RAG కోసం ఉచిత LLM API
Retrieval-augmented generation (RAG) కు రెండు APIలు కావాలి: సంబంధిత టెక్స్ట్ను కనుగొనడానికి ఒక embedding మోడల్, మరియు సమాధానం రాయడానికి ఒక చాట్ మోడల్. రెండూ ఉచిత టియర్లలో అందుబాటులో ఉన్నాయి. FreeLLMAPI 41 ఉచిత embedding మోడళ్లు మరియు 487 ఉచిత చాట్ మోడళ్లకు ఒకే OpenAI-compatible కీని ఇస్తుంది, ప్రొవైడర్ల మధ్య ఫెయిలోవర్తో. ఈ గైడ్ ప్రతి దశకు ఉచిత మోడళ్లను మరియు పూర్తి Python పైప్లైన్ను చూపుతుంది.
కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్లు ఇంగ్లీషులోనే చూపబడతాయి.
ఉచిత టియర్లపై RAG పైప్లైన్
| దశ | API | ఉచిత టియర్ ఆందోళన |
|---|---|---|
| 1. పత్రాలను చంక్లుగా విభజించండి | ఏదీ లేదు (స్థానిక కోడ్) | ఏదీ లేదు |
| 2. ప్రతి చంక్ను embed చేయండి | /v1/embeddings | ప్రారంభంలో అనేక అభ్యర్థనలు. కొన్ని ఉచిత embedding టియర్లు నిమిషానికి 10 అభ్యర్థనలను అనుమతిస్తాయి. |
| 3. ప్రశ్నను embed చేయండి | /v1/embeddings | ప్రతి ప్రశ్నకు ఒక అభ్యర్థన |
| 4. అగ్ర చంక్లను కనుగొనండి | ఏదీ లేదు (స్థానిక వెక్టర్ శోధన) | ఏదీ లేదు |
| 5. చంక్లను తిరిగి ర్యాంక్ చేయండి (ఐచ్ఛికం) | /v1/chat/completions | ప్రతి ప్రశ్నకు ఒక అదనపు చాట్ అభ్యర్థన |
| 6. సమాధానం రాయండి | /v1/chat/completions | పెద్ద ప్రాంప్ట్లు. నిమిషానికి టోకెన్ల పరిమితులు వర్తిస్తాయి. |
దశ 2 ఖరీదైన దశ. ప్రతి పత్రానికి ఒకసారి చేస్తారు. వెక్టర్లను సేవ్ చేయండి, తర్వాత కొత్త లేదా మారిన పత్రాలను మాత్రమే embed చేయండి.
FreeLLMAPI మరియు Python ప్యాకేజీలను ఇన్స్టాల్ చేయండి
curl -fsSL https://freellmapi.co/install.sh | bash
python3 -m pip install -U openai numpy
export FREELLMAPI_API_KEY=<unified-key>ఉచిత embedding మోడల్ను ఎంచుకోండి
ఒక embedding కుటుంబాన్ని ఎంచుకుని మొత్తం ఇండెక్స్ కోసం దాన్ని ఉంచండి. రెండు మోడళ్ల నుండి వచ్చిన వెక్టర్లు అనుకూలంగా ఉండవు. FreeLLMAPI మిశ్రమ వెక్టర్ల నుండి మిమ్మల్ని రక్షిస్తుంది: embedding ఫెయిలోవర్ ఎప్పుడూ మోడల్ను మార్చదు. అదే కుటుంబాన్ని అందించే ప్రొవైడర్ల మధ్య మాత్రమే కదులుతుంది.
| 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.
- ఒక కుటుంబానికి అనేక ప్రొవైడర్లు:
bge-m3వంటి కుటుంబం ఒకటి కంటే ఎక్కువ ప్రొవైడర్లలో ఉచితం. అప్పుడు ఫెయిలోవర్కు వెళ్లడానికి స్థలం ఉంటుంది. - గరిష్ట ఇన్పుట్: గరిష్ట ఇన్పుట్ కంటే పొడవైన చంక్లు కత్తిరించబడతాయి లేదా తిరస్కరించబడతాయి. చంక్లను ఈ విలువ కంటే చిన్నవిగా చేయండి.
- భాషలు: ఇంగ్లీష్ కాని టెక్స్ట్ కోసం,
bge-m3వంటి బహుభాషా కుటుంబాన్ని ఉపయోగించండి. పేరులో-en-ఉన్న కుటుంబాలు ఇంగ్లీష్ కోసం. - డైమెన్షన్లు: పెద్ద వెక్టర్లు ఎక్కువ స్టోరేజ్ ఉపయోగిస్తాయి. చిన్న ఇండెక్స్ కోసం, ఇది సమస్య కాదు.
Pythonలో పూర్తి RAG కోడ్
ఈ స్క్రిప్ట్ టెక్స్ట్ ఫైల్లను చంక్లుగా విభజిస్తుంది, బ్యాచ్లలో embed చేస్తుంది మరియు వెక్టర్లను NumPyతో సేవ్ చేస్తుంది. తర్వాత ఇది అగ్ర చంక్లతో ప్రశ్నకు సమాధానం ఇచ్చి మూలాలను ఇస్తుంది. పరిమితి అభ్యర్థనను ఆపినప్పుడు అది మళ్లీ ప్రయత్నిస్తుంది.
rag.py
import json
import os
import pathlib
import time
import numpy as np
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,
)
EMBED_MODEL = "bge-m3" # keep one family for the whole index
CHAT_MODEL = "auto" # or a long-context profile: auto:<profile>
INDEX = pathlib.Path("index")
def with_retry(fn, *args, **kwargs):
for attempt in range(6):
try:
return fn(*args, **kwargs)
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 chunk(text: str, size: int = 1500, overlap: int = 200) -> list[str]:
step = size - overlap
return [text[i:i + size] for i in range(0, max(len(text), 1), step)]
def embed(texts: list[str], batch: int = 32) -> np.ndarray:
out = []
for i in range(0, len(texts), batch):
resp = with_retry(client.embeddings.create, model=EMBED_MODEL, input=texts[i:i + batch])
out.extend(d.embedding for d in resp.data)
vecs = np.array(out, dtype=np.float32)
return vecs / np.linalg.norm(vecs, axis=1, keepdims=True)
def build(folder: str) -> None:
chunks = []
for path in sorted(pathlib.Path(folder).rglob("*.md")):
for part in chunk(path.read_text(encoding="utf-8")):
if part.strip():
chunks.append({"source": str(path), "text": part})
INDEX.mkdir(exist_ok=True)
np.save(INDEX / "vectors.npy", embed([c["text"] for c in chunks]))
(INDEX / "chunks.json").write_text(json.dumps(chunks))
def answer(question: str, k: int = 5) -> str:
vecs = np.load(INDEX / "vectors.npy")
chunks = json.loads((INDEX / "chunks.json").read_text())
q = embed([question])[0]
top = np.argsort(vecs @ q)[::-1][:k]
context = "\n\n".join(f"[{n + 1}] ({chunks[i]['source']})\n{chunks[i]['text']}" for n, i in enumerate(top))
resp = with_retry(
client.chat.completions.create,
model=CHAT_MODEL,
temperature=0,
messages=[
{"role": "system", "content": "Answer only from the sources. Cite them as [1], [2]. If the sources do not answer, say so."},
{"role": "user", "content": f"Sources:\n{context}\n\nQuestion: {question}"},
],
)
return resp.choices[0].message.content
if __name__ == "__main__":
if not (INDEX / "vectors.npy").exists():
build("docs")
print(answer("How do I rotate the API keys?"))కొన్ని వేల చంక్లకు మించి ఉంటే, NumPy శోధనను వెక్టర్ డేటాబేస్తో భర్తీ చేయండి. embedding మరియు చాట్ కాల్లు అలాగే ఉంటాయి.
వినియోగదారులు తరచుగా అదే ప్రశ్నను మళ్లీ అడుగుతారు. FreeLLMAPIలో ఒకే అభ్యర్థనలకు ఐచ్ఛిక ప్రతిస్పందన క్యాష్ ఉంది. క్యాష్ హిట్ ప్రొవైడర్ కోటాను ఉపయోగించదు. X-FreeLLM-Cache: on లేదా off హెడర్తో ఒక అభ్యర్థనకు క్యాష్ను ఆన్ లేదా ఆఫ్ చేయవచ్చు. temperature=0 ఉపయోగించండి, తద్వారా అదే ప్రశ్న అదే అభ్యర్థనను ఇస్తుంది.
rerank దశను జోడించండి
వెక్టర్ శోధన ఒకే రకమైన టెక్స్ట్ను కనుగొంటుంది, కానీ అగ్ర చంక్ ఎల్లప్పుడూ ఉత్తమ సమాధానం కాదు. rerank దశ అభ్యర్థులను మళ్లీ క్రమబద్ధీకరిస్తుంది. FreeLLMAPI డాక్స్ ప్రత్యేక rerank ఎండ్పాయింట్ను వివరించవు. మీరు వేగవంతమైన చాట్ మోడల్ను reranker గా ఉపయోగించవచ్చు. 15 అభ్యర్థులను తిరిగి పొంది, ఉత్తమ 5ను ఉంచండి.
auto:fastతో LLM rerank
def rerank(question: str, candidates: list[str], keep: int = 5) -> list[int]:
listing = "\n".join(f"{n}: {c[:400]}" for n, c in enumerate(candidates))
resp = with_retry(
client.chat.completions.create,
model="auto:fast",
temperature=0,
messages=[{
"role": "user",
"content": (
f"Question: {question}\n\nPassages:\n{listing}\n\n"
f"Return the numbers of the {keep} most useful passages, best first, "
"as a JSON list of integers. Return only the list."
),
}],
)
try:
ids = json.loads(resp.choices[0].message.content.strip())
return [i for i in ids if isinstance(i, int) and 0 <= i < len(candidates)][:keep]
except (json.JSONDecodeError, AttributeError):
return list(range(min(keep, len(candidates)))) # fall back to vector order
# Use it in answer(): take 15 candidates, keep the best 5
# top = np.argsort(vecs @ q)[::-1][:15]
# best = rerank(question, [chunks[i]["text"] for i in top])
# top = [top[i] for i in best]rerank దశ ప్రతి ప్రశ్నకు ఒక చాట్ అభ్యర్థనను జోడిస్తుంది. మీ ఉచిత పరిమితులు తక్కువగా ఉంటే, దాన్ని దాటవేయండి. మెరుగైన చంకింగ్ తరచుగా rerank దశ కంటే ఎక్కువ సహాయపడుతుంది.
దీర్ఘ కాంటెక్స్ట్: రిట్రీవల్ అవసరం లేనప్పుడు
ఈ రోజు, 56 ఉచిత మోడల్ ఆఫర్లకు 1 మిలియన్ టోకెన్లు లేదా అంతకంటే ఎక్కువ కాంటెక్స్ట్ విండో ఉంది. మీ పత్రాలు చిన్నవైతే, అన్నింటినీ ప్రాంప్ట్లో పంపవచ్చు మరియు వెక్టర్ ఇండెక్స్ను దాటవేయవచ్చు. ఇది సరళమైనది, కానీ ప్రతి ప్రశ్న అప్పుడు చాలా టోకెన్లు పంపుతుంది.
| 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 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | లేదు | లేదు |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| DeepSeek V4 Pro | APINex, Router9 | 1M | 5 అభ్యర్థనలు/నిమిషం 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | లేదు | లేదు |
| Nemotron 3 Ultra 550B | Gizmo, Kilo Gateway, LLMTR +3 మరిన్ని | 1M | 200 అభ్యర్థనలు/రోజు 200 rpd | అవును | లేదు |
సరిపోలే 35 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.
- దీర్ఘ కాంటెక్స్ట్ ఉపయోగించండి కొన్ని పత్రాల కోసం, పూర్తి టెక్స్ట్ అవసరమైన ప్రశ్నల కోసం, లేదా ఒకే నివేదిక కోసం.
- రిట్రీవల్ ఉపయోగించండి అనేక పత్రాల కోసం, తరచుగా వచ్చే ప్రశ్నల కోసం, లేదా ఉచిత నిమిషానికి టోకెన్ల పరిమితులు తక్కువగా ఉన్నప్పుడు.
- రెండింటినీ కలపండి: 20 లేదా అంతకంటే ఎక్కువ చంక్లను తిరిగి పొంది, వాటిని దీర్ఘ-కాంటెక్స్ట్ మోడల్కు పంపండి.
తక్కువ నిమిషానికి టోకెన్ల పరిమితి ఉన్న ప్రొవైడర్పై పెద్ద ప్రాంప్ట్ విఫలం కావచ్చు. అప్పుడు FreeLLMAPI తదుపరి ప్రొవైడర్ను ప్రయత్నిస్తుంది. పెద్ద ప్రాంప్ట్లు ఏ మోడళ్లకు వెళ్తాయో నియంత్రించడానికి, దీర్ఘ-కాంటెక్స్ట్ మోడళ్లతో మాత్రమే ఫాల్బ్యాక్ చైన్ ప్రొఫైల్ తయారు చేయండి. దాన్ని auto:<profile> గా ఉపయోగించండి.
పరిమితులు మరియు సమస్య పరిష్కారం
| సమస్య | కారణం | పరిష్కారం |
|---|---|---|
| ఇన్జెషన్ 429తో ఆగిపోతుంది | embedding కుటుంబం అన్ని ప్రొవైడర్లలో తన పరిమితిలో ఉంది | పెద్ద బ్యాచ్లను ఉపయోగించండి, Retry-After కోసం వేచి ఉండండి, భాగాలుగా ఇన్జెస్ట్ చేయండి |
| మార్పు తర్వాత చెడు ఫలితాలు | ఇండెక్స్లో రెండు కుటుంబాల వెక్టర్లు ఉన్నాయి | ఒక కుటుంబంతో అన్ని చంక్లను మళ్లీ embed చేయండి |
| ఇన్పుట్ పొడవు గురించి ఎర్రర్ | ఒక చంక్ కుటుంబం యొక్క గరిష్ట ఇన్పుట్ కంటే పొడవుగా ఉంది | చిన్న చంక్లను ఉపయోగించండి |
| సమాధానం మూలాలను విస్మరిస్తుంది | మోడల్ తన స్వంత జ్ఞానం నుండి సమాధానం ఇస్తుంది | temperature=0 మరియు కఠినమైన system ప్రాంప్ట్ ఉపయోగించండి |
| సమాధానంపై కాంటెక్స్ట్ పొడవు ఎర్రర్ | చాలా ఎక్కువ లేదా చాలా పొడవైన చంక్లు | k ను తగ్గించండి లేదా దీర్ఘ-కాంటెక్స్ట్ ప్రొఫైల్ ఉపయోగించండి |
| సమాధానాల శైలి మారుతుంది | రౌటర్ వేరే మోడల్ను ఎంచుకుంది | X-Session-Id హెడర్ పంపండి లేదా ఒక మోడల్ను పిన్ చేయండి |
ఉచిత టియర్లకు SLA ఉండదు. అత్యంత బలమైన మోడళ్లు మొదట తమ రోజువారీ పరిమితులకు చేరుకుంటాయి, మరియు అనేక పరిమితులు అర్ధరాత్రి UTCకి రీసెట్ అవుతాయి. మీ చైన్ నిజంగా ఉపయోగించే మోడళ్లతో మీ పైప్లైన్ను పరీక్షించండి.
తరచుగా అడిగే ప్రశ్నలు
RAG కోసం ఉచిత API ఉందా?
అవును. అనేక ప్రొవైడర్లకు ఉచిత embedding మరియు చాట్ టియర్లు ఉన్నాయి. FreeLLMAPI రెండింటినీ ఒకే OpenAI-compatible కీ ద్వారా అందిస్తుంది, ప్రొవైడర్ల మధ్య ఫెయిలోవర్తో.
RAG కోసం ఏ ఉచిత embedding మోడల్ ఉత్తమం?
అనేక ప్రొవైడర్లలో ఉచితంగా ఉండి మీ భాషలకు సరిపోయే కుటుంబాన్ని ఎంచుకోండి. బహుభాషా టెక్స్ట్ కోసం, bge-m3 సాధారణ ఎంపిక. మొత్తం ఇండెక్స్ కోసం ఒక కుటుంబాన్ని ఉంచండి.
ఉచిత rerank API ఉందా?
FreeLLMAPI డాక్స్ rerank ఎండ్పాయింట్ను వివరించవు. ఈ పేజీలో చూపినట్లు మీరు వేగవంతమైన చాట్ మోడల్తో rerank చేయవచ్చు, లేదా rerank దశను దాటవేయవచ్చు.
ఉచిత మోడల్కు 1 మిలియన్ టోకెన్ల కాంటెక్స్ట్ ఉంటే నాకు RAG అవసరమా?
కొన్ని చిన్న పత్రాలకు కాదు. అనేక పత్రాలకు లేదా తరచుగా వచ్చే ప్రశ్నలకు, రిట్రీవల్ ప్రతి అభ్యర్థనకు తక్కువ టోకెన్లు పంపుతుంది మరియు ఉచిత పరిమితుల్లోనే ఉంటుంది.
తర్వాత embedding మోడల్ను మార్చవచ్చా?
అవును, కానీ అన్ని చంక్లను మళ్లీ embed చేయాలి. రెండు మోడళ్ల నుండి వచ్చిన వెక్టర్లు అనుకూలంగా ఉండవు, కాబట్టి వాటిని ఒకే ఇండెక్స్లో కలపవద్దు.
సంబంధిత గైడ్లు
- ఉచిత embeddings API
- 1 మిలియన్ టోకెన్ కాంటెక్స్ట్తో ఉచిత LLM API
- LlamaIndex కోసం ఉచిత LLM
- LangChain కోసం ఉచిత LLM API
- Pythonలో ఉచిత LLM API
మూలాలు
- FreeLLMAPI docs: embeddings (families and failover rules) (20 November 2026 న తనిఖీ చేయబడింది)
- FreeLLMAPI docs: routing strategies and response headers (20 November 2026 న తనిఖీ చేయబడింది)
- OpenAI Python SDK: embeddings, errors and retries (20 November 2026 న తనిఖీ చేయబడింది)