ఉచిత రీజనింగ్ మోడల్ API
రీజనింగ్ మోడల్ సమాధానం ఇచ్చే ముందు ఆలోచిస్తుంది. ఇది దాచిన లేదా కనిపించే దశలు రాస్తుంది, తర్వాత తుది సమాధానం ఇస్తుంది. ఇది గణితం, తర్కం, ప్రణాళిక మరియు కఠినమైన కోడ్కు సహాయపడుతుంది. అనేక ప్రొవైడర్లు రీజనింగ్ మోడళ్లను ఉచితంగా ఇస్తారు. ఈ గైడ్ వాటిని చూపుతుంది, thinking టోకెన్ల ఖర్చును వివరిస్తుంది మరియు పనిచేసే కోడ్ను ఇస్తుంది.
కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్లు ఇంగ్లీషులోనే చూపబడతాయి.
ఈ రోజు ఉచిత రీజనింగ్ మోడళ్లు
పట్టిక పేరులో రీజనింగ్ ఉన్న ఉచిత మోడళ్లను జాబితా చేస్తుంది, ఉదాహరణకు GPT-OSS, R1, QwQ, Thinking, Reasoning మరియు Magistral. డేటా లైవ్ కేటలాగ్ నుండి వస్తుంది. Gemini Flash వంటి అనేక ఇతర మోడళ్లు కూడా ఆలోచిస్తాయి, కానీ వాటి పేర్లు అది చూపవు.
| మోడల్ | ఉచితంగా లభ్యం | కాంటెక్స్ట్ | ఉచిత పరిమితులు (ఉత్తమ ఆఫర్) | సాధనాలు | విజన్ |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 మరిన్ని | 131K | 30 అభ్యర్థనలు/నిమిషం 1,000 అభ్యర్థనలు/రోజు 8,000 టోకెన్లు/నిమిషం 200,000 టోకెన్లు/రోజు ~6M | అవును | లేదు |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 మరిన్ని | 131K | 30 అభ్యర్థనలు/నిమిషం 1,000 అభ్యర్థనలు/రోజు 8,000 టోకెన్లు/నిమిషం 200,000 టోకెన్లు/రోజు ~6M | అవును | లేదు |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 అభ్యర్థనలు/నిమిషం 1,000 అభ్యర్థనలు/రోజు 8,000 టోకెన్లు/నిమిషం 200,000 టోకెన్లు/రోజు ~6M | అవును | లేదు |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | లేదు | లేదు |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | లేదు | లేదు |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 అభ్యర్థనలు/రోజు Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | లేదు | లేదు |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 అభ్యర్థనలు/నిమిషం 5,000 అభ్యర్థనలు/రోజు 500,000 టోకెన్లు/రోజు 500K tokens/day · 5,000 req/day | లేదు | లేదు |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 అభ్యర్థనలు/రోజు Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | లేదు | లేదు |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | అవును | లేదు |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 అభ్యర్థనలు/రోజు 200 rpd | లేదు | అవును |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 అభ్యర్థనలు/నిమిషం 40 RPM | లేదు | అవును |
| Command A Reasoning | Cohere | 256K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు ~1-2M | అవును | లేదు |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 అభ్యర్థనలు/నిమిషం 50 అభ్యర్థనలు/రోజు 50 req/day account-wide (1,000 after a $10 purchase) | లేదు | లేదు |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | అవును | అవును |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 అభ్యర్థనలు/నిమిషం 5,000 అభ్యర్థనలు/రోజు 500,000 టోకెన్లు/రోజు 500K tokens/day · 5,000 req/day | లేదు | లేదు |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | అవును | లేదు |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | అవును | లేదు |
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
GPT-OSS 120B ను అనేక ప్రొవైడర్లు ఉచితంగా అందిస్తారు, కాబట్టి ఫెయిలోవర్కు అనేక ఎంపికలు ఉన్నాయి. QwQ 32B మరియు DeepSeek R1 Distill Qwen 32B Cloudflare Workers AIపై నడుస్తాయి. Qwen3 Thinking మోడళ్లకు ModelScopeలో 262K-టోకెన్ కాంటెక్స్ట్ ఉంది.
Thinking టోకెన్లు మీ అవుట్పుట్ బడ్జెట్ను ఉపయోగిస్తాయి
ఇది రీజనింగ్ మోడళ్లతో అత్యంత సాధారణ సమస్య. మోడల్ ముందుగా తన ఆలోచనను రాస్తుంది. ఈ thinking టోకెన్లు సమాధానంలాగే అవుట్పుట్ పరిమితికి లెక్కించబడతాయి.
- Google చెబుతోంది: Geminiపై అవుట్పుట్ పరిమితి thought టోకెన్లను కలిగి ఉంటుంది. మోడల్ ఆలోచిస్తున్నప్పుడు పరిమితికి చేరితే, అవుట్పుట్ కత్తిరించబడవచ్చు లేదా ఖాళీగా ఉండవచ్చు. thinking టోకెన్లు ఇప్పటికీ లెక్కించబడతాయి.
- Groq చెబుతోంది: 1,024 completion టోకెన్ల డిఫాల్ట్ సంక్లిష్ట రీజనింగ్కు తక్కువగా ఉండవచ్చు.
- ఉచిత పరిమితులు: thinking టోకెన్లు నిమిషానికి టోకెన్ల మరియు రోజుకు టోకెన్ల పరిమితులను కూడా లెక్కిస్తాయి. అదే ప్రశ్నకు రీజనింగ్ సమాధానం ప్రత్యక్ష సమాధానం కంటే చాలా ఎక్కువ టోకెన్లను ఉపయోగించవచ్చు.
max_tokens సెట్ చేయవద్దు. 4,000 లేదా అంతకంటే ఎక్కువ నుండి ప్రారంభించండి. finish_reason length అయి, కంటెంట్ ఖాళీగా ఉంటే, మోడల్ ఆలోచించడానికి మొత్తం బడ్జెట్ను ఉపయోగించింది.దశ 1: FreeLLMAPIని ఇన్స్టాల్ చేసి కీలను జోడించండి
FreeLLMAPI ఓపెన్ సోర్స్. ఇది మీ కంప్యూటర్లో Dockerలో నడుస్తుంది. మీ ప్రొవైడర్ కీలు మీ కంప్యూటర్లోనే ఉంటాయి.
ఇన్స్టాల్ చేయండి (macOS లేదా Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001లో డ్యాష్బోర్డ్ను తెరవండి. Keys పేజీలో Groq, Cloudflare మరియు Google AI Studio కీలను జోడించండి. ప్రతి ఒక్కటి ఉచిత రీజనింగ్ మోడళ్లను అందిస్తుంది. అదే పేజీ నుండి మీ ఏకీకృత కీని కాపీ చేయండి.
దశ 2: రీజనింగ్ మోడల్ను కాల్ చేయండి
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: కత్తిరించిన సమాధానం కోసం తనిఖీ చేయండి మరియు thinking టెక్స్ట్ను తొలగించండి
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")కొన్ని ప్రొవైడర్లు కంటెంట్లోని <think> ట్యాగ్ల లోపల thinking ను తిరిగి ఇస్తారు. మరికొందరు దాన్ని దాస్తారు, లేదా వేరే ఫీల్డ్లో ఇస్తారు. సమాధానాన్ని వినియోగదారులకు చూపించే ముందు ట్యాగ్లను తొలగించండి.
ఆలోచన మొత్తాన్ని నియంత్రించండి
ప్రొవైడర్లకు thinking పొడవు కోసం తమ స్వంత సెట్టింగ్లు ఉన్నాయి. Groq GPT-OSS మోడళ్లపై reasoning_effortను low, medium లేదా high తో అంగీకరిస్తుంది. Gemini 3 మోడళ్లు thinking_level సెట్టింగ్ను ఉపయోగిస్తాయి. ఈ ఫీల్డ్లు గేట్వే ద్వారా ఎలా వెళ్తాయో FreeLLMAPI డాక్స్ వివరించవు, కాబట్టి ముందుగా మీ ఇన్స్టాల్లో వాటిని పరీక్షించండి.
FreeLLMAPI యొక్క స్థానిక Gemini ఎండ్పాయింట్, /v1beta/models/{model}:generateContent, thinking బడ్జెట్లను అనువదిస్తుంది. Gemini thinking పై నియంత్రణ కావాలంటే దాన్ని ఉపయోగించండి.
| పని | రీజనింగ్ మోడల్ ఉపయోగించాలా? | ఎందుకు |
|---|---|---|
| గణితం, తర్కం పజిల్స్, ప్రణాళిక | అవును | దశల వారీ ఆలోచన తప్పులను తగ్గిస్తుంది |
| కఠినమైన బగ్లు మరియు అల్గోరిథం డిజైన్ | అవును | మోడల్ తన స్వంత దశలను తనిఖీ చేస్తుంది |
| చాట్, చిన్న సమాధానాలు, అనువాదం | లేదు | ఆలోచన సమయం మరియు టోకెన్లను జోడిస్తుంది, లాభం తక్కువ |
| అనేక టూల్ కాల్లు ఉన్న ఏజెంట్లు | కొన్నిసార్లు | ప్రతి రౌండ్ ఆలోచన ఖర్చును మళ్లీ చెల్లిస్తుంది |
రీజనింగ్ పనుల కోసం ప్రాంప్ట్లు మరియు రూటింగ్
- లక్ష్యం మరియు నియమాలను పేర్కొనండి: అన్ని వాస్తవాలు, పరిమితులు మరియు ఆశించిన ఫలితాన్ని ప్రాంప్ట్లో ఇవ్వండి. రీజనింగ్ మోడల్ తన ఆలోచన సమయంలో లేని వాస్తవాల కోసం మిమ్మల్ని అడగలేదు.
- సమాధాన ఫార్మాట్ను సెట్ చేయండి: తుది సమాధానాన్ని స్థిరమైన రూపంలో అడగండి, ఉదాహరణకు ఒక సంఖ్య లేదా JSON ఆబ్జెక్ట్. అప్పుడు మీ కోడ్ thinking టెక్స్ట్ లేకుండా దాన్ని చదవగలదు.
- పరీక్షా కేసులు ఇవ్వండి: కోడ్ కోసం, ఉదాహరణ ఇన్పుట్లు మరియు అవుట్పుట్లను జోడించండి. మోడల్ వాటితో తన సమాధానాన్ని తనిఖీ చేయగలదు.
- పని ప్రకారం రూట్ చేయండి: కఠినమైన పనులకు తెలివితేటల ప్రకారం మోడళ్లను ర్యాంక్ చేయడానికి
model: "auto:smart"ఉపయోగించండి. సులభమైన పనులకుauto:fastఉపయోగించండి, తద్వారా మీరు thinking ఖర్చు చెల్లించాల్సిన అవసరం ఉండదు. - ప్రతి అభ్యర్థనకు ఒక కఠినమైన ప్రశ్న: ఒకే అభ్యర్థనలోని అనేక కఠినమైన ప్రశ్నలు ఒకే అవుట్పుట్ బడ్జెట్ను పంచుకుంటాయి. వాటిని వేర్వేరు అభ్యర్థనలుగా విభజించండి.
auto:* వ్యూహాలు ప్రారంభించబడిన ప్రతి మోడల్ను ర్యాంక్ చేస్తాయి మరియు మీ చైన్ క్రమాన్ని పట్టించుకోవు. రీజనింగ్ అభ్యర్థనలను రీజనింగ్ మోడళ్లపై మాత్రమే ఉంచడానికి, ఒక మోడల్ IDని పిన్ చేయండి. రీజనింగ్ మోడళ్లతో మాత్రమే పేరున్న ఫాల్బ్యాక్ చైన్ను కూడా తయారు చేయవచ్చు. తర్వాత auto:<profile-name>తో దాన్ని కాల్ చేయండి.
సమస్య పరిష్కారం
| సమస్య | కారణం | పరిష్కారం |
|---|---|---|
ఖాళీ కంటెంట్, finish_reason: "length" | Thinking మొత్తం అవుట్పుట్ బడ్జెట్ను ఉపయోగించింది | max_tokensను 4,000 లేదా అంతకంటే ఎక్కువకు పెంచండి |
సమాధానంలో <think> టెక్స్ట్ | ప్రొవైడర్ కనిపించే thinking ను తిరిగి ఇస్తుంది | మీ కోడ్లో ట్యాగ్లను తొలగించండి |
| చిన్న ప్రశ్నకు దీర్ఘ వివరణ | కొన్ని రీజనింగ్ మోడళ్లు తమ ఆలోచనా ప్రక్రియను వివరిస్తాయి | "the final answer only" అని అడగండి, లేదా రీజనింగ్ లేని మోడల్ను ఉపయోగించండి |
| కొన్ని అభ్యర్థనల తర్వాత ఎర్రర్ 429 | Thinking టోకెన్లు నిమిషానికి టోకెన్ల పరిమితిని ఉపయోగించాయి | మరిన్ని ప్రొవైడర్ కీలను జోడించండి, లేదా కఠినమైన పనులకు మాత్రమే రీజనింగ్ను ఉపయోగించండి |
| నెమ్మదిగా సమాధానాలు | మోడల్ అనేక thinking టోకెన్లు రాస్తుంది | సరళమైన పనులకు auto:fast ఉపయోగించండి |
తరచుగా అడిగే ప్రశ్నలు
ఉచిత రీజనింగ్ మోడల్ API ఉందా?
అవును. Groq, Cloudflare, NVIDIA, OVH, OpenRouter మరియు ఇతర ప్రొవైడర్లు GPT-OSS 120B, QwQ 32B మరియు DeepSeek R1 Distill వంటి రీజనింగ్ మోడళ్లను ఉచితంగా ఇస్తారు. FreeLLMAPI వాటిని ఒకే OpenAI-compatible కీ వెనుక ఉంచుతుంది.
Thinking టోకెన్లు అవుట్పుట్ టోకెన్లుగా లెక్కించబడతాయా?
అవును. Gemini అవుట్పుట్ పరిమితి thought టోకెన్లను కలిగి ఉంటుందని, మరియు thinking టోకెన్లు లెక్కించబడతాయని Google చెబుతుంది. ఉచిత టియర్లలో అవి మీ నిమిషానికి టోకెన్ల పరిమితిని కూడా ఉపయోగిస్తాయి.
నా రీజనింగ్ మోడల్ ఖాళీ సమాధానం ఎందుకు ఇస్తుంది?
మోడల్ ఆలోచించడానికి మొత్తం max_tokens బడ్జెట్ను ఉపయోగించింది, కాబట్టి సమాధానానికి టోకెన్లు మిగలలేదు. max_tokensను 4,000 లేదా అంతకంటే ఎక్కువకు పెంచండి.
API ద్వారా DeepSeek R1 ఉచితమా?
DeepSeek R1 Distill Qwen 32B Cloudflare Workers AI లోని ఉచిత కేటలాగ్లో ఉంది. ఈ పేజీలోని పట్టిక దాన్ని ఈ రోజు అందించే ప్రొవైడర్లను చూపుతుంది.
ఏ ఉచిత రీజనింగ్ మోడల్ ఉత్తమం?
GPT-OSS 120B మంచి డిఫాల్ట్, ఎందుకంటే అనేక ప్రొవైడర్లు దాన్ని ఉచితంగా అందిస్తారు. ఈ పేజీలోని పట్టికను ఉపయోగించండి, అది లైవ్ కేటలాగ్ నుండి తెలివితేటల ర్యాంక్ ప్రకారం మోడళ్లను క్రమబద్ధీకరిస్తుంది.
సంబంధిత గైడ్లు
- free gpt oss api
- free deepseek api
- free qwen api
- ఉత్తమ ఉచిత కోడింగ్ మోడల్ APIలు
- ఉచిత LLM API రేట్ పరిమితులు
మూలాలు
- FreeLLMAPI docs: Routing strategies and native Gemini API (20 November 2026 న తనిఖీ చేయబడింది)
- Google AI Studio docs: Thinking (20 November 2026 న తనిఖీ చేయబడింది)
- Gemini Developer API pricing (20 November 2026 న తనిఖీ చేయబడింది)
- Groq docs: Reasoning (20 November 2026 న తనిఖీ చేయబడింది)