API embeddings miễn phí
API embeddings chuyển văn bản thành vector cho tìm kiếm, RAG và phân cụm. Nhiều nhà cung cấp cấp embeddings miễn phí. FreeLLMAPI đặt 41 model embeddings miễn phí sau một endpoint /v1/embeddings. Hướng dẫn này cho thấy các model, giới hạn của chúng và mã chạy được.
Mã, tên mô hình và nhãn danh mục trực tiếp được hiển thị bằng tiếng Anh.
Embeddings miễn phí hoạt động thế nào trong FreeLLMAPI
Endpoint /v1/embeddings dùng định dạng yêu cầu của OpenAI. Mọi SDK OpenAI đều có thể gọi nó. Bạn gửi văn bản và nhận một vector cho mỗi chuỗi đầu vào.
Embeddings dùng quy tắc chuyển dự phòng khác với chat. Yêu cầu chat có thể chuyển sang model khác. Yêu cầu embeddings không bao giờ chuyển sang model khác. Vector từ hai model không tương thích, vì vậy một lần đổi model âm thầm sẽ làm hỏng kho vector của bạn.
- Họ: FreeLLMAPI nhóm các nhà cung cấp theo họ. Một họ là một định danh model với một kích thước vector, ví dụ
bge-m3với 1024 chiều. - Chuyển dự phòng: khi một nhà cung cấp trong họ đạt giới hạn, bộ định tuyến thử nhà cung cấp tiếp theo phục vụ cùng họ đó.
- Mặc định:
model: "auto"dùng họ mặc định. Bạn đặt họ mặc định ở trang Models, Embeddings trên bảng điều khiển.
Model embeddings miễn phí hiện nay
Bảng liệt kê mọi model embeddings miễn phí trong danh mục FreeLLMAPI. Dữ liệu lấy từ danh mục trực tiếp. "Max input" là số token tối đa cho một chuỗi đầu vào. "Free limit" là hạn mức miễn phí mà nhà cung cấp công bố.
| Mô hình | Nhà cung cấp | Số chiều | Đầu vào tối đa | Giới hạn miễn phí |
|---|---|---|---|---|
Gemini Embeddinggemini-embedding-001 | Google AI Studio | 3072 | 2048 | 100 rpm · 1K req/day |
Nemotron Embed VL 1Bnvidia/llama-nemotron-embed-vl-1b-v2 | NVIDIA NIM | 2048 | 8192 | ~40 rpm |
Nemotron 3 Embed 1B (OR free)nvidia/nemotron-3-embed-1b:free | OpenRouter | 2048 | 32768 | 20 rpm · shared free daily cap |
SEA-LION E5 Embedding 600Maisingapore/SEA-LION-E5-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 300Maisingapore/SEA-LION-ModernBERT-Embedding-300M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 600Maisingapore/SEA-LION-ModernBERT-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
BGE-M3@cf/baai/bge-m3 | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
EmbeddingGemma 300M@cf/google/embeddinggemma-300m | Cloudflare Workers AI | 768 | 2048 | 10K neurons/day (shared) |
Qwen3 Embedding 0.6B@cf/qwen/qwen3-embedding-0.6b | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
Cohere Embed v4embed-v4.0 | Cohere | 1536 | 128000 | 1K calls/mo (shared w/ chat) |
Gemini Embedding 2gemini-embedding-2 | Google AI Studio | 3072 | 8192 | free-tier rate limited |
Nemotron 3 Embed 1Bnvidia/nemotron-3-embed-1b | NVIDIA NIM | 2048 | 4096 | ~40 rpm |
PLaMo Embedding 1B (CF)@cf/pfnet/plamo-embedding-1b | Cloudflare Workers AI | 2048 | 4096 | 10K neurons/day (shared) |
BGE Small EN v1.5 (CF)@cf/baai/bge-small-en-v1.5 | Cloudflare Workers AI | 384 | 512 | 10K neurons/day (shared) |
BGE Base EN v1.5 (CF)@cf/baai/bge-base-en-v1.5 | Cloudflare Workers AI | 768 | 512 | 10K neurons/day (shared) |
BGE Large EN v1.5 (CF)@cf/baai/bge-large-en-v1.5 | Cloudflare Workers AI | 1024 | 512 | 10K neurons/day (shared) |
Mistral Embedmistral-embed | Mistral | 1024 | 8192 | free mode · monthly cap (shared) |
Codestral Embedcodestral-embed | Mistral | 1536 | 8192 | free mode · monthly cap (shared) |
Llama Text Embed v2 (Pinecone)llama-text-embed-v2 | Pinecone | 1024 | 2048 | 5M tokens/mo per model |
Multilingual E5 Large (Pinecone)multilingual-e5-large | Pinecone | 1024 | 507 | 5M tokens/mo per model |
Nemotron 3 Embed 1B (Speka)nvidia/nemotron-3-embed-1b | Speka | 2048 | 8192 | $1/month shared across Speka models |
OpenAI: Text Embedding 3 Small (ElectronHub)text-embedding-3-small | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
OpenAI: Text Embedding 3 Large (ElectronHub)text-embedding-3-large | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Nemotron 3 Embed 8B (Inferbase)nvidia-nemotron-3-embed-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 0.6B (Inferbase)qwen3-embedding-0-6b | Inferbase | 1024 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 4B (Inferbase)qwen3-embedding-4b | Inferbase | 2560 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 8B (Inferbase)qwen3-embedding-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
LFM2.5 Embedding 350M (LLMTR)liquid/lfm-2.5-embedding-350m-free | LLMTR | 1024 | 512 | Ongoing zero-price route; provider terms apply |
BGE-M3 (SEA-LION)BAAI/bge-m3 | SEA-LION | 1024 | 8192 | free · 10 rpm |
Cohere Embed English v3embed-english-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Qwen3 Embedding 8B (OVH)Qwen3-Embedding-8B | OVH AI Endpoints | 4096 | 32768 | free · anonymous 2 req/min per IP |
BGE-M3 (OVH)bge-m3 | OVH AI Endpoints | 1024 | 8192 | free · anonymous 2 req/min per IP |
BGE Multilingual Gemma2 (OVH)bge-multilingual-gemma2 | OVH AI Endpoints | 3584 | 8192 | free · anonymous 2 req/min per IP |
Mistral: Codestral Embed (ElectronHub)codestral-embed | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Mistral: Mistral Embed (ElectronHub)mistral-embed | ElectronHub | 1024 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 2 (ElectronHub)gemini-embedding-2 | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 001 (ElectronHub)gemini-embedding-001 | ElectronHub | 3072 | 2048 | $0.25/week shared free credits |
OpenAI: Text Embedding Ada 002 (ElectronHub)text-embedding-ada-002 | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Cohere Embed English Light v3embed-english-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual v3embed-multilingual-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual Light v3embed-multilingual-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
Dữ liệu trực tiếp từ danh mục FreeLLMAPI (phiên bản 2026.11.19, đã kiểm tra 2026-11-19). Giới hạn miễn phí thay đổi thường xuyên. Danh mục được kiểm tra mỗi ngày.
Một số nhà cung cấp dùng chung một hạn mức cho chat và embeddings. Ví dụ, một khóa dùng thử Cohere cho phép 1.000 lệnh gọi API mỗi tháng cho tất cả endpoint cộng lại. Cloudflare Workers AI cấp 10.000 neuron mỗi ngày, dùng chung cho mọi model Workers AI trên tài khoản.
Bước 1: Cài đặt FreeLLMAPI và thêm khóa
FreeLLMAPI là mã nguồn mở. Nó chạy trên máy tính của bạn trong Docker. Khóa nhà cung cấp của bạn vẫn nằm trên máy tính của bạn.
Cài đặt (macOS hoặc Linux)
curl -fsSL https://freellmapi.co/install.sh | bashMở bảng điều khiển tại http://localhost:3001. Thêm khóa nhà cung cấp của bạn ở trang Keys. Với embeddings, một khóa Google AI Studio và một khóa Cloudflare là điểm khởi đầu tốt. Sao chép khóa thống nhất của bạn từ cùng trang.
Bước 2: Gọi endpoint embeddings
Gửi một danh sách chuỗi để nhận nhiều vector trong một yêu cầu. Dùng cùng giá trị model cho tài liệu và cho các truy vấn tìm kiếm của bạn.
curl
curl http://localhost:3001/v1/embeddings \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'Python: nhúng và so sánh hai văn bản
import math
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
resp = client.embeddings.create(
model="bge-m3", # a family name, "auto", or a provider model id
input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")
dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))Trường model chấp nhận ba dạng: auto, tên họ như bge-m3, hoặc model ID của nhà cung cấp như @cf/baai/bge-m3. Một model ID của nhà cung cấp được quy về họ của nó, nên chuyển dự phòng vẫn nằm trong họ đó.
Nên chọn model embeddings miễn phí nào
Chọn model một lần cho mỗi kho vector. Nếu sau này bạn đổi model, bạn phải nhúng lại toàn bộ tài liệu.
| Nhu cầu | Họ model | Lý do |
|---|---|---|
| Văn bản tiếng Anh ngắn hoặc đa ngôn ngữ, nhiều nhà cung cấp | bge-m3 | 1024 chiều, 8.192 token đầu vào. Nhiều nhà cung cấp miễn phí phục vụ họ này, nên chuyển dự phòng có nhiều lựa chọn hơn. |
| Truy xuất chất lượng cao với khóa Google | gemini-embedding-001 | 3072 chiều. Giới hạn đầu vào là 2.048 token, vì vậy hãy chia tài liệu dài thành các đoạn. |
| Tài liệu dài trong một vector | embed-v4.0 (Cohere) | Cửa sổ đầu vào lớn. Khóa dùng thử chỉ cho phép 1.000 lệnh gọi mỗi tháng, dùng chung với chat. |
| Vector nhỏ và tìm kiếm nhanh | bge-small-en-v1.5 | 384 chiều. Chỉ tiếng Anh, và giới hạn đầu vào là 512 token. |
| Tìm kiếm mã | codestral-embed | Được huấn luyện cho mã. Dùng hạn mức chế độ miễn phí của Mistral. |
Vector lớn tốn thêm bộ nhớ và dung lượng lưu trữ trong cơ sở dữ liệu vector. Vector 3072 chiều lớn gấp ba lần vector 1024 chiều. Với hầu hết dự án RAG dưới một triệu đoạn, 768 đến 1024 chiều cho kết quả tốt.
Giới hạn và điểm cần lưu ý
- Giới hạn đầu vào: văn bản vượt quá giá trị "Max input" có thể bị cắt hoặc bị từ chối. Chia tài liệu thành các đoạn 300 đến 800 token trước khi nhúng.
- Một họ cho mỗi kho: đừng trộn vector từ hai họ trong cùng một chỉ mục. Điểm tương đồng không có ý nghĩa giữa các model.
- Chuẩn hóa: Google nói rằng vector
gemini-embedding-001có ít hơn 3072 chiều phải được bạn chuẩn hóa. Chuẩn hóa mọi vector trước khi dùng tích vô hướng làm điểm số. - Giới hạn tốc độ: gói miễn phí đếm yêu cầu theo phút hoặc theo ngày. Gửi các lô chuỗi trong một yêu cầu, không gửi một yêu cầu cho mỗi chuỗi.
- Gói ẩn danh: OVH AI Endpoints cho phép 2 yêu cầu mỗi phút cho mỗi địa chỉ IP và model mà không cần khóa. Dùng nó làm phương án dự phòng, không dùng để lập chỉ mục hàng loạt.
Khắc phục sự cố
| Vấn đề | Nguyên nhân | Cách khắc phục |
|---|---|---|
| Lỗi 429 khi lập chỉ mục hàng loạt | Đã đạt giới hạn của nhà cung cấp cho họ này | Thêm khóa nhà cung cấp thứ hai cho cùng họ, hoặc gửi ít yêu cầu hơn mỗi phút |
| Kết quả tìm kiếm sai sau một thay đổi | Tài liệu và truy vấn dùng các họ khác nhau | Dùng một giá trị model cho cả hai. Nhúng lại tài liệu nếu bạn đã đổi nó |
| Độ dài vector không như bạn mong đợi | auto dùng họ mặc định | Đặt tên họ rõ ràng, hoặc kiểm tra mặc định ở Models, Embeddings |
| Văn bản dài cho kết quả khớp kém | Văn bản dài hơn giới hạn đầu vào | Chia văn bản thành các đoạn nhỏ hơn |
| Lỗi 401 | Khóa thống nhất sai hoặc thiếu | Sao chép lại khóa thống nhất từ trang Keys |
Câu hỏi thường gặp
Có API embeddings miễn phí không?
Có. Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH và các nhà cung cấp khác cấp model embeddings miễn phí có giới hạn tốc độ. FreeLLMAPI đặt 41 trong số đó sau một endpoint tương thích OpenAI.
Tôi có thể dùng SDK OpenAI cho embeddings miễn phí không?
Có. Đặt base URL là http://localhost:3001/v1 và dùng khóa thống nhất của bạn. Sau đó gọi client.embeddings.create với tên họ như bge-m3.
Tại sao FreeLLMAPI không chuyển dự phòng sang model embeddings khác?
Vector từ các model khác nhau không tương thích. Một lần đổi model âm thầm sẽ làm hỏng tìm kiếm tương đồng. Bộ định tuyến chỉ chuyển dự phòng giữa các nhà cung cấp phục vụ cùng một họ model.
Model embeddings miễn phí nào tốt nhất cho RAG?
Với hầu hết dự án, bge-m3 là mặc định tốt. Nó có 1024 chiều, giới hạn đầu vào 8.192 token và nhiều nhà cung cấp miễn phí. Dùng gemini-embedding-001 nếu bạn muốn 3072 chiều và có khóa Google.
Embeddings của tôi nên có bao nhiêu chiều?
Dùng 768 đến 1024 chiều cho hầu hết công việc tìm kiếm và RAG. Vector lớn hơn tốn nhiều bộ nhớ và dung lượng hơn. Chọn kích thước một lần, vì thay đổi nghĩa là bạn phải nhúng lại toàn bộ tài liệu.
Hướng dẫn liên quan
- API LLM miễn phí cho RAG
- API LLM miễn phí cho LangChain
- API LLM miễn phí trong Python
- free cohere api
- Giới hạn tốc độ API LLM miễn phí
Nguồn
- FreeLLMAPI docs: Embeddings (đã kiểm tra 20 November 2026)
- Google AI Studio docs: Embeddings (đã kiểm tra 20 November 2026)
- Cloudflare Workers AI pricing (đã kiểm tra 20 November 2026)
- Cohere docs: API keys and rate limits (đã kiểm tra 20 November 2026)
- OVHcloud AI Endpoints capabilities (đã kiểm tra 20 November 2026)