Nyumbani / Miongozo / API ya bure ya uoni

API ya bure ya uoni

API ya uoni inaruhusu LLM kusoma picha. Unaweza kuiomba ieleze picha, isome risiti au ieleze chati. Katalogi ya FreeLLMAPI ina ofa 78 za modeli za bure zinazokubali picha. Unatuma picha katika muundo wa kawaida wa OpenAI, na kipanga njia kinachagua modeli ya uoni kwa ajili yako. Mwongozo huu unaonyesha modeli, vikomo vya ukubwa wa kila mtoa huduma na msimbo unaofanya kazi.

Msimbo, majina ya modeli na lebo za katalogi ya moja kwa moja zinaonyeshwa kwa Kiingereza.

Ingizo la picha linavyofanya kazi

Tuma picha kwenye safu ya messages kama vizuizi vya maudhui vya image_url. URL inaweza kuwa URL ya data: yenye baiti za base64, au URL ya http(s). Tumia /v1/chat/completions. Kituo cha /v1/responses bado hakikubali picha.

  • Uelekezaji wa kiotomatiki: ombi lenye picha linapofika, kipanga njia kinatumia modeli za uoni pekee. Kinapuuza modeli za maandishi pekee kwa ombi hilo.
  • Mbadala: mtoa huduma wa uoni anapofikia kikomo chake, kipanga njia kinajaribu modeli inayofuata ya uoni kwenye mnyororo wako.
  • Hitilafu wazi: hakuna modeli ya uoni iliyowezeshwa, unapata hitilafu 422 yenye code: "no_vision_model". Picha haitupwi kimyakimya kamwe.

Modeli za bure za uoni leo

Jedwali linaonyesha modeli za bure zenye nguvu zaidi zenye ingizo la picha kwenye katalogi leo. Linatoka kwenye katalogi ya moja kwa moja. Safu moja inaweza kuorodhesha watoa huduma kadhaa wanaohudumia modeli hiyo hiyo.

Modeli za bure zenye ingizo la picha, zenye nguvu zaidi kwanza
ModeliBure kwenyeMuktadhaVikomo vya bure (ofa bora)ZanaUoni
GLM 5.3 FlashUnoRouter1M1 maombi/dakika
1 req/min per model
NdiyoNdiyo
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaNdiyoNdiyo
Gemini Flash (latest alias)Google AI Studio-10 maombi/dakika
20 maombi/siku
250,000 tokeni/dakika
~3M
NdiyoNdiyo
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditNdiyoNdiyo
Gemini 3.7 FlashGoogle AI Studio1M10 maombi/dakika
20 maombi/siku
250,000 tokeni/dakika
~3M
NdiyoNdiyo
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditNdiyoNdiyo
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 maombi/dakika
50 maombi/siku
50 req/day account-wide (1,000 after a $10 purchase)
NdiyoNdiyo
Qwen3.8 27BElectronHub, Groq262K30 maombi/dakika
250 maombi/siku
70,000 tokeni/dakika
~6M
NdiyoNdiyo
Gemini 3.6 FlashGoogle AI Studio1M10 maombi/dakika
20 maombi/siku
250,000 tokeni/dakika
~3M
NdiyoNdiyo
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayNdiyoNdiyo
Gemini 3.5 FlashGoogle AI Studio1M10 maombi/dakika
20 maombi/siku
250,000 tokeni/dakika
~3M
NdiyoNdiyo
Gemini 3.8 LiveGoogle AI Studio-10 maombi/dakika
20 maombi/siku
250,000 tokeni/dakika
~3M
NdiyoNdiyo
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 maombi/dakika
20 maombi/siku
250,000 tokeni/dakika
~3M
NdiyoNdiyo
Moondream 3.1 9B A2BCloudflare Workers AI, Moondream33K~10-20MHapanaNdiyo
Moondream 3 PreviewMoondream-$5/month shared workspace usage creditsHapanaNdiyo

Inaonyesha 15 kati ya 67 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.

Modeli za Gemini zinatoa muktadha mkubwa zaidi na zinakubali picha nyingi. Qwen 3.8 27B kwenye Groq na Cloudflare ni chaguo la haraka nje ya Google. Moondream imetengenezwa kwa kazi za picha, lakini matokeo yake yamekomewa kwa tokeni 4,096.

Hatua ya 1: Sakinisha FreeLLMAPI na uongeze funguo

FreeLLMAPI ni chanzo huria. Inaendeshwa kwenye kompyuta yako kwenye Docker. Funguo za watoa huduma wako zinabaki kwenye kompyuta yako.

Sakinisha (macOS au Linux)

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

Fungua dashibodi kwenye http://localhost:3001. Ongeza ufunguo wa Google AI Studio na ufunguo mmoja zaidi kwenye ukurasa wa Keys. Kwenye ukurasa wa Fallback Chain, modeli za uoni zina beji ya Vision. Hakikisha angalau moja imewezeshwa. Nakili ufunguo wako wa pamoja kutoka ukurasa wa Keys.

Hatua ya 2: Tuma picha

curl: picha kutoka URL

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "auto",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Describe this image in two sentences."},
        {"type": "image_url", "image_url": {"url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}}
      ]
    }]
  }'

Python: faili la ndani kama base64

import base64
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

with open("receipt.jpg", "rb") as fh:
    b64 = base64.b64encode(fh.read()).decode()

resp = client.chat.completions.with_raw_response.create(
    model="auto",  # the router selects a vision model
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "List each item and price on this receipt as JSON."},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

Tumia aina sahihi ya MIME kwenye URL ya data, kwa mfano image/png au image/jpeg. Ili kutuma picha zaidi ya moja, ongeza vizuizi zaidi vya image_url kwenye ujumbe huo huo.

Vikomo vya picha kwa kila mtoa huduma

Vikomo vya watoa huduma, vimekaguliwa 2026-11-19
Mtoa hudumaKikomo (rasmi)Cha kufanya
Google GeminiJumla ya ukubwa wa ombi lenye picha zilizopachikwa: 20 MB. Miundo: PNG, JPEG, WEBP, HEIC, HEIFPunguza ukubwa wa picha kubwa kabla ya kuzituma
Google GeminiPicha yenye hadi pikseli 384x384 inagharimu tokeni 258. Picha kubwa zaidi zinakatwa kuwa vigae vya 768x768 vya tokeni 258 kila kimojaPicha ya 960x540 inatumia vigae 6, takriban tokeni 1,548
Groq (Qwen 3.8 27B)Picha 3 kwa kila ombi kwa kiwango cha juu. 20 MB kwa kiwango cha juu kwa ombi lenye URL ya pichaTuma picha 3 kwa modeli za Groq kwa kiwango cha juu
MoondreamURL za data za base64 pekee. URL za picha za mbali hazisaidiwiTuma baiti za picha, si kiungo

Tokeni za picha zinahesabiwa dhidi ya kikomo cha tokeni kwa dakika cha ngazi ya bure. Ombi lenye picha tano kubwa linaweza kuwa kubwa kuliko kikomo cha mtoa huduma mdogo. Fanya picha ziwe ndogo, kwa mfano pikseli 1024 upande mrefu, pale usipohitaji maelezo madogo.

Maagizo yanayofanya kazi kwa kazi za picha

  • Kazi moja kwa kila ombi: uliza swali moja wazi kuhusu picha. Maswali kadhaa kwenye maagizo moja yanatoa majibu mafupi na yasiyo sahihi sana.
  • Matokeo yaliyopangwa: kwa risiti na fomu, taja sehemu unazotaka, kwa mfano item, price na total. Omba JSON pekee.
  • Thamani zisizosomeka: mwambie modeli iandike null inaposhindwa kusoma thamani. Kisha haikisii.
  • Kata kwanza: kata picha kwenye sehemu unayohitaji. Picha ndogo inatumia tokeni chache na inatoa maelezo bora.
  • Majibu thabiti: weka temperature kuwa 0 kwa kazi za uchimbaji.
  • Kagua namba: linganisha jumla na tarehe na picha. Modeli za uoni zinaweza kusoma vibaya maandishi madogo na namba zinazofanana.

Utatuzi wa matatizo

TatizoChanzoSuluhisho
Hitilafu 422 no_vision_modelHakuna modeli ya uoni iliyowezeshwa kwenye mnyororo wakoWezesha modeli yenye beji ya Vision kwenye ukurasa wa Fallback Chain
Modeli inasema kwamba haioni pichaOmbi lilikwenda kwenye /v1/responsesTumia /v1/chat/completions
Hitilafu 400 kwenye URL ya mbaliMtoa huduma hawezi kupakua URLTuma picha kama URL ya data ya base64
Hitilafu 413 au 400 kwenye faili kubwaPicha au ombi ni kubwa mnoFanya picha iwe ndogo, au tuma picha chache
Hitilafu 429 kwenye maombi ya pichaTokeni za picha zimetumia kikomo cha tokeni kwa dakikaFanya picha ziwe ndogo, au ongeza funguo kutoka watoa huduma wa uoni zaidi
Tumia kila moja ya hizi kwa ufunguo mmoja. FreeLLMAPI ni kipanga njia huria, unachoendesha mwenyewe. Kinaweka tabaka hizi zote za bure nyuma ya kituo kimoja cha OpenAI kinachooana, na kinahamia kwenye nyingine pale kikomo kinapofikiwa. Vinjari katalogi au anza sasa.

Maswali yanayoulizwa mara kwa mara

Je, kuna API ya bure ya uoni?

Ndiyo. Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter na watoa huduma wengine wanatoa modeli za bure zenye ingizo la picha. FreeLLMAPI ina ofa 78 za modeli za bure za uoni nyuma ya ufunguo mmoja unaooana na OpenAI.

Ninatumaje picha kwa API ya LLM ya bure?

Ongeza kizuizi cha maudhui cha image_url kwenye ujumbe wa mtumiaji. Tumia URL ya data ya base64 au URL ya https, kisha uitume kwa /v1/chat/completions.

Picha moja inatumia tokeni ngapi?

Kwenye Gemini, picha yenye pikseli 384x384 au ndogo zaidi inatumia tokeni 258. Picha kubwa zaidi inakatwa kuwa vigae vya 768x768, na kila kigae kinatumia tokeni 258.

Je, ninaweza kutuma picha kadhaa kwenye ombi moja?

Ndiyo. Ongeza vizuizi zaidi vya image_url kwenye ujumbe. Baadhi ya watoa huduma wanaweka kikomo cha idadi. Kwa mfano, Groq inaruhusu picha 3 kwa kila ombi kwenye Qwen 3.8 27B.

Ni modeli ipi ya bure ya uoni ni bora kwa kusoma hati?

Tumia modeli ya Gemini kwa risiti, chati na kurasa zilizoskaniwa. Ina dirisha kubwa la muktadha na inakubali picha nyingi. Kagua namba kwenye jibu dhidi ya picha, kwa sababu modeli za uoni zinaweza kusoma vibaya maandishi madogo.

Miongozo inayohusiana

Vyanzo

Miongozo yote · Tazama modeli zote za bure