Free LLM API ที่มี context 1 ล้านโทเค็น
หน้าต่าง context ที่ยาวทำให้โมเดลอ่านหนังสือทั้งเล่ม โค้ดเบสขนาดใหญ่ หรือบันทึกการถอดเสียงหลายชั่วโมงในคำขอเดียวได้ แคตตาล็อกของ FreeLLMAPI มีข้อเสนอโมเดลฟรี 56 รายการที่มีหน้าต่าง context 1 ล้านโทเค็นขึ้นไป คู่มือนี้แสดงโมเดลเหล่านี้และขีดจำกัดของแพ็กเกจฟรีที่กำหนดว่าคุณส่งได้จริงมากเพียงใด
โค้ด ชื่อโมเดล และป้ายกำกับของแคตตาล็อกสดจะแสดงเป็นภาษาอังกฤษ
โมเดลฟรีที่มี context 1M+ โทเค็นในปัจจุบัน
ตารางแสดงโมเดลฟรีที่มีหน้าต่าง context อย่างน้อย 1,000,000 โทเค็น เรียงจากใหญ่ที่สุด ข้อมูลมาจากแคตตาล็อกสด ดูคอลัมน์ "Free limits" ควบคู่กับขนาด context ด้วย
| โมเดล | ฟรีบน | ขนาดบริบท | ขีดจำกัดฟรี (ข้อเสนอที่ดีที่สุด) | เครื่องมือ | การอ่านภาพ |
|---|---|---|---|---|---|
| OpenAI: GPT-6 Luna | ElectronHub | 1.1M | $0.25/week shared free credits | ไม่ | ไม่ |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 คำขอ/นาที 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | ใช่ | ใช่ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 คำขอ/นาที 50 คำขอ/วัน Shared rate limit | ใช่ | ไม่ |
| DeepSeek V4 Flash 0731 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | ไม่ | ไม่ |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| GLM 5.2 | Router9 | 1M | 10,000 credits/month (~$1), shared; account-anniversary reset | ไม่ | ไม่ |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| DeepSeek V4 Pro | APINex, Router9 | 1M | 5 คำขอ/นาที 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | ไม่ | ไม่ |
| Nemotron 3 Ultra 550B | Gizmo, Kilo Gateway, LLMTR +3 รายการเพิ่มเติม | 1M | 200 คำขอ/วัน 200 rpd | ใช่ | ไม่ |
| Gemini 3.5 Flash Lite | ElectronHub, Google AI Studio | 1M | 15 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Gemini 3 Flash Preview | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Gemini 3.1 Flash-Lite | DreamPrompting, Google AI Studio | 1M | 100 คำขอ/นาที 5,000 คำขอ/วัน 500,000 โทเคน/วัน 500K tokens/day · 5,000 req/day | ใช่ | ใช่ |
| Gemini 2.5 Flash | DreamPrompting, ElectronHub, Google AI Studio | 1M | 100 คำขอ/นาที 5,000 คำขอ/วัน 500,000 โทเคน/วัน 500K tokens/day · 5,000 req/day | ใช่ | ใช่ |
| Nemotron 3.5 Lightning | ElectronHub, Gizmo, Kilo Gateway +2 รายการเพิ่มเติม | 1M | 20 คำขอ/นาที 50 คำขอ/วัน 50 req/day account-wide (1,000 after a $10 purchase) | ใช่ | ไม่ |
แสดง 15 จาก 33 โมเดลฟรีที่ตรงกัน ดูโมเดลทั้งหมด.
ข้อมูลสดจากแคตตาล็อก FreeLLMAPI (เวอร์ชัน 2026.11.19 ตรวจสอบเมื่อ 2026-11-19) ขีดจำกัดฟรีเปลี่ยนบ่อย แคตตาล็อกถูกตรวจสอบทุกวัน
โมเดล Gemini Flash จาก Google AI Studio คือโมเดลฟรี 1M โทเค็นที่รู้จักกันดีที่สุด โมเดลเหล่านี้ยังรับรูปภาพและ tool call ได้ด้วย แถวอื่นมาจากเราเตอร์ฟรีและจาก NVIDIA
ขีดจำกัดจริง: โทเค็นต่อนาที
หน้าต่าง context คือพรอมต์ที่ใหญ่ที่สุดที่โมเดลอ่านได้ แพ็กเกจฟรียังมีขีดจำกัดโทเค็นต่อนาที (TPM) ในแพ็กเกจฟรีหลายรายการ ขีดจำกัด TPM น้อยกว่าหน้าต่าง context
- ตัวอย่าง: คีย์ Gemini Flash ฟรีในตารางอนุญาต 250,000 โทเค็นต่อนาที พรอมต์ 800,000 โทเค็นอยู่ในหน้าต่าง context แต่เกินขีดจำกัด TPM ผู้ให้บริการจะส่งข้อผิดพลาด 429
- คำขอต่อวัน: โมเดล Gemini ฟรีบางตัวอนุญาตเพียงประมาณ 20 คำขอต่อวัน ใช้พรอมต์ยาวสำหรับงานที่ต้องการเท่านั้น
- เอาต์พุตแยกต่างหาก: คำตอบมีความยาวสูงสุดของตนเอง context 1M โทเค็นไม่ได้หมายความว่าคำตอบยาว 1M โทเค็น
ดังนั้นในทางปฏิบัติ โมเดลฟรีที่มี context 1M อ่านได้ประมาณไม่กี่แสนโทเค็นในคำขอเดียว วัดขนาดพรอมต์ของคุณก่อนส่ง
ขั้นตอนที่ 1: ติดตั้ง FreeLLMAPI และเพิ่มคีย์
FreeLLMAPI เป็นโอเพนซอร์ส ทำงานบนคอมพิวเตอร์ของคุณใน Docker คีย์ของผู้ให้บริการของคุณจะอยู่บนคอมพิวเตอร์ของคุณ
ติดตั้ง (macOS หรือ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashเปิดแดชบอร์ดที่ http://localhost:3001 เพิ่มคีย์ Google AI Studio ในหน้า Keys เพิ่มคีย์จากผู้ให้บริการอื่นในตารางด้วย เพื่อให้เราเตอร์มีโมเดล long context อีกตัวเมื่อ Google ส่งข้อผิดพลาด 429 คัดลอกคีย์รวมจากหน้าเดียวกัน
ขั้นตอนที่ 2: นับโทเค็น แล้วส่งเอกสารยาว
FreeLLMAPI ให้บริการเมธอด countTokens ของ Gemini แบบเนทีฟ ใช้เมธอดนี้เพื่อวัดพรอมต์ก่อนส่ง
curl: นับโทเค็นด้วย endpoint Gemini แบบเนทีฟ
curl "http://localhost:3001/v1beta/models/gemini-2.5-flash:countTokens" \
-H "x-goog-api-key: <unified-key>" \
-H "Content-Type: application/json" \
-d '{"contents": [{"role": "user", "parts": [{"text": "Paste the long text here"}]}]}'Python: ส่งไฟล์ยาวไปยังโมเดล 1M context
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>", timeout=300)
doc = open("annual-report.txt", encoding="utf-8").read()
print("about", len(doc) // 4, "tokens") # rough rule for English text
resp = client.chat.completions.with_raw_response.create(
model="gemini-2.5-flash", # pin a 1M-context model; "auto" can pick a smaller one
messages=[
{"role": "system", "content": "Answer only from the document. Quote the section you use."},
{"role": "user", "content": doc + "\n\nQuestion: What are the three largest risks?"},
],
max_tokens=4000,
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)กำหนดโมเดล long context ด้วย id ของโมเดล หากใช้ model: "auto" เราเตอร์อาจเลือกโมเดลที่มีหน้าต่าง context เล็กกว่า ตั้ง timeout ของไคลเอนต์ให้ยาว เพราะพรอมต์ขนาดใหญ่ใช้เวลาอ่าน
Long context หรือ RAG
| ใช้ long context เมื่อ | ใช้ RAG เมื่อ |
|---|---|
| เอกสารถูกอ่านหนึ่งครั้ง เช่น สัญญาหนึ่งฉบับหรือรายงานหนึ่งฉบับ | คุณถามคำถามจำนวนมากเกี่ยวกับข้อมูลขนาดใหญ่ชุดเดียวกัน |
| คำตอบต้องใช้ข้อความทั้งหมด เช่น บทสรุปหรือการเปรียบเทียบหลายส่วน | คำตอบอยู่ในข้อความสั้นๆ ไม่กี่ตอน |
| ข้อความน้อยกว่าขีดจำกัด TPM ของคีย์ฟรีของคุณ | ข้อมูลใหญ่กว่าหน้าต่าง context ฟรีหรือขีดจำกัด TPM ใดๆ |
| คุณต้องการให้โมเดลเห็นลำดับและโครงสร้างของข้อความ | คุณต้องการให้แต่ละคำขอเล็กและเร็ว |
RAG ส่งเฉพาะส่วนที่เกี่ยวข้องของข้อมูลพร้อมคำถามแต่ละข้อ ใช้โทเค็นน้อยกว่าบนแพ็กเกจฟรี อ่าน Free LLM API สำหรับ RAG และ Free embeddings API เพื่อตั้งค่า
ข้อควรระวังและการแก้ไขปัญหา
- รายละเอียดที่หายไป: โมเดลอาจพลาดข้อเท็จจริงกลางพรอมต์ที่ยาวมาก ใส่คำถามของคุณหลังเอกสาร และขอให้โมเดลอ้างอิงแหล่งที่มา
- Thinking token: โมเดล Gemini Flash อาจใช้ thinking token ที่มองไม่เห็นจากงบเอาต์พุต อย่าตั้ง
max_tokensให้น้อยมาก - ไฟล์ PDF: FreeLLMAPI ไม่แปลงไฟล์ PDF, DOCX หรือ XLSX ไฟล์แนบเอกสารแบบไบนารีจะคืนค่าข้อผิดพลาด 400 ดึงข้อความออกก่อน แล้วจึงส่งข้อความ
- ทำความสะอาดข้อความ: ตัดหัวกระดาษ ท้ายกระดาษ และสารบัญที่ซ้ำออกก่อนส่งเอกสาร ส่วนเหล่านี้ใช้โทเค็นและไม่เพิ่มข้อเท็จจริง
- พรอมต์ที่ซ้ำ: ทุกคำขอส่งเอกสารทั้งฉบับอีกครั้ง ถามหลายคำถามในคำขอเดียวเมื่อทำได้
| ปัญหา | สาเหตุ | วิธีแก้ |
|---|---|---|
| ข้อผิดพลาด 429 ในคำขอยาวแรก | พรอมต์ใหญ่กว่าขีดจำกัด TPM | ทำให้พรอมต์เล็กลง หรือใช้ RAG |
| ข้อผิดพลาด 400 เกี่ยวกับความยาว context | คำขอถูกส่งไปยังโมเดลที่มีหน้าต่างเล็กกว่า | กำหนด model id จากตาราง |
| คำตอบว่างหรือถูกตัด | max_tokens น้อยเกินไป หรือการคิดใช้งบไปแล้ว | ตั้ง max_tokens ให้มากขึ้น |
| หมดเวลา | โมเดลต้องใช้เวลาอ่านพรอมต์ | ตั้ง timeout ของไคลเอนต์เป็น 300 วินาทีขึ้นไป |
คำถามที่พบบ่อย
มี Free LLM API ที่มี context 1 ล้านโทเค็นหรือไม่
มี โมเดล Gemini Flash ในแพ็กเกจฟรีของ Google AI Studio มีหน้าต่าง context ประมาณ 1 ล้านโทเค็น แคตตาล็อกของ FreeLLMAPI มีข้อเสนอโมเดลฟรี 56 รายการที่มี 1M โทเค็นขึ้นไป
ฉันส่ง 1 ล้านโทเค็นฟรีในคำขอเดียวได้หรือไม่
โดยทั่วไปไม่ได้ แพ็กเกจ Gemini ฟรีในแคตตาล็อกอนุญาต 250,000 โทเค็นต่อนาที พรอมต์ที่ใหญ่กว่าจึงได้ข้อผิดพลาด 429 วางแผนให้แต่ละคำขออยู่ที่ไม่กี่แสนโทเค็น
ฉันนับโทเค็นก่อนส่งพรอมต์ได้อย่างไร
เรียกเมธอด countTokens ของ Gemini แบบเนทีฟผ่าน FreeLLMAPI ที่ /v1beta/models/{model}:countTokens สำหรับข้อความภาษาอังกฤษ ประมาณ 4 อักขระเป็นหนึ่งโทเค็น
LLM ฟรีตัวไหนมีหน้าต่าง context ใหญ่ที่สุด
ตารางในหน้านี้เรียงโมเดลฟรีตามขนาด context จากใหญ่ที่สุด โมเดลฟรีหลายตัวถึงประมาณ 1 ล้านโทเค็น อ่านคอลัมน์ free limits ด้วย เพราะขีดจำกัด TPM เป็นตัวกำหนดขนาดจริงของคำขอหนึ่งรายการ
Long context ดีกว่า RAG หรือไม่
Long context ดีกว่าสำหรับเอกสารหนึ่งฉบับที่คุณอ่านครั้งเดียว RAG ดีกว่าสำหรับคำถามจำนวนมากเกี่ยวกับข้อมูลขนาดใหญ่ เพราะส่งโทเค็นน้อยกว่าในแต่ละครั้ง
คู่มือที่เกี่ยวข้อง
- Free LLM API สำหรับ RAG
- Embeddings API ฟรี
- free gemini api
- Gemini API เกินโควตา (429 RESOURCE_EXHAUSTED)
- Rate limit ของ Free LLM API
แหล่งข้อมูล
- FreeLLMAPI docs: Native Gemini API (ตรวจสอบเมื่อ 20 November 2026)
- FreeLLMAPI docs: Chat completions and routing (ตรวจสอบเมื่อ 20 November 2026)
- Google AI Studio docs: Thinking (ตรวจสอบเมื่อ 20 November 2026)
- Gemini Developer API pricing (ตรวจสอบเมื่อ 20 November 2026)