API การอ่านภาพฟรี
API การอ่านภาพช่วยให้ LLM อ่านภาพได้ คุณขอให้มันอธิบายรูปถ่าย อ่านใบเสร็จ หรืออธิบายแผนภูมิได้ แคตตาล็อกของ FreeLLMAPI มีข้อเสนอโมเดลฟรี 78 รายการที่รับภาพ คุณส่งภาพในรูปแบบ OpenAI มาตรฐาน และเราเตอร์เลือกโมเดลการอ่านภาพให้ คู่มือนี้แสดงโมเดล ขนาดสูงสุดของผู้ให้บริการแต่ละราย และโค้ดที่ใช้งานได้
โค้ด ชื่อโมเดล และป้ายกำกับของแคตตาล็อกสดจะแสดงเป็นภาษาอังกฤษ
การทำงานของอินพุตภาพ
ส่งภาพในอาร์เรย์ messages เป็นบล็อกเนื้อหา image_url URL อาจเป็น URL แบบ data: ที่มีไบต์ base64 หรือเป็น URL แบบ http(s) ใช้ /v1/chat/completions endpoint /v1/responses ยังไม่รับภาพ
- การกำหนดเส้นทางอัตโนมัติ: เมื่อคำขอมีภาพ เราเตอร์ใช้เฉพาะโมเดลการอ่านภาพ สำหรับคำขอนั้นเราเตอร์ข้ามโมเดลที่รับข้อความอย่างเดียว
- การสลับอัตโนมัติ: เมื่อผู้ให้บริการการอ่านภาพรายหนึ่งถึงขีดจำกัด เราเตอร์จะลองโมเดลการอ่านภาพถัดไปในห่วงโซ่ของคุณ
- ข้อผิดพลาดที่ชัดเจน: เมื่อไม่ได้เปิดใช้โมเดลการอ่านภาพใดเลย คุณจะได้ข้อผิดพลาด 422 พร้อม
code: "no_vision_model"ภาพจะไม่ถูกทิ้งโดยไม่แจ้ง
โมเดลการอ่านภาพฟรีในขณะนี้
ตารางแสดงโมเดลฟรีที่แข็งแรงที่สุดที่รับอินพุตภาพในแคตตาล็อกปัจจุบัน ข้อมูลมาจากแคตตาล็อกสด แถวหนึ่งอาจแสดงผู้ให้บริการหลายรายที่ให้บริการโมเดลเดียวกัน
| โมเดล | ฟรีบน | ขนาดบริบท | ขีดจำกัดฟรี (ข้อเสนอที่ดีที่สุด) | เครื่องมือ | การอ่านภาพ |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 คำขอ/นาที 1 req/min per model | ใช่ | ใช่ |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | ใช่ | ใช่ |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | ใช่ | ใช่ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | ใช่ | ใช่ |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 คำขอ/นาที 50 คำขอ/วัน 50 req/day account-wide (1,000 after a $10 purchase) | ใช่ | ใช่ |
| Qwen3.8 27B | ElectronHub, Groq | 262K | 30 คำขอ/นาที 250 คำขอ/วัน 70,000 โทเคน/นาที ~6M | ใช่ | ใช่ |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | ใช่ | ใช่ |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Gemini 3.8 Live | Google AI Studio | - | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 คำขอ/นาที 20 คำขอ/วัน 250,000 โทเคน/นาที ~3M | ใช่ | ใช่ |
| Moondream 3.1 9B A2B | Cloudflare Workers AI, Moondream | 33K | ~10-20M | ไม่ | ใช่ |
| Moondream 3 Preview | Moondream | - | $5/month shared workspace usage credits | ไม่ | ใช่ |
แสดง 15 จาก 67 โมเดลฟรีที่ตรงกัน ดูโมเดลทั้งหมด.
ข้อมูลสดจากแคตตาล็อก FreeLLMAPI (เวอร์ชัน 2026.11.19 ตรวจสอบเมื่อ 2026-11-19) ขีดจำกัดฟรีเปลี่ยนบ่อย แคตตาล็อกถูกตรวจสอบทุกวัน
โมเดล Gemini ให้บริบทที่ใหญ่ที่สุดและรับภาพได้หลายภาพ Qwen 3.8 27B บน Groq และ Cloudflare เป็นตัวเลือกที่เร็วนอก Google Moondream สร้างมาสำหรับงานด้านภาพ แต่เอาต์พุตจำกัดที่ 4,096 tokens
ขั้นตอนที่ 1: ติดตั้ง FreeLLMAPI และเพิ่มคีย์
FreeLLMAPI เป็นโอเพนซอร์ส ทำงานบนคอมพิวเตอร์ของคุณใน Docker คีย์ของผู้ให้บริการยังคงอยู่บนคอมพิวเตอร์ของคุณ
ติดตั้ง (macOS หรือ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashเปิดแดชบอร์ดที่ http://localhost:3001 เพิ่มคีย์ Google AI Studio และอีกหนึ่งคีย์ในหน้า Keys ในหน้า Fallback Chain โมเดลการอ่านภาพจะมีป้าย Vision ตรวจสอบว่าเปิดใช้อย่างน้อยหนึ่งรายการ คัดลอกคีย์รวมของคุณจากหน้า Keys
ขั้นตอนที่ 2: ส่งภาพ
curl: ภาพจาก URL
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: ไฟล์ในเครื่องเป็น base64
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)ใช้ MIME type ที่ถูกต้องใน data URL เช่น image/png หรือ image/jpeg หากต้องการส่งมากกว่าหนึ่งภาพ ให้เพิ่มบล็อก image_url อีกบล็อกในข้อความเดียวกัน
ขีดจำกัดภาพตามผู้ให้บริการ
| ผู้ให้บริการ | ขีดจำกัด (อย่างเป็นทางการ) | สิ่งที่ควรทำ |
|---|---|---|
| Google Gemini | ขนาดคำขอรวมที่มีภาพแบบ inline: 20 MB รูปแบบ: PNG, JPEG, WEBP, HEIC, HEIF | ย่อรูปถ่ายขนาดใหญ่ให้เล็กลงก่อนส่ง |
| Google Gemini | ภาพขนาดสูงสุด 384x384 พิกเซลใช้ 258 tokens ภาพที่ใหญ่กว่าจะถูกตัดเป็นไทล์ขนาด 768x768 ไทล์ละ 258 tokens | ภาพ 960x540 ใช้ 6 ไทล์ ประมาณ 1,548 tokens |
| Groq (Qwen 3.8 27B) | สูงสุด 3 ภาพต่อคำขอ สูงสุด 20 MB สำหรับคำขอที่มี image URL | ส่งภาพไม่เกิน 3 ภาพไปยังโมเดลของ Groq |
| Moondream | รองรับเฉพาะ data URL แบบ base64 ไม่รองรับ URL ภาพจากระยะไกล | ส่งไบต์ของภาพ ไม่ใช่ลิงก์ |
tokens ของภาพนับรวมกับขีดจำกัด tokens ต่อนาทีของระดับฟรี คำขอที่มีภาพขนาดใหญ่ห้าภาพอาจเกินขีดจำกัดของผู้ให้บริการขนาดเล็ก ทำภาพให้เล็กลง เช่น ด้านยาวไม่เกิน 1024 พิกเซล เมื่อคุณไม่ต้องการรายละเอียดละเอียด
พรอมต์ที่ได้ผลกับงานภาพ
- หนึ่งงานต่อหนึ่งคำขอ: ถามคำถามที่ชัดเจนหนึ่งข้อเกี่ยวกับภาพ คำถามหลายข้อในพรอมต์เดียวให้คำตอบที่สั้นลงและไม่แม่นยำเท่า
- เอาต์พุตที่มีโครงสร้าง: สำหรับใบเสร็จและแบบฟอร์ม ระบุฟิลด์ที่คุณต้องการ เช่น
item,priceและtotalขอ JSON เท่านั้น - ค่าที่อ่านไม่ได้: บอกโมเดลให้เขียน
nullเมื่ออ่านค่าไม่ได้ จากนั้นมันจะไม่เดา - ครอปก่อน: ตัดภาพให้เหลือเฉพาะส่วนที่คุณต้องการ ภาพที่เล็กลงใช้ tokens น้อยลงและให้รายละเอียดที่ดีกว่า
- คำตอบที่คงที่: ตั้ง
temperatureเป็น 0 สำหรับงานดึงข้อมูล - ตรวจสอบตัวเลข: เทียบยอดรวมและวันที่กับภาพ โมเดลการอ่านภาพอาจอ่านข้อความตัวเล็กและตัวเลขที่คล้ายกันผิดได้
การแก้ปัญหา
| ปัญหา | สาเหตุ | วิธีแก้ |
|---|---|---|
ข้อผิดพลาด 422 no_vision_model | ไม่มีโมเดลการอ่านภาพที่เปิดใช้งานในห่วงโซ่ของคุณ | เปิดใช้โมเดลที่มีป้าย Vision ในหน้า Fallback Chain |
| โมเดลบอกว่ามองไม่เห็นภาพ | คำขอถูกส่งไปยัง /v1/responses | ใช้ /v1/chat/completions |
| ข้อผิดพลาด 400 กับ URL จากระยะไกล | ผู้ให้บริการดาวน์โหลด URL ไม่ได้ | ส่งภาพเป็น data URL แบบ base64 |
| ข้อผิดพลาด 413 หรือ 400 กับไฟล์ขนาดใหญ่ | ภาพหรือคำขอใหญ่เกินไป | ทำภาพให้เล็กลง หรือส่งภาพน้อยลง |
| ข้อผิดพลาด 429 กับคำขอที่มีภาพ | tokens ของภาพใช้ขีดจำกัดต่อนาที | ทำภาพให้เล็กลง หรือเพิ่มคีย์จากผู้ให้บริการการอ่านภาพอื่น |
คำถามที่พบบ่อย
มี API การอ่านภาพฟรีไหม
มี Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter และผู้ให้บริการอื่นให้โมเดลฟรีที่รับอินพุตภาพ FreeLLMAPI มีข้อเสนอโมเดลการอ่านภาพฟรี 78 รายการหลังคีย์เดียวที่เข้ากันได้กับ OpenAI
ฉันส่งภาพไปยัง API LLM ฟรีได้อย่างไร
เพิ่มบล็อกเนื้อหา image_url ในข้อความของผู้ใช้ ใช้ data URL แบบ base64 หรือ URL แบบ https แล้วส่งไปยัง /v1/chat/completions
ภาพหนึ่งภาพใช้ tokens กี่ tokens
บน Gemini ภาพขนาด 384x384 พิกเซลหรือเล็กกว่าใช้ 258 tokens ภาพที่ใหญ่กว่าจะถูกตัดเป็นไทล์ขนาด 768x768 และแต่ละไทล์ใช้ 258 tokens
ฉันส่งหลายภาพในคำขอเดียวได้ไหม
ได้ เพิ่มบล็อก image_url อีกในข้อความ ผู้ให้บริการบางรายจำกัดจำนวน ตัวอย่างเช่น Groq อนุญาต 3 ภาพต่อคำขอบน Qwen 3.8 27B
โมเดลการอ่านภาพฟรีตัวไหนดีที่สุดสำหรับอ่านเอกสาร
ใช้โมเดล Gemini สำหรับใบเสร็จ แผนภูมิ และหน้าที่สแกน โมเดลมีหน้าต่างบริบทขนาดใหญ่และรับภาพได้หลายภาพ ตรวจสอบคำตอบกับภาพสำหรับตัวเลข เพราะโมเดลการอ่านภาพอาจอ่านข้อความตัวเล็กผิดได้
คู่มือที่เกี่ยวข้อง
- Free image generation API
- free gemini api
- free qwen api
- free gemma api
- Free LLM API ที่รองรับ function calling
แหล่งข้อมูล
- FreeLLMAPI docs: Vision and image input (ตรวจสอบเมื่อ 20 November 2026)
- Google AI Studio docs: Image understanding (ตรวจสอบเมื่อ 20 November 2026)
- Groq docs: Vision (ตรวจสอบเมื่อ 20 November 2026)
- Moondream OpenAI-compatible API docs (ตรวจสอบเมื่อ 20 November 2026)