Ana sayfa / Rehberler / RAG için ücretsiz LLM API

RAG için ücretsiz LLM API

Geri getirme destekli üretim (RAG) iki API gerektirir: ilgili metni bulmak için bir gömme modeli ve yanıtı yazmak için bir sohbet modeli. İkisi de ücretsiz katmanlarda vardır. FreeLLMAPI, 41 ücretsiz gömme modeli ve 487 ücretsiz sohbet modeli için tek bir OpenAI uyumlu anahtar sunar. Sağlayıcılar arasında yedekleme yapar. Bu kılavuz her adım için ücretsiz modelleri ve eksiksiz bir Python hattını gösterir.

Kod, model adları ve canlı katalog etiketleri İngilizce gösterilir.

Ücretsiz katmanlarda RAG hattı

AdımAPIÜcretsiz katman sorunu
1. Belgeleri parçalara ayırınYok (yerel kod)Yok
2. Her parçayı gömün/v1/embeddingsBaşlangıçta çok sayıda istek. Bazı ücretsiz gömme katmanları dakikada 10 isteğe izin verir.
3. Soruyu gömün/v1/embeddingsSoru başına bir istek
4. En iyi parçaları bulunYok (yerel vektör araması)Yok
5. Parçaları yeniden sıralayın (isteğe bağlı)/v1/chat/completionsSoru başına bir ek sohbet isteği
6. Yanıtı yazın/v1/chat/completionsBüyük istemler. Dakika başına token sınırları geçerlidir.

Adım 2 en pahalı adımdır. Her belge için bir kez yaparsınız. Vektörleri kaydedin ve daha sonra yalnızca yeni veya değişmiş belgeleri gömün.

FreeLLMAPI'yi ve Python paketlerini kurun

curl -fsSL https://freellmapi.co/install.sh | bash

python3 -m pip install -U openai numpy
export FREELLMAPI_API_KEY=<unified-key>

Ücretsiz bir gömme modeli seçin

Bir gömme ailesi seçin ve tüm dizin için onu tutun. İki modelden gelen vektörler uyumlu değildir. FreeLLMAPI karışık vektörlere karşı sizi korur: gömme yedeklemesi modeli asla değiştirmez. Yalnızca aynı aileyi sunan sağlayıcılar arasında geçiş yapar.

ModelSağlayıcıBoyutlarEn fazla girdiÜcretsiz limit
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)

Canlı veriler FreeLLMAPI kataloğundan alınır (sürüm 2026.11.19, 2026-11-19 tarihinde kontrol edildi). Ücretsiz limitler sık değişir. Katalog her gün kontrol edilir.

  • Bir aile için birden çok sağlayıcı: bge-m3 gibi bir aile birden fazla sağlayıcıda ücretsizdir. Yedeklemenin gidebileceği bir yer olur.
  • En büyük girdi: en büyük girdiden uzun parçalar kesilir veya reddedilir. Parçaları bu değerden küçük yapın.
  • Diller: İngilizce olmayan metin için bge-m3 gibi çok dilli bir aile kullanın. Adında -en- geçen aileler İngilizce içindir.
  • Boyutlar: daha büyük vektörler daha fazla depolama alanı kullanır. Küçük bir dizin için bu bir sorun değildir.

Python ile eksiksiz RAG kodu

Betik, metin dosyalarını parçalara böler, parçaları gruplar halinde gömer ve vektörleri NumPy ile kaydeder. Sonra en iyi parçalarla bir soruyu yanıtlar ve kaynakları verir. Bir sınır isteği durdurduğunda yeniden dener.

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?"))

Birkaç bin parçadan fazlası için NumPy aramasını bir vektör veritabanıyla değiştirin. Gömme ve sohbet çağrıları aynı kalır.

Kullanıcılar aynı soruyu sık sorar. FreeLLMAPI, aynı istekler için isteğe bağlı bir yanıt önbelleğine sahiptir. Önbellek isabeti hiçbir sağlayıcı kotası kullanmaz. Önbelleği tek bir istek için X-FreeLLM-Cache: on veya off üstbilgisiyle açabilir ya da kapatabilirsiniz. Aynı sorunun aynı isteği üretmesi için temperature=0 kullanın.

Yeniden sıralama adımı ekleyin

Vektör araması benzer metni bulur, ancak en iyi parça her zaman en iyi yanıt değildir. Yeniden sıralama adımı adayları yeniden sıralar. FreeLLMAPI belgeleri özel bir yeniden sıralama uç noktasını açıklamaz. Yeniden sıralayıcı olarak hızlı bir sohbet modeli kullanabilirsiniz. 15 aday getirin ve en iyi 5 tanesini tutun.

auto:fast ile LLM yeniden sıralaması

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]

Yeniden sıralama adımı, soru başına bir sohbet isteği ekler. Ücretsiz sınırlarınız dar ise bunu atlayın. Daha iyi parçalama, çoğu zaman yeniden sıralama adımından daha fazla yardımcı olur.

Uzun bağlam: geri getirmeye ne zaman gerek yok

Bugün 56 ücretsiz model seçeneğinin bağlam penceresi 1 milyon token veya daha fazladır. Belgeleriniz küçükse hepsini istemde gönderebilir ve vektör dizinini atlayabilirsiniz. Bu daha basittir, ancak her soru çok sayıda token gönderir.

En büyük bağlam pencerelerine sahip ücretsiz modeller
ModelÜcretsiz olduğu yerBağlamÜcretsiz limitler (en iyi teklif)AraçlarGörsel girdi
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free creditsHayırHayır
Gemini 3.8 FlashAPINex, Google AI Studio1M5 istek/dk
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
EvetEvet
Gemini 3.7 FlashGoogle AI Studio1M10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 istek/dk
50 istek/gün
Shared rate limit
EvetHayır
DeepSeek V4 Flash 0731ElectronHub, Router91M10,000 credits/month (~$1), shared; account-anniversary resetHayırHayır
Gemini 3.6 FlashGoogle AI Studio1M10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet
GLM 5.2Router91M10,000 credits/month (~$1), shared; account-anniversary resetHayırHayır
Gemini 3.5 FlashGoogle AI Studio1M10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet
DeepSeek V4 ProAPINex, Router91M5 istek/dk
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
HayırHayır
Nemotron 3 Ultra 550BGizmo, Kilo Gateway, LLMTR +3 tane daha1M200 istek/gün
200 rpd
EvetHayır

35 eşleşen ücretsiz modelden 10 tanesi gösteriliyor. Tüm modelleri gör.

Canlı veriler FreeLLMAPI kataloğundan alınır (sürüm 2026.11.19, 2026-11-19 tarihinde kontrol edildi). Ücretsiz limitler sık değişir. Katalog her gün kontrol edilir.

  • Uzun bağlamı kullanın birkaç belge için, tam metin gerektiren sorular için veya tek bir rapor için.
  • Geri getirmeyi kullanın çok sayıda belge için, sık sorular için veya ücretsiz dakika başına token sınırları düşük olduğunda.
  • Birleştirin: 20 veya daha fazla parça getirin ve bunları uzun bağlamlı bir modele gönderin.

Büyük bir istem, dakika başına token sınırı düşük bir sağlayıcıda başarısız olabilir. FreeLLMAPI bunun üzerine sonraki sağlayıcıyı dener. Büyük istem alacak modelleri kontrol etmek için yalnızca uzun bağlamlı modellerden oluşan bir yedek zinciri profili oluşturun. Bunu auto:<profile> olarak kullanın.

Sınırlar ve sorun giderme

SorunNedenÇözüm
Alım 429 ile duruyorGömme ailesi tüm sağlayıcılarda sınırdaDaha büyük gruplar kullanın, Retry-After değerini bekleyin, alımı parçalar halinde yapın
Bir değişiklikten sonra kötü sonuçlarDizinde iki aileden vektör varTüm parçaları tek bir aileyle yeniden gömün
Girdi uzunluğuyla ilgili hataBir parça ailenin en büyük girdisinden uzunDaha küçük parçalar kullanın
Yanıt kaynakları yok sayarModel kendi bilgisinden yanıtlartemperature=0 ve katı bir sistem istemi kullanın
Yanıtta bağlam uzunluğu hatasıÇok fazla veya çok uzun parçak değerini düşürün veya uzun bağlam profili kullanın
Yanıtlar üslup değiştirirYönlendirici farklı bir model seçtiBir X-Session-Id üstbilgisi gönderin veya bir model sabitleyin

Ücretsiz katmanların hizmet düzeyi taahhüdü yoktur. En güçlü modeller günlük sınırlarına önce ulaşır ve birçok sınır gece yarısı UTC'de sıfırlanır. Hattınızı, zincirinizin gerçekten kullanacağı modellerle test edin.

Bunların hepsini tek bir anahtarla kullanın. FreeLLMAPI, açık kaynaklı ve kendi sunucunuzda çalışan bir yönlendiricidir. Tüm bu ücretsiz katmanları tek bir OpenAI uyumlu uç noktanın arkasında toplar ve bir sağlayıcı hız limitine takıldığında otomatik olarak başka birine geçer. Kataloğa göz atın veya canlı olarak incele.

Sık sorulan sorular

RAG için ücretsiz bir API var mı?

Evet. Birkaç sağlayıcının ücretsiz gömme ve sohbet katmanları vardır. FreeLLMAPI ikisini de tek bir OpenAI uyumlu anahtarla sunar ve sağlayıcılar arasında yedekleme yapar.

RAG için en iyi ücretsiz gömme modeli hangisi?

Birkaç sağlayıcıda ücretsiz olan ve dillerinize uyan bir aile seçin. Çok dilli metin için bge-m3 yaygın bir seçimdir. Tüm dizin için tek bir aileyi tutun.

Ücretsiz bir yeniden sıralama API'si var mı?

FreeLLMAPI belgeleri bir yeniden sıralama uç noktası açıklamaz. Bu sayfada gösterildiği gibi hızlı bir sohbet modeliyle yeniden sıralama yapabilir veya yeniden sıralama adımını atlayabilirsiniz.

Ücretsiz bir model 1 milyon tokenlık bağlama sahipse RAG'a ihtiyacım var mı?

Birkaç küçük belge için hayır. Çok sayıda belge veya sık sorular için geri getirme, istek başına daha az token gönderir ve ücretsiz sınırların içinde kalır.

Gömme modelini daha sonra değiştirebilir miyim?

Evet, ancak tüm parçaları yeniden gömmeniz gerekir. İki modelden gelen vektörler uyumlu değildir, bu yüzden tek bir dizinde karıştırmayın.

İlgili rehberler

Kaynaklar

Tüm rehberler · Tüm ücretsiz modelleri incele