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 | Miễn phí trên | Ngữ cảnh | Giới hạn miễn phí (ưu đãi tốt nhất) | Công cụ | Thị giác |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| GPT-OSS 20B | Api.Airforce, Cloudflare Workers AI, Groq +5 nữa | 131K | 30 yêu cầu/phút 1,000 yêu cầu/ngày 8,000 token/phút 200,000 token/ngày ~6M | Có | Không |
| GPT-OSS 120B | Cloudflare Workers AI, ElectronHub, Groq +2 nữa | 131K | 30 yêu cầu/phút 1,000 yêu cầu/ngày 8,000 token/phút 200,000 token/ngày ~6M | Có | Không |
| GPT-OSS Safeguard 20B | Groq, LLMTR | 131K | 30 yêu cầu/phút 1,000 yêu cầu/ngày 8,000 token/phút 200,000 token/ngày ~6M | Có | Không |
| OpenAI: GPT OSS 20B | ElectronHub | 128K | $0.25/week shared free credits | Không | Không |
| DeepSeek V4 Flash Thinking | ElectronHub | - | $0.25/week shared recurring credit | Không | Không |
| Qwen3 235B A22B Thinking 2507 | ModelScope | 262K | 200 yêu cầu/ngày Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Không | Không |
| GPT-OSS 120B (via Groq) | DreamPrompting | 131K | 100 yêu cầu/phút 5,000 yêu cầu/ngày 500,000 token/ngày 500K tokens/day · 5,000 req/day | Không | Không |
| Qwen3 Next 80B A3B Thinking | ModelScope | 262K | 200 yêu cầu/ngày Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience | Không | Không |
| QwQ 32B | Cloudflare Workers AI | 131K | ~10-20M | Có | Không |
| Nemotron 3 Nano Omni Reasoning | BlockRun, Kilo Gateway, Requesty | 262K | 200 yêu cầu/ngày 200 rpd | Không | Có |
| Nemotron 3 Nano Omni 30B A3B Reasoning | NVIDIA NIM, Waterfall | 262K | 40 yêu cầu/phút 40 RPM | Không | Có |
| Command A Reasoning | Cohere | 256K | 20 yêu cầu/phút 33 yêu cầu/ngày ~1-2M | Có | Không |
| Nemotron 3 Nano 30B Reasoning | OpenRouter | 262K | 20 yêu cầu/phút 50 yêu cầu/ngày 50 req/day account-wide (1,000 after a $10 purchase) | Không | Không |
| Nemotron 3 Nano Omni | ElectronHub | 256K | $0.25/week shared recurring credit | Có | Có |
| GPT-OSS 20B (via Groq) | DreamPrompting | 131K | 100 yêu cầu/phút 5,000 yêu cầu/ngày 500,000 token/ngày 500K tokens/day · 5,000 req/day | Không | Không |
| DeepSeek R1 Distill Qwen 32B | Cloudflare Workers AI | 131K | ~3-5M | Có | Không |
| R1 Distill Qwen 32B | ElectronHub | 131K | $0.25/week shared recurring credit | Có | Không |
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.
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 | bashMở 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 vụ | Dùng mô hình suy luận? | Lý do |
|---|---|---|
| Toán, câu đố logic, lập kế hoạch | Có | Suy nghĩ từng bước làm giảm lỗi |
| Lỗi khó và thiết kế thuật toán | Có | Mô hình tự kiểm tra các bước của nó |
| Chat, câu trả lời ngắn, dịch thuật | Không | Suy nghĩ thêm thời gian và token nhưng ít lợi ích |
| Agent với nhiều lệnh gọi công cụ | Đôi khi | Mỗi 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. Dùngauto:fastcho 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 đề | Nguyên nhân | Cách khắc phục |
|---|---|---|
Nội dung rỗng, finish_reason: "length" | Phần suy nghĩ đã dùng hết ngân sách đầu ra | Tăng max_tokens lên 4,000 trở lên |
Văn bản <think> trong câu trả lời | Nhà cung cấp trả về phần suy nghĩ hiển thị | Xóa các thẻ trong code của bạn |
| Giải thích dài cho câu hỏi ngắn | Một số mô hình suy luận giải thích quá trình suy nghĩ của chúng | Yêu cầu "chỉ câu trả lời cuối", hoặc dùng mô hình không suy luận |
| Lỗi 429 sau vài yêu cầu | Token suy nghĩ đã dùng giới hạn token mỗi phút | Thêm khóa nhà cung cấp, hoặc chỉ dùng suy luận cho tác vụ khó |
| Câu trả lời chậm | Mô hình viết nhiều token suy nghĩ | Dùng auto:fast cho tác vụ đơn giản |
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
- free gpt oss api
- free deepseek api
- free qwen api
- API model lập trình miễn phí tốt nhất
- Giới hạn tốc độ API LLM miễn phí
Nguồn
- FreeLLMAPI docs: Routing strategies and native Gemini API (đã kiểm tra 20 November 2026)
- Google AI Studio docs: Thinking (đã kiểm tra 20 November 2026)
- Gemini Developer API pricing (đã kiểm tra 20 November 2026)
- Groq docs: Reasoning (đã kiểm tra 20 November 2026)