 maombi/dakika 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Ndiyo | Ndiyo |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | Ndiyo | Hapana |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Ndiyo | Ndiyo |
| Deepseek V4.1 Flash | APINex | 1M | 5 maombi/dakika 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Hapana | Hapana |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 maombi/dakika 20 maombi/siku 250,000 tokeni/dakika ~3M | Ndiyo | Ndiyo |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Ndiyo | Ndiyo |
Inaonyesha 8 kati ya 184 modeli za bure zinazolingana. Tazama modeli zote.
Data ya moja kwa moja kutoka katalogi ya FreeLLMAPI (toleo 2026.11.19, imekaguliwa 2026-11-19). Vikomo vya bure hubadilika mara kwa mara. Katalogi hukaguliwa kila siku.
Jaribu kila model kwa maandishi yako na jozi zako za lugha. Ubora hubadilika sana kati ya jozi. Model nzuri kwa Kiingereza hadi Kihispania inaweza kuwa dhaifu kwa Kithai hadi Kivietnamu.
Sanidi lango
Sakinisha FreeLLMAPI, ongeza funguo zako za bure za watoa huduma kwenye ukurasa wa Keys wa dashibodi na unakili ufunguo mmoja. Kwa model za tafsiri hapo juu, ongeza ufunguo wa Cohere, ufunguo wa SEA-LION au ufunguo wa NVIDIA. Ongeza funguo za Google, Groq au Mistral kwa model za jumla.
Sakinisha na ujaribu tafsiri moja
curl -fsSL https://freellmapi.co/install.sh | bash
curl http://localhost:3001/v1/chat/completions \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{
"model": "command-a-translate-08-2025",
"temperature": 0,
"messages": [
{"role": "system", "content": "Translate the user text into German. Return only the translation."},
{"role": "user", "content": "Your order has shipped."}
]
}'Kitambulisho kisichobadilika cha model hutoa mtindo uleule wa tafsiri kila mara. Model hiyo ikifikia kikomo chake cha bure, ombi linashindwa, isipokuwa model hiyo hiyo ni ya bure kwa mtoa huduma mwingine. Ili kuendelea kwa model nyingine, tengeneza profaili ya mnyororo wa akiba, kwa mfano translate, na model ulizochagua kwa mpangilio. Kisha tumia auto:translate kama model.
Tafsiri kwa makundi kwa Python
Ombi moja kwa kila mfuatano hutumia vikomo vyako vya maombi haraka. Tuma mifuatano 20 hadi 50 mifupi kwa ombi moja kama orodha ya JSON. Msimbo unakagua kwamba jibu lina idadi sawa ya vipengee na placeholders zile zile. Ukaguzi ukishindwa, unatafsiri mifuatano moja moja.
translate.py
import json
import os
import re
import time
import openai
from openai import OpenAI
client = OpenAI(
base_url="http://localhost:3001/v1",
api_key=os.environ["FREELLMAPI_API_KEY"],
max_retries=3,
timeout=90,
)
MODEL = "auto:translate" # a profile with your translation models
PLACEHOLDER = re.compile(r"\{[^}]+\}|%\w|<[^>]+>") # {name}, %s, <b>
SYSTEM = (
"You are a professional translator. Translate each string into {lang}. "
"Keep placeholders such as {{name}}, %s and HTML tags exactly as they are. "
"Use this glossary: {glossary}. "
"Return only a JSON array of strings, in the same order and with the same length."
)
def chat(messages):
for attempt in range(6):
try:
resp = client.chat.completions.create(model=MODEL, messages=messages, temperature=0)
return resp.choices[0].message.content or ""
except openai.RateLimitError as err:
header = err.response.headers.get("retry-after", "")
time.sleep(min(int(header) if header.isdigit() else 2 ** attempt, 120))
raise RuntimeError("Rate limited on every provider")
def same_placeholders(src: str, dst: str) -> bool:
return sorted(PLACEHOLDER.findall(src)) == sorted(PLACEHOLDER.findall(dst))
def parse_list(text: str):
text = text.strip().removeprefix("```json").removeprefix("```").removesuffix("```")
return json.loads(text)
def translate_batch(strings, lang, glossary="none"):
system = SYSTEM.format(lang=lang, glossary=glossary)
try:
out = parse_list(chat([
{"role": "system", "content": system},
{"role": "user", "content": json.dumps(strings, ensure_ascii=False)},
]))
if len(out) == len(strings) and all(same_placeholders(s, d) for s, d in zip(strings, out)):
return out
except (json.JSONDecodeError, TypeError):
pass
# Fallback: one string per request
return [translate_one(s, system) for s in strings]
def translate_one(s, system):
text = chat([
{"role": "system", "content": system},
{"role": "user", "content": json.dumps([s], ensure_ascii=False)},
])
try:
return str(parse_list(text)[0])
except (json.JSONDecodeError, TypeError, IndexError, KeyError):
return text.strip() # keep the raw answer; review it later
def translate_all(strings, lang, size=30, glossary="none"):
result = []
for i in range(0, len(strings), size):
result.extend(translate_batch(strings[i:i + size], lang, glossary))
return result
if __name__ == "__main__":
ui = ["Welcome back, {name}!", "You have %s new messages.", "<b>Save</b> your changes"]
print(translate_all(ui, "French", glossary="messages = messages; Save = Enregistrer"))Tumia temperature=0 kwa tafsiri. Matokeo basi huwa thabiti zaidi kati ya marudio. Hifadhi tafsiri kwenye faili au hifadhidata, na utafsiri mifuatano mipya au iliyobadilishwa pekee.
Orodha za istilahi, sauti na hati ndefu
- Orodha ya istilahi: orodhesha majina ya bidhaa na istilahi zisizobadilika kwenye ujumbe wa mfumo. Mwambie model maneno ambayo haipaswi kutafsiri.
- Sauti: taja kiwango cha lugha, kwa mfano rasmi "Sie" kwa Kijerumani au isiyo rasmi "tu" kwa Kifaransa.
- Muktadha: ongeza mstari mmoja kuhusu mahali maandishi yanapoonekana, kwa mfano "button labels in a banking app". Mifuatano mifupi mara nyingi haieleweki bila hii.
- Hati ndefu: gawanya kwenye mipaka ya aya. Tuma kila sehemu pamoja na aya iliyotangulia kama muktadha, na utafsiri sehemu mpya pekee.
- Model ile ile kwa hati moja: tuma kichwa cha
X-Session-Idchenye kitambulisho cha hati. FreeLLMAPI huweka kipindi kwenye model moja kwa dakika 30, ili masharti yabaki yale yale.
FreeLLMAPI ina akiba ya majibu ya hiari kwa maombi yanayofanana. Akiba inapopatikana, hakuna upendeleo wa mtoa huduma unaotumika. Unaweza kuiwasha au kuizima kwa ombi moja kwa kutumia kichwa cha X-FreeLLM-Cache. Kwa temperature=0, mfuatano uleule na maagizo yaleyale hutoa ombi lilelile, kwa hivyo mifuatano inayorudiwa hutoka kwenye akiba.
Angalia ubora kiotomatiki
Ukaguzi rahisi hugundua tafsiri nyingi mbaya kabla mtu hajazisoma. Zifanye baada ya kila kundi, na tuma mifuatano iliyoshindwa pekee kwenye orodha ya mapitio.
- Placeholders: tafsiri lazima iwe na placeholders na tagi zile zile kama chanzo. Msimbo ulio hapo juu tayari unakagua hili.
- Urefu: tafsiri ambayo ni chini ya theluthi moja au zaidi ya mara tatu ya urefu wa chanzo mara nyingi ni mbaya.
- Maandishi yasiyotafsiriwa: ikiwa matokeo ni sawa na ingizo, model haikutafsiri.
- Tafsiri ya kurudi: kwa maandishi muhimu, tafsiri matokeo kurudi kwenye lugha ya chanzo kwa kutumia model nyingine. Linganisha maana, si maneno.
Tafuta mifuatano ya mapitio
def needs_review(src: str, dst: str) -> bool:
ratio = len(dst) / max(len(src), 1)
return (
not same_placeholders(src, dst)
or dst.strip() == src.strip()
or ratio < 0.33
or ratio > 3.0
)
review = [(s, d) for s, d in zip(ui, translated) if needs_review(s, d)]Kwa tafsiri ya kurudi, bandika kitambulisho kisichobadilika cha model ambacho hakimo kwenye profaili yako ya tafsiri. Model tofauti ina uwezekano mdogo wa kurudia makosa ya model ya kwanza.
Vikomo na maelewano ya kweli
Viwango vya bure vinafaa kwa mifuatano ya programu, majibu ya msaada, hati za ndani na majaribio. Panga kwa vikomo hivi:
| Kikomo | Athari kwenye tafsiri | Cha kufanya |
|---|---|---|
| Maombi kwa dakika na kwa siku | Faili kubwa inaweza kutumia kiwango kizima cha kila siku | Panga mifuatano 20 hadi 50 kwa ombi. Ongeza funguo za watoa huduma zaidi. |
| Vikomo vya chini vya kila siku kwenye model maalum | Baadhi ya model za tafsiri huruhusu maombi machache kwa siku | Ziweke kwanza kwenye profaili, na model za jumla zifuate |
| Model tofauti baada ya failover | Mtindo na istilahi vinaweza kubadilika kati ya makundi | Tumia orodha ya istilahi na kichwa cha X-Session-Id |
| Hakuna SLA | Muda wa kujibu hubadilika wakati wa siku | Usitumie viwango vya bure kwa tafsiri ya wakati halisi ambayo lazima ijibu ndani ya muda maalum |
| Masharti ya data | Baadhi ya viwango vya bure vinaweza kutumia maagizo kufunza model | Usitume maandishi ya siri kwa watoa huduma hao |
Tafsiri ya mashine inaweza kuwa si sahihi. Mtu anayezungumza lugha kama mzawa akague maandishi ya kisheria, kiafya na ya masoko kabla ya kuyachapisha. Funguo zote kwenye mnyororo zikifikia kikomo chao, lango hurudisha 429 pamoja na kichwa cha Retry-After. Msimbo ulio hapo juu unasubiri kisha unajaribu tena.
Maswali yanayoulizwa mara kwa mara
Je, kuna free translation API inayotegemea LLM?
Ndiyo. Watoa huduma kadhaa hutoa LLM za lugha nyingi bure, pamoja na model za tafsiri kama Cohere Command A Translate. FreeLLMAPI huzitoa kupitia ufunguo mmoja unaooana na OpenAI.
Ni LLM ipi ya bure bora kwa tafsiri?
Inategemea jozi ya lugha. Command A Translate inashughulikia lugha 23, SEA-LION imetengenezwa kwa lugha za Asia ya Kusini-Mashariki na Typhoon kwa Kithai. Jaribu kwa maandishi yako.
Ninawezaje kutafsiri mifuatano mingi bila kugonga vikomo vya viwango?
Tuma mifuatano 20 hadi 50 kwa ombi moja kama orodha ya JSON, tumia temperature 0, hifadhi matokeo kwenye akiba na uongeze funguo za watoa huduma zaidi.
Ninawezaje kuhifadhi placeholders na tagi za HTML kwenye tafsiri za LLM?
Mwambie model azihifadhi kwa usahihi, kisha ukague kila tafsiri. Ikiwa placeholders hazilingani, tafsiri mfuatano huo tena au peke yake.
Je, tafsiri ya bure ya LLM inatosha kwa uzalishaji?
Kwa mifuatano ya programu na maandishi ya ndani, mara nyingi ndiyo, pamoja na orodha ya istilahi na ukaguzi. Mtu anayezungumza lugha kama mzawa akague maandishi ya kisheria, kiafya na ya masoko.
Miongozo inayohusiana
- LLM API ya bure kwa Python
- Je, free LLM API hufunza data yako?
- Mipaka ya kiwango cha API ya LLM bure
- Base URL za free API zinazooana na OpenAI
- API ya LLM ya bure kwa matumizi ya kibiashara
Vyanzo
- Cohere changelog: Command A Translate (23 languages) (imekaguliwa 20 November 2026)
- Cohere docs: Aya (Aya Expanse, 23 languages) (imekaguliwa 20 November 2026)
- AI Singapore: SEA-LION (imekaguliwa 20 November 2026)
- Typhoon: Thai language models (imekaguliwa 20 November 2026)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (imekaguliwa 20 November 2026)