Trang chủ / Hướng dẫn / API mô hình suy luận miễn phí

API mô hình suy luận miễn phí

Mô hình suy luận suy nghĩ trước khi trả lời. Nó viết các bước ẩn hoặc hiển thị, rồi đưa ra câu trả lời cuối. Điều này giúp ích cho toán, logic, lập kế hoạch và code khó. Nhiều nhà cung cấp cho mô hình suy luận miễn phí. Hướng dẫn này liệt kê chúng, giải thích chi phí của token suy nghĩ và đưa ra code chạy được.

Mã, tên mô hình và nhãn danh mục trực tiếp được hiển thị bằng tiếng Anh.

Mô hình suy luận miễn phí hiện nay

Bảng liệt kê các mô hình miễn phí có từ suy luận trong tên, ví dụ GPT-OSS, R1, QwQ, Thinking, Reasoning và Magistral. Dữ liệu lấy từ danh mục trực tiếp. Nhiều mô hình khác, chẳng hạn Gemini Flash, cũng suy nghĩ, nhưng tên của chúng không thể hiện điều đó.

Mô hình suy luận miễn phí, mạnh nhất đứng đầu
Mô hìnhMiễn phí trênNgữ cảnhGiới hạn miễn phí (ưu đãi tốt nhất)Công cụThị giác
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
GPT-OSS 20BApi.Airforce, Cloudflare Workers AI, Groq +5 nữa131K30 yêu cầu/phút
1,000 yêu cầu/ngày
8,000 token/phút
200,000 token/ngày
~6M
CóKhông
GPT-OSS 120BCloudflare Workers AI, ElectronHub, Groq +2 nữa131K30 yêu cầu/phút
1,000 yêu cầu/ngày
8,000 token/phút
200,000 token/ngày
~6M
CóKhông
GPT-OSS Safeguard 20BGroq, LLMTR131K30 yêu cầu/phút
1,000 yêu cầu/ngày
8,000 token/phút
200,000 token/ngày
~6M
CóKhông
OpenAI: GPT OSS 20BElectronHub128K$0.25/week shared free creditsKhôngKhông
DeepSeek V4 Flash ThinkingElectronHub-$0.25/week shared recurring creditKhôngKhông
Qwen3 235B A22B Thinking 2507ModelScope262K200 yêu cầu/ngày
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
KhôngKhông
GPT-OSS 120B (via Groq)DreamPrompting131K100 yêu cầu/phút
5,000 yêu cầu/ngày
500,000 token/ngày
500K tokens/day · 5,000 req/day
KhôngKhông
Qwen3 Next 80B A3B ThinkingModelScope262K200 yêu cầu/ngày
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
KhôngKhông
QwQ 32BCloudflare Workers AI131K~10-20MCóKhông
Nemotron 3 Nano Omni ReasoningBlockRun, Kilo Gateway, Requesty262K200 yêu cầu/ngày
200 rpd
KhôngCó
Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA NIM, Waterfall262K40 yêu cầu/phút
40 RPM
KhôngCó
Command A ReasoningCohere256K20 yêu cầu/phút
33 yêu cầu/ngày
~1-2M
CóKhông
Nemotron 3 Nano 30B ReasoningOpenRouter262K20 yêu cầu/phút
50 yêu cầu/ngày
50 req/day account-wide (1,000 after a $10 purchase)
KhôngKhông
Nemotron 3 Nano OmniElectronHub256K$0.25/week shared recurring creditCóCó
GPT-OSS 20B (via Groq)DreamPrompting131K100 yêu cầu/phút
5,000 yêu cầu/ngày
500,000 token/ngày
500K tokens/day · 5,000 req/day
KhôngKhông
DeepSeek R1 Distill Qwen 32BCloudflare Workers AI131K~3-5MCóKhông
R1 Distill Qwen 32BElectronHub131K$0.25/week shared recurring creditCóKhông

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.

GPT-OSS 120B được nhiều nhà cung cấp phục vụ miễn phí, nên chuyển dự phòng có nhiều lựa chọn. QwQ 32B và DeepSeek R1 Distill Qwen 32B chạy trên Cloudflare Workers AI. Các mô hình Qwen3 Thinking có ngữ cảnh 262K token trên ModelScope.

Token suy nghĩ dùng chung ngân sách đầu ra

Đây là vấn đề phổ biến nhất với mô hình suy luận. Mô hình viết phần suy nghĩ trước. Các token suy nghĩ này được tính vào giới hạn đầu ra, giống như câu trả lời.

  • Google nói: giới hạn đầu ra của Gemini bao gồm token suy nghĩ. Nếu mô hình chạm giới hạn trong khi suy nghĩ, đầu ra có thể bị cắt hoặc rỗng. Các token suy nghĩ vẫn được tính.
  • Groq nói: mặc định 1,024 token hoàn thành có thể quá thấp cho suy luận phức tạp.
  • Giới hạn miễn phí: token suy nghĩ cũng được tính vào giới hạn token mỗi phút và token mỗi ngày. Một câu trả lời suy luận có thể dùng nhiều token hơn nhiều so với câu trả lời trực tiếp cho cùng câu hỏi.
Quy tắc: không đặt max_tokens nhỏ cho mô hình suy luận. Bắt đầu từ 4,000 trở lên. Nếu finish_reason là length và nội dung rỗng, mô hình đã dùng hết ngân sách để suy nghĩ.

Bước 1: Cài FreeLLMAPI và thêm khóa

FreeLLMAPI là mã nguồn mở. Nó chạy trên máy tính của bạn bằng 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 Groq, Cloudflare và Google AI Studio ở trang Keys. Mỗi nhà cung cấp phục vụ các mô hình suy luận miễn phí. Sao chép khóa thống nhất của bạn từ cùng trang đó.

Bước 2: Gọi mô hình suy luận

curl

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-oss-120b",
    "max_tokens": 4000,
    "messages": [{"role": "user", "content": "A bat and a ball cost 1.10 in total. The bat costs 1.00 more than the ball. What does the ball cost?"}]
  }'

Python: kiểm tra câu trả lời bị cắt và xóa văn bản suy nghĩ

import re
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

resp = client.chat.completions.create(
    model="openai/gpt-oss-120b",  # or "auto:smart" to rank by intelligence
    max_tokens=4000,
    messages=[{"role": "user", "content": "Plan a 3-step database migration with no downtime."}],
)
choice = resp.choices[0]
text = choice.message.content or ""
text = re.sub(r"<think>.*?</think>", "", text, flags=re.S).strip()  # some models return visible thinking

if choice.finish_reason == "length" and not text:
    print("The model used the full budget to think. Raise max_tokens.")
else:
    print(text)
print("tokens used:", resp.usage.completion_tokens if resp.usage else "unknown")

Một số nhà cung cấp trả về phần suy nghĩ trong thẻ <think> ở nội dung. Số khác ẩn nó, hoặc trả về trong một trường riêng. Hãy xóa các thẻ trước khi hiển thị câu trả lời cho người dùng.

Kiểm soát lượng suy nghĩ

Mỗi nhà cung cấp có thiết lập riêng cho độ dài suy nghĩ. Groq chấp nhận reasoning_effort với low, medium hoặc high trên mô hình GPT-OSS. Mô hình Gemini 3 dùng thiết lập thinking_level. Tài liệu FreeLLMAPI không mô tả cách các trường này đi qua gateway, nên hãy kiểm tra chúng trên bản cài đặt của bạn trước.

Điểm cuối Gemini gốc của FreeLLMAPI, /v1beta/models/{model}:generateContent, chuyển đổi ngân sách suy nghĩ. Hãy dùng nó nếu bạn cần kiểm soát suy nghĩ của Gemini.

Tác vụDùng mô hình suy luận?Lý do
Toán, câu đố logic, lập kế hoạchCóSuy nghĩ từng bước làm giảm lỗi
Lỗi khó và thiết kế thuật toánCóMô hình tự kiểm tra các bước của nó
Chat, câu trả lời ngắn, dịch thuậtKhôngSuy nghĩ thêm thời gian và token nhưng ít lợi ích
Agent với nhiều lệnh gọi công cụĐôi khiMỗi vòng lại trả chi phí suy nghĩ

Prompt và định tuyến cho tác vụ suy luận

  • Nêu mục tiêu và quy tắc: đưa mọi dữ kiện, giới hạn và kết quả mong đợi vào prompt. Mô hình suy luận không thể hỏi bạn về dữ kiện còn thiếu trong lúc suy nghĩ.
  • Đặt định dạng câu trả lời: yêu cầu câu trả lời cuối theo một dạng cố định, ví dụ một số hoặc một đối tượng JSON. Khi đó code của bạn có thể đọc nó mà không cần văn bản suy nghĩ.
  • Cung cấp ca kiểm thử: với code, thêm đầu vào và đầu ra mẫu. Mô hình có thể đối chiếu câu trả lời với chúng.
  • Định tuyến theo tác vụ: dùng model: "auto:smart" để xếp hạng mô hình theo trí tuệ cho tác vụ khó. Dùng auto:fast cho tác vụ dễ, để bạn không phải trả chi phí suy nghĩ.
  • Một câu hỏi khó cho mỗi yêu cầu: nhiều câu hỏi khó trong một yêu cầu sẽ chia sẻ một ngân sách đầu ra. Hãy tách chúng thành các yêu cầu riêng.

Các chiến lược auto:* xếp hạng mọi mô hình đã bật và bỏ qua thứ tự trong chuỗi của bạn. Để giữ yêu cầu suy luận chỉ trên mô hình suy luận, hãy ghim một mã mô hình. Bạn cũng có thể tạo một chuỗi dự phòng có tên chỉ gồm mô hình suy luận. Sau đó gọi nó bằng auto:<profile-name>.

Xử lý sự cố

Vấn đềNguyên nhânCách khắc phục
Nội dung rỗng, finish_reason: "length"Phần suy nghĩ đã dùng hết ngân sách đầu raTăng max_tokens lên 4,000 trở lên
Văn bản <think> trong câu trả lờiNhà cung cấp trả về phần suy nghĩ hiển thịXóa các thẻ trong code của bạn
Giải thích dài cho câu hỏi ngắnMột số mô hình suy luận giải thích quá trình suy nghĩ của chúngYêu cầu "chỉ câu trả lời cuối", hoặc dùng mô hình không suy luận
Lỗi 429 sau vài yêu cầuToken suy nghĩ đã dùng giới hạn token mỗi phútThêm khóa nhà cung cấp, hoặc chỉ dùng suy luận cho tác vụ khó
Câu trả lời chậmMô hình viết nhiều token suy nghĩDùng auto:fast cho tác vụ đơn giản
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 mô hình suy luận miễn phí không?

Có. Groq, Cloudflare, NVIDIA, OVH, OpenRouter và các nhà cung cấp khác cho mô hình suy luận miễn phí, ví dụ GPT-OSS 120B, QwQ 32B và DeepSeek R1 Distill. FreeLLMAPI gom chúng sau một khóa OpenAI-compatible duy nhất.

Token suy nghĩ có được tính như token đầu ra không?

Có. Google nói rằng giới hạn đầu ra của Gemini bao gồm token suy nghĩ, và token suy nghĩ được tính. Trên gói miễn phí, chúng cũng dùng giới hạn token mỗi phút của bạn.

Vì sao mô hình suy luận của tôi trả về câu trả lời rỗng?

Mô hình đã dùng hết ngân sách max_tokens để suy nghĩ, nên không còn token cho câu trả lời. Tăng max_tokens lên 4,000 trở lên.

DeepSeek R1 có miễn phí qua API không?

DeepSeek R1 Distill Qwen 32B có trong danh mục miễn phí trên Cloudflare Workers AI. Bảng trên trang này liệt kê các nhà cung cấp đang phục vụ nó hiện nay.

Mô hình suy luận miễn phí nào tốt nhất?

GPT-OSS 120B là lựa chọn mặc định tốt, vì nhiều nhà cung cấp phục vụ nó miễn phí. Hãy dùng bảng trên trang này, bảng sắp xếp mô hình theo thứ hạng trí tuệ từ danh mục trực tiếp.

Hướng dẫn liên quan

Nguồn

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