ہوم / گائیڈز / مفت Vision API

مفت Vision API

Vision API LLM کو تصاویر پڑھنے دیتی ہے۔ آپ اس سے تصویر کی وضاحت کروا سکتے ہیں، رسید پڑھوا سکتے ہیں، یا چارٹ کی وضاحت لے سکتے ہیں۔ FreeLLMAPI کیٹلاگ میں 78 مفت ماڈل پیشکشیں ہیں جو تصاویر قبول کرتی ہیں۔ آپ تصاویر معیاری OpenAI فارمیٹ میں بھیجتے ہیں، اور راؤٹر آپ کے لیے vision ماڈل منتخب کرتا ہے۔ یہ گائیڈ ماڈلز، ہر فراہم کنندہ کی سائز کی حدیں اور کام کرنے والا کوڈ دکھاتی ہے۔

کوڈ، ماڈل کے نام اور براہِ راست کیٹلاگ کے لیبل انگریزی میں دکھائے جاتے ہیں۔

تصویری ان پٹ کیسے کام کرتا ہے

تصاویر messages ارے میں image_url مواد بلاکس کے طور پر بھیجیں۔ URL base64 بائٹس والا data: URL ہو سکتا ہے، یا http(s) URL۔ /v1/chat/completions استعمال کریں۔ /v1/responses اینڈ پوائنٹ ابھی تصاویر قبول نہیں کرتا۔

  • خودکار روٹنگ: جب درخواست میں تصویر ہو تو راؤٹر صرف vision ماڈلز استعمال کرتا ہے۔ اس درخواست کے لیے یہ صرف متن والے ماڈلز کو نظرانداز کرتا ہے۔
  • متبادل پر منتقلی: جب ایک vision فراہم کنندہ اپنی حد تک پہنچے تو راؤٹر آپ کی زنجیر کا اگلا vision ماڈل آزماتا ہے۔
  • واضح خرابی: جب کوئی vision ماڈل فعال نہ ہو تو آپ کو code: "no_vision_model" کے ساتھ خرابی 422 ملتی ہے۔ تصویر کبھی خاموشی سے ضائع نہیں ہوتی۔

آج کے مفت Vision ماڈلز

جدول آج کیٹلاگ میں تصویری ان پٹ والے سب سے طاقتور مفت ماڈلز دکھاتی ہے۔ یہ براہِ راست کیٹلاگ سے آتی ہے۔ ایک قطار میں کئی فراہم کنندگان ہو سکتے ہیں جو ایک ہی ماڈل پیش کرتے ہیں۔

تصویری ان پٹ والے مفت ماڈلز، سب سے طاقتور پہلے
ماڈلمفت دستیابسیاق و سباقمفت حدیں (بہترین پیشکش)ٹولزویژن
GLM 5.3 FlashUnoRouter1M1 درخواستیں فی منٹ
1 req/min per model
ہاںہاں
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaہاںہاں
Gemini Flash (latest alias)Google AI Studio-10 درخواستیں فی منٹ
20 درخواستیں فی دن
250,000 ٹوکن فی منٹ
~3M
ہاںہاں
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditہاںہاں
Gemini 3.7 FlashGoogle AI Studio1M10 درخواستیں فی منٹ
20 درخواستیں فی دن
250,000 ٹوکن فی منٹ
~3M
ہاںہاں
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditہاںہاں
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 درخواستیں فی منٹ
50 درخواستیں فی دن
50 req/day account-wide (1,000 after a $10 purchase)
ہاںہاں
Qwen3.8 27BElectronHub, Groq262K30 درخواستیں فی منٹ
250 درخواستیں فی دن
70,000 ٹوکن فی منٹ
~6M
ہاںہاں
Gemini 3.6 FlashGoogle AI Studio1M10 درخواستیں فی منٹ
20 درخواستیں فی دن
250,000 ٹوکن فی منٹ
~3M
ہاںہاں
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayہاںہاں
Gemini 3.5 FlashGoogle AI Studio1M10 درخواستیں فی منٹ
20 درخواستیں فی دن
250,000 ٹوکن فی منٹ
~3M
ہاںہاں
Gemini 3.8 LiveGoogle AI Studio-10 درخواستیں فی منٹ
20 درخواستیں فی دن
250,000 ٹوکن فی منٹ
~3M
ہاںہاں
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 درخواستیں فی منٹ
20 درخواستیں فی دن
250,000 ٹوکن فی منٹ
~3M
ہاںہاں
Moondream 3.1 9B A2BCloudflare Workers AI, Moondream33K~10-20Mنہیںہاں
Moondream 3 PreviewMoondream-$5/month shared workspace usage creditsنہیںہاں

67 میں سے 15 مماثل مفت ماڈلز دکھائے جا رہے ہیں۔ تمام ماڈلز دیکھیں.

FreeLLMAPI کیٹلاگ کا براہِ راست ڈیٹا (ورژن 2026.11.19، 2026-11-19 کو جانچا گیا)۔ مفت حدیں اکثر بدلتی ہیں۔ کیٹلاگ ہر روز جانچا جاتا ہے۔

Gemini ماڈلز سب سے بڑا سیاق و سباق دیتے ہیں اور بہت سی تصاویر قبول کرتے ہیں۔ Groq اور Cloudflare پر Qwen 3.8 27B Google سے باہر ایک تیز انتخاب ہے۔ Moondream تصویری کاموں کے لیے بنایا گیا ہے، لیکن اس کا آؤٹ پٹ 4,096 ٹوکنز تک محدود ہے۔

مرحلہ 1: FreeLLMAPI انسٹال کریں اور کلیدیں شامل کریں

FreeLLMAPI اوپن سورس ہے۔ یہ Docker میں آپ کے کمپیوٹر پر چلتا ہے۔ آپ کی فراہم کنندہ کلیدیں آپ کے کمپیوٹر پر رہتی ہیں۔

انسٹال کریں (macOS یا Linux)

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

http://localhost:3001 پر ڈیش بورڈ کھولیں۔ Keys صفحے پر ایک Google AI Studio کلید اور ایک اور کلید شامل کریں۔ Fallback Chain صفحے پر vision ماڈلز پر Vision بیج ہوتا ہے۔ یقینی بنائیں کہ کم از کم ایک فعال ہو۔ Keys صفحے سے اپنی یکجا کلید کاپی کریں۔

مرحلہ 2: تصویر بھیجیں

curl: URL سے تصویر

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: base64 کے طور پر مقامی فائل

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)

data URL میں درست MIME قسم استعمال کریں، مثلاً image/png یا image/jpeg۔ ایک سے زیادہ تصاویر بھیجنے کے لیے اسی پیغام میں مزید image_url بلاکس شامل کریں۔

فراہم کنندہ کے لحاظ سے تصویری حدیں

فراہم کنندگان کی حدیں، 2026-11-19 کو جانچی گئیں
فراہم کنندہحد (سرکاری)کیا کریں
Google Geminiان لائن تصاویر کے ساتھ کل درخواست کا سائز: 20 MB۔ فارمیٹس: PNG، JPEG، WEBP، HEIC، HEIFبھیجنے سے پہلے بڑی تصاویر کو چھوٹا کریں
Google Gemini384x384 پکسلز تک کی تصویر 258 ٹوکنز لیتی ہے۔ بڑی تصاویر 768x768 ٹائلز میں کاٹی جاتی ہیں، ہر ٹائل 258 ٹوکنز کی960x540 کی تصویر 6 ٹائلز استعمال کرتی ہے، تقریباً 1,548 ٹوکنز
Groq (Qwen 3.8 27B)ہر درخواست کے لیے زیادہ سے زیادہ 3 تصاویر۔ تصویر URL والی درخواست کے لیے زیادہ سے زیادہ 20 MBGroq ماڈلز کو زیادہ سے زیادہ 3 تصاویر بھیجیں
Moondreamصرف base64 data URLs۔ بیرونی تصویری URLs سپورٹ نہیںتصویر کے بائٹس بھیجیں، لنک نہیں

تصویر کے ٹوکنز مفت ٹائر کی فی منٹ ٹوکنز کی حد میں شمار ہوتے ہیں۔ پانچ بڑی تصاویر والی درخواست چھوٹے فراہم کنندہ کی حد سے بڑی ہو سکتی ہے۔ جب باریک تفصیل درکار نہ ہو تو تصاویر چھوٹی کریں، مثلاً لمبی سمت میں 1024 پکسلز۔

تصویری کاموں کے لیے کارآمد پرامپٹس

  • ہر درخواست کے لیے ایک کام: تصویر کے بارے میں ایک واضح سوال پوچھیں۔ ایک پرامپٹ میں کئی سوالات چھوٹے اور کم درست جواب دیتے ہیں۔
  • ساختی آؤٹ پٹ: رسیدوں اور فارمز کے لیے وہ فیلڈز نام لیں جو آپ چاہتے ہیں، مثلاً item، price اور total۔ صرف JSON مانگیں۔
  • ناقابلِ پڑھ قدریں: ماڈل کو کہیں کہ جب کوئی قدر نہ پڑھ سکے تو null لکھے۔ پھر وہ اندازہ نہیں لگاتا۔
  • پہلے کاٹیں: تصویر کو اس حصے تک کاٹیں جو آپ کو چاہیے۔ چھوٹی تصویر کم ٹوکنز لیتی ہے اور بہتر تفصیل دیتی ہے۔
  • مستحکم جواب: نکالنے والے کاموں کے لیے temperature کو 0 پر سیٹ کریں۔
  • اعداد کی جانچ: کل رقم اور تاریخوں کا تصویر سے موازنہ کریں۔ Vision ماڈلز چھوٹے متن اور ملتے جلتے ہندسوں کو غلط پڑھ سکتے ہیں۔

خرابیوں کا ازالہ

مسئلہوجہحل
خرابی 422 no_vision_modelآپ کی زنجیر میں کوئی vision ماڈل فعال نہیںFallback Chain صفحے پر Vision بیج والا ماڈل فعال کریں
ماڈل کہتا ہے کہ وہ تصویر نہیں دیکھ سکتادرخواست /v1/responses پر گئی/v1/chat/completions استعمال کریں
بیرونی URL پر خرابی 400فراہم کنندہ URL ڈاؤن لوڈ نہیں کر سکتاتصویر base64 data URL کے طور پر بھیجیں
بڑی فائلوں پر خرابی 413 یا 400تصویر یا درخواست بہت بڑی ہےتصویر چھوٹی کریں، یا کم تصاویر بھیجیں
تصویری درخواستوں پر خرابی 429تصویر کے ٹوکنز نے فی منٹ ٹوکنز کی حد استعمال کر لیتصاویر چھوٹی کریں، یا مزید vision فراہم کنندگان کی کلیدیں شامل کریں
ان سب کو ایک ہی کلید سے استعمال کریں۔ FreeLLMAPI ایک اوپن سورس، خود میزبانی والا راؤٹر ہے۔ یہ ان تمام مفت ٹائرز کو ایک ہی OpenAI سے ہم آہنگ اینڈ پوائنٹ کے پیچھے رکھتا ہے، اور جب کوئی ایک ریٹ لمٹ ہو جائے تو خودکار طور پر دوسرے پر منتقل ہو جاتا ہے۔ کیٹلاگ دیکھیں یا لائیو جائیں.

اکثر پوچھے گئے سوالات

کیا کوئی مفت vision API ہے؟

ہاں۔ Google AI Studio، Groq، Cloudflare، NVIDIA، OpenRouter اور دیگر فراہم کنندگان تصویری ان پٹ والے مفت ماڈلز دیتے ہیں۔ FreeLLMAPI ایک OpenAI سے ہم آہنگ کلید کے پیچھے 78 مفت vision ماڈل پیشکشیں رکھتا ہے۔

میں مفت LLM API کو تصویر کیسے بھیجوں؟

user پیغام میں ایک image_url مواد بلاک شامل کریں۔ base64 data URL یا https URL استعمال کریں، اور اسے /v1/chat/completions پر بھیجیں۔

ایک تصویر کتنے ٹوکنز استعمال کرتی ہے؟

Gemini پر 384x384 پکسلز یا اس سے چھوٹی تصویر 258 ٹوکنز استعمال کرتی ہے۔ بڑی تصویر 768x768 ٹائلز میں کاٹی جاتی ہے، اور ہر ٹائل 258 ٹوکنز استعمال کرتی ہے۔

کیا میں ایک درخواست میں کئی تصاویر بھیج سکتا ہوں؟

ہاں۔ پیغام میں مزید image_url بلاکس شامل کریں۔ کچھ فراہم کنندگان تعداد محدود کرتے ہیں۔ مثلاً Groq Qwen 3.8 27B پر ہر درخواست کے لیے 3 تصاویر کی اجازت دیتا ہے۔

دستاویزات پڑھنے کے لیے کون سا مفت vision ماڈل بہترین ہے؟

رسیدوں، چارٹس اور اسکین شدہ صفحات کے لیے Gemini ماڈل استعمال کریں۔ اس کی سیاق و سباق کی ونڈو بڑی ہے اور یہ بہت سی تصاویر قبول کرتا ہے۔ اعداد کے لیے جواب کو تصویر سے ملائیں، کیونکہ vision ماڈلز چھوٹا متن غلط پڑھ سکتے ہیں۔

متعلقہ گائیڈز

ماخذ

تمام گائیڈز · تمام مفت ماڈلز دیکھیں