LlamaIndex కోసం ఉచిత LLM
OpenAI-compatible APIల కోసం LlamaIndex కు రెండు క్లాస్లు ఉన్నాయి: chat కోసం OpenAILike, మరియు embeddings కోసం OpenAILikeEmbedding. ఈ గైడ్ రెండింటినీ FreeLLMAPI వైపు చూపుతుంది, ఇది ఒకే కీ వెనుక 45 ఉచిత ప్రొవైడర్ టియర్లను ఉంచుతుంది. మీరు retrieval-augmented generation (RAG) ఇండెక్స్ను నిర్మిస్తారు, దానిపై ప్రశ్నలు అడుగుతారు, మరియు agent ను జోడిస్తారు. కోడ్ రేట్ పరిమితులను నిర్వహిస్తుంది.
కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్లు ఇంగ్లీషులోనే చూపబడతాయి.
ప్యాకేజీలను ఇన్స్టాల్ చేయండి
FreeLLMAPIని ఇన్స్టాల్ చేయండి మరియు డాష్బోర్డ్ Keys పేజీలో రెండు లేదా అంతకంటే ఎక్కువ ప్రొవైడర్ల నుండి ఉచిత కీలను జోడించండి. unified కీని కాపీ చేయండి. తర్వాత LlamaIndex ప్యాకేజీలను ఇన్స్టాల్ చేయండి.
ఇన్స్టాల్
curl -fsSL https://freellmapi.co/install.sh | bash
pip install -U llama-index-core \
llama-index-llms-openai-like \
llama-index-embeddings-openai-like
export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>OpenAI కి తెలియని మోడల్ పేర్లతో సాధారణ OpenAI క్లాస్ను ఉపయోగించవద్దు, ఇది llama-index-llms-openai నుండి వస్తుంది. ఆ క్లాస్ మోడల్ పేర్లను మరియు కాంటెక్స్ట్ పరిమాణాలను OpenAI మోడల్ల జాబితాతో తనిఖీ చేస్తుంది. OpenAILike అలా చేయదు, కాబట్టి ఈ విలువలను మీరే సెట్ చేస్తారు.
LLM మరియు embedding మోడల్ను కాన్ఫిగర్ చేయండి
settings.py
import os
from llama_index.core import Settings
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding
BASE = os.environ["FREELLMAPI_BASE_URL"]
KEY = os.environ["FREELLMAPI_API_KEY"]
Settings.llm = OpenAILike(
model="auto",
api_base=BASE,
api_key=KEY,
is_chat_model=True, # use /v1/chat/completions
is_function_calling_model=True, # needed for FunctionAgent
context_window=32000, # the smallest window in your chain
max_retries=5,
timeout=90,
)
Settings.embed_model = OpenAILikeEmbedding(
model_name="bge-m3", # one family, 1024 dimensions
api_base=BASE,
api_key=KEY,
embed_batch_size=16,
max_retries=10,
)- is_chat_model=True: ఇది లేకుండా, LlamaIndex అభ్యర్థనలను పాత completions ఎండ్పాయింట్కు పంపుతుంది.
- context_window: ప్రాంప్ట్లో ఎన్ని తిరిగి పొందిన chunks సరిపోతాయో నిర్ణయించడానికి LlamaIndex ఈ విలువను ఉపయోగిస్తుంది.
autoతో, రూటర్ వేర్వేరు మోడల్లను ఎంచుకోవచ్చు. మీ చైన్లోని అతి చిన్న కాంటెక్స్ట్ విండోను ఉపయోగించండి. - is_function_calling_model=True: మీ చైన్లో tool-calling మోడల్లు ఉన్నప్పుడు మాత్రమే దీన్ని సెట్ చేయండి.
- embed_batch_size: ప్రతి బ్యాచ్ ఒక అభ్యర్థన. పెద్ద బ్యాచ్లు నిమిషానికి తక్కువ అభ్యర్థనలను ఉపయోగిస్తాయి.
RAG ప్రాంప్ట్ అనేక తిరిగి పొందిన chunks ను కలిగి ఉంటుంది, కాబట్టి chat మోడల్కు వాటికి స్థలం అవసరం. RAG కోసం పొడవైన-కాంటెక్స్ట్ మోడల్లతో ఫాల్బ్యాక్ చైన్ ప్రొఫైల్ను సృష్టించండి. తర్వాత model="auto:<profile>" ను సెట్ చేసి, context_window ను ఆ ప్రొఫైల్లోని అతి చిన్న విండోకు పెంచండి. ఈరోజు ఈ ఉచిత మోడల్లకు అతిపెద్ద కాంటెక్స్ట్ విండోలు ఉన్నాయి:
| మోడల్ | ఉచితంగా లభ్యం | కాంటెక్స్ట్ | ఉచిత పరిమితులు (ఉత్తమ ఆఫర్) | సాధనాలు | విజన్ |
|---|---|---|---|---|---|
| OpenAI: GPT-6 Luna | ElectronHub | 1.1M | $0.25/week shared free credits | లేదు | లేదు |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 అభ్యర్థనలు/నిమిషం 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | అవును | అవును |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 అభ్యర్థనలు/నిమిషం 50 అభ్యర్థనలు/రోజు Shared rate limit | అవును | లేదు |
| DeepSeek V4 Flash 0731 | ElectronHub, Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | లేదు | లేదు |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| GLM-5.2 | ModelScope, Router9 | 1M | 100 అభ్యర్థనలు/రోజు Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | లేదు | లేదు |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
సరిపోలే 115 ఉచిత మోడల్లలో 8 చూపబడుతున్నాయి. అన్ని మోడల్లను చూడండి.
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
ఒక వినియోగదారుని ఒకే మోడల్పై ఉంచడానికి, X-Session-Id హెడర్ను పంపండి. OpenAILike default_headers ను అంగీకరిస్తుంది, ఉదాహరణకు default_headers={"X-Session-Id": "user-42"}. FreeLLMAPI ఒక సెషన్ను 30 నిమిషాల పాటు అదే మోడల్పై ఉంచుతుంది. దీనివల్ల ఒక చాట్లో సమాధానాలు ఒకే శైలిలో ఉంటాయి.
RAG ఇండెక్స్ను నిర్మించి ప్రశ్నలు అడగండి
ఈ స్క్రిప్ట్ ఒక ఫోల్డర్ నుండి ఫైల్లను చదువుతుంది, embeddings ను సృష్టిస్తుంది, ఇండెక్స్ను సేవ్ చేస్తుంది మరియు ఒక ప్రశ్నకు సమాధానం ఇస్తుంది. ఇండెక్స్ నిర్మించడానికి ఒకసారి నడపండి. తర్వాతి రన్లు సేవ్ చేసిన ఇండెక్స్ను లోడ్ చేస్తాయి మరియు ఫైల్లను మళ్ళీ embed చేయవు.
rag.py
import os
import settings # noqa: F401 (sets Settings.llm and Settings.embed_model)
from llama_index.core import (
SimpleDirectoryReader,
StorageContext,
VectorStoreIndex,
load_index_from_storage,
)
PERSIST = "./storage"
def load_index() -> VectorStoreIndex:
if os.path.isdir(PERSIST):
return load_index_from_storage(StorageContext.from_defaults(persist_dir=PERSIST))
docs = SimpleDirectoryReader("./docs").load_data()
index = VectorStoreIndex.from_documents(docs, show_progress=True)
index.storage_context.persist(persist_dir=PERSIST)
return index
if __name__ == "__main__":
query_engine = load_index().as_query_engine(similarity_top_k=4, streaming=True)
response = query_engine.query("How do I rotate the API keys?")
response.print_response_stream()
for node in response.source_nodes:
print("\nSource:", node.metadata.get("file_name"), round(node.score or 0, 3))./storage ను తొలగించి ఇండెక్స్ను మళ్ళీ నిర్మించండి.ఈ embedding మోడల్లు ఈరోజు కేటలాగ్లో ఉచితం. dimensions కాలమ్ ప్రతి family యొక్క vector పరిమాణాన్ని చూపుతుంది.
| మోడల్ | ప్రొవైడర్ | డైమెన్షన్లు | గరిష్ట ఇన్పుట్ | ఉచిత పరిమితి |
|---|---|---|---|---|
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) |
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
FunctionAgent తో agent ను జోడించండి
FunctionAgent tool calling ను ఉపయోగిస్తుంది. మీరు దానికి query engine ను tool గా ఇవ్వవచ్చు మరియు మీ స్వంత Python ఫంక్షన్లను జోడించవచ్చు.
agent.py
import asyncio
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.core.tools import QueryEngineTool
from llama_index.core import Settings
from rag import load_index
docs_tool = QueryEngineTool.from_defaults(
query_engine=load_index().as_query_engine(similarity_top_k=4),
name="project_docs",
description="Answers questions about the project documentation.",
)
def open_tickets(team: str) -> int:
"""Return the number of open tickets for a team."""
return {"billing": 4, "platform": 11}.get(team, 0)
agent = FunctionAgent(
tools=[docs_tool, open_tickets],
llm=Settings.llm,
system_prompt="Use the tools. Cite the document name in each answer.",
)
async def main():
result = await agent.run("How many platform tickets are open, and how do we rotate keys?")
print(result)
asyncio.run(main())agent పనికి, tool calling ఉన్న మోడల్లను ఎంచుకోండి. ఈ మోడల్లు మాత్రమే ఉన్న ఫాల్బ్యాక్ చైన్ ప్రొఫైల్ను సృష్టించండి, మరియు మోడల్ పేరుగా auto:<profile> ను ఉపయోగించండి.
| మోడల్ | ఉచితంగా లభ్యం | కాంటెక్స్ట్ | ఉచిత పరిమితులు (ఉత్తమ ఆఫర్) | సాధనాలు | విజన్ |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 అభ్యర్థనలు/నిమిషం 1 req/min per model | అవును | లేదు |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 అభ్యర్థనలు/నిమిషం 40 RPM | అవును | అవును |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | అవును | అవును |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | అవును | లేదు |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | అవును | అవును |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | అవును | అవును |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 అభ్యర్థనలు/నిమిషం 50 అభ్యర్థనలు/రోజు 50 req/day account-wide (1,000 after a $10 purchase) | అవును | అవును |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 అభ్యర్థనలు/నిమిషం 50 అభ్యర్థనలు/రోజు Shared rate limit | అవును | లేదు |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 అభ్యర్థనలు/నిమిషం 250 అభ్యర్థనలు/రోజు 70,000 టోకెన్లు/నిమిషం ~6M | అవును | అవును |
సరిపోలే 109 ఉచిత మోడల్లలో 10 చూపబడుతున్నాయి. అన్ని మోడల్లను చూడండి.
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
ingestion ను ఉచిత పరిమితుల్లో ఉంచండి
Ingestion తక్కువ సమయంలో అనేక embedding అభ్యర్థనలను పంపుతుంది. ఉచిత embedding టియర్లకు తక్కువ పరిమితులు ఉంటాయి. ఉదాహరణకు, కొన్ని నిమిషానికి 10 అభ్యర్థనలను అనుమతిస్తాయి, మరికొన్ని నెలకు కాల్లను లెక్కిస్తాయి. మొదటి ingestion ను ప్రారంభించే ముందు ప్లాన్ చేయండి.
- పెద్ద chunks ను ఉపయోగించండి. తక్కువ chunks అంటే తక్కువ vectors మరియు తక్కువ అభ్యర్థనలు. 1,024 టోకెన్ల దగ్గర chunk పరిమాణం మంచి ప్రారంభం.
- బ్యాచ్లను ఉపయోగించండి.
embed_batch_sizeను 16 లేదా అంతకంటే ఎక్కువకు సెట్ చేయండి. అప్పుడు ఒక అభ్యర్థన అనేక chunks ను కలిగి ఉంటుంది. - ఇండెక్స్ను సేవ్ చేయండి. మొదటి రన్ తర్వాత ఇండెక్స్ను నిల్వ చేయండి. ఒకే ఫైల్లను మళ్ళీ embed చేయవద్దు.
- retries ను ఆన్లో ఉంచండి.
OpenAILikeEmbeddingడిఫాల్ట్గా 10 సార్లు వరకు మళ్ళీ ప్రయత్నిస్తుంది. పొడవైన ingestion పనుల కోసం ఈ విలువను ఉంచండి. - భాగాలుగా ingest చేయండి. వేల ఫైల్ల కోసం, ఒకసారి ఒక ఫోల్డర్ను ingest చేయండి.
ప్రశ్నలు ingestion కంటే చౌకైనవి. ప్రతి ప్రశ్న ఒక embedding అభ్యర్థన మరియు ఒక chat అభ్యర్థనను ఉపయోగిస్తుంది. 1,024 టోకెన్ల నాలుగు chunks ఉన్న chat అభ్యర్థన దాదాపు 5,000 టోకెన్లను పంపుతుంది. తక్కువ tokens-per-minute పరిమితులు ఉన్న ఉచిత టియర్లు దీన్ని తిరస్కరించవచ్చు. తర్వాత FreeLLMAPI తదుపరి ప్రొవైడర్ను ప్రయత్నిస్తుంది.
ట్రబుల్షూటింగ్
| సమస్య | కారణం | పరిష్కారం |
|---|---|---|
Unknown model 'auto' | మీరు OpenAI క్లాస్ను ఉపయోగించారు | OpenAILike ను ఉపయోగించండి |
అభ్యర్థనలు /v1/completions కు వెళ్తున్నాయి | is_chat_model సెట్ చేయలేదు | is_chat_model=True ను సెట్ చేయండి |
| agent tools ను కాల్ చేయడం లేదు | is_function_calling_model ఆఫ్లో ఉంది, లేదా మోడల్కు tool calling లేదు | దాన్ని True కు సెట్ చేసి, tools ప్రొఫైల్ను ఉపయోగించండి |
| ingestion సమయంలో ఎర్రర్ 429 | అన్ని ప్రొవైడర్లపై embedding family తన పరిమితికి చేరింది | పెద్ద బ్యాచ్లను ఉపయోగించండి, Retry-After కోసం వేచి ఉండి మళ్ళీ నడపండి |
| embedding మోడల్ మార్చిన తర్వాత చెడు సమాధానాలు | ఒక ఇండెక్స్లో రెండు families నుండి vectors ఉన్నాయి | సేవ్ చేసిన ఇండెక్స్ను తొలగించి, దాన్ని మళ్ళీ నిర్మించండి |
| కాంటెక్స్ట్ పొడవు ఎర్రర్ | context_window సమాధానం ఇచ్చిన మోడల్ కంటే పెద్దది | చిన్న విలువను సెట్ చేయండి, లేదా పొడవైన-కాంటెక్స్ట్ ప్రొఫైల్ను ఉపయోగించండి |
ఏ ప్రొవైడర్ అభ్యర్థనకు సమాధానం ఇచ్చిందో చూడటానికి, FreeLLMAPI డాష్బోర్డ్ను ఉపయోగించండి. Analytics పేజీ ప్రతి ప్రొవైడర్ మరియు మోడల్ కోసం అభ్యర్థనలు, latency మరియు ఎర్రర్లను చూపుతుంది. ప్రతి response లో X-Routed-Via హెడర్ కూడా ఉంటుంది. రూటర్ ప్రొవైడర్ను మార్చినట్లయితే, X-Fallback-Trail హెడర్ ప్రతి విఫల ప్రయత్నాన్ని మరియు కారణాన్ని పేర్కొంటుంది.
తరచుగా అడిగే ప్రశ్నలు
ఉచిత LLMతో LlamaIndex ను ఉపయోగించవచ్చా?
అవును. api_base ను OpenAI-compatible URL కు సెట్ చేసి OpenAILike ను ఉపయోగించండి. FreeLLMAPI అనేక ఉచిత ప్రొవైడర్ టియర్ల కోసం ఒక URL ను ఇస్తుంది. ప్రతి టియర్కు దాని స్వంత పరిమితులు ఉంటాయి.
LlamaIndex లో OpenAI మరియు OpenAILike మధ్య తేడా ఏమిటి?
OpenAI క్లాస్ మోడల్ పేర్లను OpenAI మోడల్లతో పోల్చి తనిఖీ చేస్తుంది. OpenAILike ఏ మోడల్ పేరునైనా అంగీకరిస్తుంది. కాంటెక్స్ట్ విండో మరియు chat మరియు function-calling flags ను మీరే సెట్ చేస్తారు.
LlamaIndex కోసం ఏ ఉచిత embedding మోడల్ ఉత్తమం?
మీ ingestion కు సరిపడినన్ని ఉచిత అభ్యర్థనలు ఉన్న family ను ఎంచుకుని, మొత్తం ఇండెక్స్ కోసం దాన్నే ఉంచండి. bge-m3 family అనేక ప్రొవైడర్లపై ఉచితం, కాబట్టి ఫెయిల్ఓవర్ వాటి మధ్య కదలగలదు.
ఉచిత మోడల్లతో FunctionAgent పనిచేస్తుందా?
అవును, మోడల్ tool calling కు మద్దతు ఇస్తే మరియు మీరు is_function_calling_model=True ను సెట్ చేస్తే. tool-calling మోడల్లు మాత్రమే ఉన్న ఫాల్బ్యాక్ చైన్ ప్రొఫైల్ను ఉపయోగించండి.
LlamaIndex ఇండెక్స్ను నిర్మించేటప్పుడు రేట్ పరిమితులను ఎలా నివారించాలి?
పెద్ద chunks ను ఉపయోగించండి, embed_batch_size ను 16 లేదా అంతకంటే ఎక్కువకు సెట్ చేయండి, ఇండెక్స్ను నిల్వ చేయండి మరియు పెద్ద ఫోల్డర్లను భాగాలుగా ingest చేయండి.
సంబంధిత గైడ్లు
- RAG కోసం ఉచిత LLM API
- ఉచిత embeddings API
- LangChain కోసం ఉచిత LLM API
- Pythonలో ఉచిత LLM API
- 1 మిలియన్ టోకెన్ కాంటెక్స్ట్తో ఉచిత LLM API
మూలాలు
- LlamaIndex: llama-index-llms-openai-like README (20 November 2026 న తనిఖీ చేయబడింది)
- LlamaIndex: llama-index-embeddings-openai-like source (20 November 2026 న తనిఖీ చేయబడింది)
- LlamaIndex: FunctionAgent (agent workflow) source (20 November 2026 న తనిఖీ చేయబడింది)
- FreeLLMAPI docs: REST API (embeddings families, routing strategies) (20 November 2026 న తనిఖీ చేయబడింది)