Trang chủ / Hướng dẫn / API embeddings miễn phí

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-m3 với 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 hìnhNhà cung cấpSố chiềuĐầu vào tối đaGiới hạn miễn phí
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)

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 | bash

Mở 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 cầuHọ modelLý do
Văn bản tiếng Anh ngắn hoặc đa ngôn ngữ, nhiều nhà cung cấpbge-m31024 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 Googlegemini-embedding-0013072 chiều. Giới hạn đầu vào là 2.048 token, vì vậy hãy chia tài liệu dài thành các đoạn.
Tài liệu dài trong một vectorembed-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 nhanhbge-small-en-v1.5384 chiều. Chỉ tiếng Anh, và giới hạn đầu vào là 512 token.
Tìm kiếm mãcodestral-embedĐược 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-001 có 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.
Mẹo: giữ ít nhất hai nhà cung cấp trong họ bạn chọn. Khi đó lỗi 429 ở một nhà cung cấp không làm dừng tác vụ lập chỉ mục của bạn.

Khắc phục sự cố

Vấn đềNguyên nhânCách khắc phục
Lỗi 429 khi lập chỉ mục hàng loạtĐã đạt giới hạn của nhà cung cấp cho họ nàyThêm 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 đổiTài liệu và truy vấn dùng các họ khác nhauDùng một giá trị model cho cả hai. Nhúng lại tài liệu nếu bạn đã đổi nó
Độ dài vector không như bạn mong đợiauto dùng họ mặc địnhĐặt tên họ rõ ràng, hoặc kiểm tra mặc định ở Models, Embeddings
Văn bản dài cho kết quả khớp kémVăn bản dài hơn giới hạn đầu vàoChia văn bản thành các đoạn nhỏ hơn
Lỗi 401Khóa thống nhất sai hoặc thiếuSao chép lại khóa thống nhất từ trang Keys
Dùng tất cả các mô hình này qua một khóa duy nhất. FreeLLMAPI là bộ định tuyến mã nguồn mở, tự lưu trữ. Nó đặt tất cả các gói miễn phí này sau một endpoint duy nhất tương thích OpenAI, và tự chuyển sang nhà cung cấp khác khi một nhà cung cấp bị giới hạn tốc độ. Xem danh mục hoặc bắt đầu.

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

Nguồn

Tất cả hướng dẫn · Xem tất cả mô hình miễn phí