ఉచిత విజన్ API
విజన్ API LLMకు చిత్రాలను చదవడానికి అవకాశం ఇస్తుంది. మీరు ఫోటోను వివరించమని, రసీదును చదవమని లేదా చార్ట్ను వివరించమని అడగవచ్చు. FreeLLMAPI కేటలాగ్లో చిత్రాలను అంగీకరించే 78 ఉచిత మోడల్ ఆఫర్లు ఉన్నాయి. మీరు చిత్రాలను ప్రామాణిక OpenAI ఫార్మాట్లో పంపుతారు, మరియు రూటర్ మీ కోసం విజన్ మోడల్ను ఎంచుకుంటుంది. ఈ గైడ్ మోడల్లను, ప్రతి ప్రొవైడర్ పరిమాణ పరిమితులను మరియు పని చేసే కోడ్ను చూపుతుంది.
కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్లు ఇంగ్లీషులోనే చూపబడతాయి.
ఇమేజ్ ఇన్పుట్ ఎలా పని చేస్తుంది
messages శ్రేణిలో చిత్రాలను image_url కంటెంట్ బ్లాక్లుగా పంపండి. URL బేస్64 బైట్లతో ఉన్న data: URL కావచ్చు, లేదా http(s) URL కావచ్చు. /v1/chat/completions ఉపయోగించండి. /v1/responses ఎండ్పాయింట్ ఇంకా చిత్రాలను అంగీకరించదు.
- ఆటోమేటిక్ రూటింగ్: అభ్యర్థనలో చిత్రం ఉన్నప్పుడు, రూటర్ విజన్ మోడల్లను మాత్రమే ఉపయోగిస్తుంది. ఆ అభ్యర్థనకు ఇది టెక్స్ట్-మాత్రమే మోడల్లను విస్మరిస్తుంది.
- ఫెయిల్ఓవర్: ఒక విజన్ ప్రొవైడర్ దాని పరిమితిని చేరినప్పుడు, రూటర్ మీ చైన్లోని తదుపరి విజన్ మోడల్ను ప్రయత్నిస్తుంది.
- స్పష్టమైన ఎర్రర్: విజన్ మోడల్ ఏదీ ప్రారంభించబడనప్పుడు, మీకు
code: "no_vision_model"తో ఎర్రర్ 422 వస్తుంది. చిత్రం ఎప్పుడూ నిశ్శబ్దంగా తొలగించబడదు.
నేడు ఉచిత విజన్ మోడల్లు
ఈ పట్టిక నేడు కేటలాగ్లో ఇమేజ్ ఇన్పుట్ ఉన్న అత్యంత శక్తివంతమైన ఉచిత మోడల్లను చూపుతుంది. ఇది ప్రత్యక్ష కేటలాగ్ నుండి వస్తుంది. ఒక వరుస ఒకే మోడల్ను అందించే అనేక ప్రొవైడర్లను జాబితా చేయగలదు.
| మోడల్ | ఉచితంగా లభ్యం | కాంటెక్స్ట్ | ఉచిత పరిమితులు (ఉత్తమ ఆఫర్) | సాధనాలు | విజన్ |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 అభ్యర్థనలు/నిమిషం 1 req/min per model | అవును | అవును |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | అవును | అవును |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| 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 |
| Qwen3.8 27B | ElectronHub, Groq | 262K | 30 అభ్యర్థనలు/నిమిషం 250 అభ్యర్థనలు/రోజు 70,000 టోకెన్లు/నిమిషం ~6M | అవును | అవును |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | అవును | అవును |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| Gemini 3.8 Live | Google AI Studio | - | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| Moondream 3.1 9B A2B | Cloudflare Workers AI, Moondream | 33K | ~10-20M | లేదు | అవును |
| Moondream 3 Preview | Moondream | - | $5/month shared workspace usage credits | లేదు | అవును |
సరిపోలే 67 ఉచిత మోడల్లలో 15 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.
Gemini మోడల్లు అతిపెద్ద కాంటెక్స్ట్ను ఇస్తాయి మరియు అనేక చిత్రాలను అంగీకరిస్తాయి. Groq మరియు Cloudflareపై Qwen 3.8 27B, Google బయట వేగవంతమైన ఎంపిక. Moondream చిత్ర పనుల కోసం రూపొందించబడింది, కానీ దాని అవుట్పుట్ 4,096 tokens కు పరిమితం.
దశ 1: FreeLLMAPIని ఇన్స్టాల్ చేసి కీలను జోడించండి
FreeLLMAPI ఓపెన్ సోర్స్. ఇది Docker లో మీ కంప్యూటర్లో నడుస్తుంది. మీ ప్రొవైడర్ కీలు మీ కంప్యూటర్లోనే ఉంటాయి.
ఇన్స్టాల్ చేయండి (macOS లేదా Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 వద్ద డ్యాష్బోర్డ్ను తెరవండి. Keys పేజీలో ఒక Google AI Studio కీ మరియు మరో కీని జోడించండి. Fallback Chain పేజీలో, విజన్ మోడల్లకు Vision బ్యాడ్జ్ ఉంటుంది. కనీసం ఒకటి ప్రారంభించబడిందని నిర్ధారించుకోండి. Keys పేజీ నుండి మీ ఏకీకృత కీని కాపీ చేయండి.
దశ 2: ఒక చిత్రాన్ని పంపండి
curl: URL నుండి చిత్రం
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: బేస్64గా స్థానిక ఫైల్
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)డేటా URLలో సరైన MIME రకాన్ని ఉపయోగించండి, ఉదాహరణకు image/png లేదా image/jpeg. ఒకటి కంటే ఎక్కువ చిత్రాలను పంపడానికి, అదే సందేశానికి మరిన్ని image_url బ్లాక్లను జోడించండి.
ప్రొవైడర్ వారీగా చిత్ర పరిమితులు
| ప్రొవైడర్ | పరిమితి (అధికారికం) | ఏమి చేయాలి |
|---|---|---|
| Google Gemini | ఇన్లైన్ చిత్రాలతో మొత్తం అభ్యర్థన పరిమాణం: 20 MB. ఫార్మాట్లు: PNG, JPEG, WEBP, HEIC, HEIF | పంపే ముందు పెద్ద ఫోటోలను చిన్నవిగా చేయండి |
| Google Gemini | 384x384 పిక్సెల్స్ వరకు ఉన్న చిత్రం 258 tokens ఖర్చవుతుంది. పెద్ద చిత్రాలు ప్రతి 258 tokens ఉన్న 768x768 టైల్స్గా విభజించబడతాయి | 960x540 చిత్రం 6 టైల్స్ ఉపయోగిస్తుంది, సుమారు 1,548 tokens |
| Groq (Qwen 3.8 27B) | ప్రతి అభ్యర్థనకు గరిష్టంగా 3 చిత్రాలు. చిత్ర URLతో అభ్యర్థనకు గరిష్టంగా 20 MB | Groq మోడల్లకు గరిష్టంగా 3 చిత్రాలు పంపండి |
| Moondream | బేస్64 డేటా URLలు మాత్రమే. రిమోట్ చిత్ర URLలకు మద్దతు లేదు | లింక్ కాదు, చిత్ర బైట్లను పంపండి |
చిత్ర tokens ఉచిత టియర్ యొక్క నిమిషానికి tokens పరిమితికి వ్యతిరేకంగా లెక్కించబడతాయి. ఐదు పెద్ద చిత్రాలున్న అభ్యర్థన ఒక చిన్న ప్రొవైడర్ పరిమితి కంటే పెద్దదిగా ఉండవచ్చు. మీకు సూక్ష్మ వివరాలు అవసరం లేనప్పుడు, చిత్రాలను చిన్నవిగా చేయండి, ఉదాహరణకు పొడవైన వైపు 1024 పిక్సెల్స్.
చిత్ర పనుల కోసం పని చేసే ప్రాంప్ట్లు
- ప్రతి అభ్యర్థనకు ఒక పని: చిత్రం గురించి ఒక స్పష్టమైన ప్రశ్న అడగండి. ఒక ప్రాంప్ట్లో అనేక ప్రశ్నలు తక్కువ మరియు తక్కువ ఖచ్చితమైన సమాధానాలను ఇస్తాయి.
- స్ట్రక్చర్డ్ అవుట్పుట్: రసీదులు మరియు ఫారమ్ల కోసం, మీకు కావలసిన ఫీల్డ్ల పేర్లను చెప్పండి, ఉదాహరణకు
item,priceమరియుtotal. JSON మాత్రమే అడగండి. - చదవలేని విలువలు: ఒక విలువను చదవలేనప్పుడు
nullరాయమని మోడల్కు చెప్పండి. అప్పుడు అది ఊహించదు. - ముందుగా కత్తిరించండి: మీకు అవసరమైన భాగానికి చిత్రాన్ని కత్తిరించండి. చిన్న చిత్రం తక్కువ tokens ఉపయోగిస్తుంది మరియు మెరుగైన వివరాలను ఇస్తుంది.
- స్థిరమైన సమాధానాలు: వెలికితీత పనుల కోసం
temperatureను 0కు సెట్ చేయండి. - సంఖ్యలను తనిఖీ చేయండి: మొత్తాలు మరియు తేదీలను చిత్రంతో పోల్చండి. విజన్ మోడల్లు చిన్న టెక్స్ట్ మరియు ఒకేలాంటి అంకెలను తప్పుగా చదవవచ్చు.
సమస్య పరిష్కారం
| సమస్య | కారణం | పరిష్కారం |
|---|---|---|
ఎర్రర్ 422 no_vision_model | మీ చైన్లో విజన్ మోడల్ ప్రారంభించబడలేదు | Fallback Chain పేజీలో Vision బ్యాడ్జ్ ఉన్న మోడల్ను ప్రారంభించండి |
| మోడల్ చిత్రాన్ని చూడలేనని చెబుతుంది | అభ్యర్థన /v1/responses కు వెళ్ళింది | /v1/chat/completions ఉపయోగించండి |
| రిమోట్ URLపై ఎర్రర్ 400 | ప్రొవైడర్ URLను డౌన్లోడ్ చేయలేరు | చిత్రాన్ని బేస్64 డేటా URLగా పంపండి |
| పెద్ద ఫైళ్లపై ఎర్రర్ 413 లేదా 400 | చిత్రం లేదా అభ్యర్థన చాలా పెద్దది | చిత్రాన్ని చిన్నదిగా చేయండి, లేదా తక్కువ చిత్రాలను పంపండి |
| చిత్ర అభ్యర్థనలపై ఎర్రర్ 429 | చిత్ర tokens నిమిషానికి tokens పరిమితిని ఉపయోగించాయి | చిత్రాలను చిన్నవిగా చేయండి, లేదా మరిన్ని విజన్ ప్రొవైడర్ల నుండి కీలను జోడించండి |
తరచుగా అడిగే ప్రశ్నలు
ఉచిత విజన్ API ఉందా?
ఉంది. Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter మరియు ఇతర ప్రొవైడర్లు ఇమేజ్ ఇన్పుట్తో ఉచిత మోడల్లను ఇస్తారు. FreeLLMAPI ఒక OpenAI-అనుకూల కీ వెనుక 78 ఉచిత విజన్ మోడల్ ఆఫర్లను కలిగి ఉంది.
ఉచిత LLM APIకి చిత్రాన్ని ఎలా పంపాలి?
యూజర్ సందేశానికి image_url కంటెంట్ బ్లాక్ను జోడించండి. బేస్64 డేటా URL లేదా https URL ఉపయోగించండి, మరియు దానిని /v1/chat/completions కు పంపండి.
ఒక చిత్రం ఎన్ని tokens ఉపయోగిస్తుంది?
Gemini పై, 384x384 పిక్సెల్స్ లేదా అంతకంటే చిన్న చిత్రం 258 tokens ఉపయోగిస్తుంది. పెద్ద చిత్రం 768x768 టైల్స్గా విభజించబడుతుంది, మరియు ప్రతి టైల్ 258 tokens ఉపయోగిస్తుంది.
ఒకే అభ్యర్థనలో అనేక చిత్రాలను పంపవచ్చా?
అవును. సందేశానికి మరిన్ని image_url బ్లాక్లను జోడించండి. కొంతమంది ప్రొవైడర్లు సంఖ్యను పరిమితం చేస్తారు. ఉదాహరణకు, Groq Qwen 3.8 27Bపై ప్రతి అభ్యర్థనకు 3 చిత్రాలను అనుమతిస్తుంది.
పత్రాలను చదవడానికి ఏ ఉచిత విజన్ మోడల్ ఉత్తమమైనది?
రసీదులు, చార్ట్లు మరియు స్కాన్ చేసిన పేజీల కోసం Gemini మోడల్ను ఉపయోగించండి. దీనికి పెద్ద కాంటెక్స్ట్ విండో ఉంది మరియు అనేక చిత్రాలను అంగీకరిస్తుంది. విజన్ మోడల్లు చిన్న టెక్స్ట్ను తప్పుగా చదవగలవు కాబట్టి, సంఖ్యల కోసం సమాధానాన్ని చిత్రంతో పోల్చి చూడండి.
సంబంధిత గైడ్లు
మూలాలు
- FreeLLMAPI docs: Vision and image input (20 November 2026 న తనిఖీ చేయబడింది)
- Google AI Studio docs: Image understanding (20 November 2026 న తనిఖీ చేయబడింది)
- Groq docs: Vision (20 November 2026 న తనిఖీ చేయబడింది)
- Moondream OpenAI-compatible API docs (20 November 2026 న తనిఖీ చేయబడింది)