Trang chủ / Hướng dẫn / API thị giác miễn phí

API thị giác miễn phí

API thị giác cho phép LLM đọc hình ảnh. Bạn có thể yêu cầu nó mô tả ảnh, đọc hóa đơn hoặc giải thích biểu đồ. Danh mục FreeLLMAPI có 78 ưu đãi mô hình miễn phí nhận hình ảnh. Bạn gửi hình ảnh theo định dạng OpenAI chuẩn, và bộ định tuyến chọn mô hình thị giác cho bạn. Hướng dẫn này trình bày các mô hình, giới hạn kích thước của từng nhà cung cấp và mã chạy được.

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

Cách nhập hình ảnh hoạt động

Gửi hình ảnh trong mảng messages dưới dạng khối nội dung image_url. URL có thể là URL data: với byte base64, hoặc URL http(s). Dùng /v1/chat/completions. Endpoint /v1/responses chưa nhận hình ảnh.

  • Định tuyến tự động: khi yêu cầu có hình ảnh, bộ định tuyến chỉ dùng mô hình thị giác. Nó bỏ qua mô hình chỉ có văn bản cho yêu cầu đó.
  • Chuyển đổi dự phòng: khi một nhà cung cấp thị giác chạm giới hạn, bộ định tuyến thử mô hình thị giác tiếp theo trong chuỗi của bạn.
  • Lỗi rõ ràng: khi không có mô hình thị giác nào được bật, bạn nhận lỗi 422 với code: "no_vision_model". Hình ảnh không bao giờ bị bỏ qua âm thầm.

Mô hình thị giác miễn phí hiện nay

Bảng cho thấy các mô hình miễn phí mạnh nhất có đầu vào hình ảnh trong danh mục hiện nay. Dữ liệu lấy từ danh mục trực tiếp. Một hàng có thể liệt kê nhiều nhà cung cấp phục vụ cùng một mô hình.

Mô hình miễn phí có đầu vào hình ảnh, mạnh nhất trước
Mô hìnhMiễn phí trênNgữ cảnhGiới hạn miễn phí (ưu đãi tốt nhất)Công cụThị giác
GLM 5.3 FlashUnoRouter1M1 yêu cầu/phút
1 req/min per model
CóCó
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaCóCó
Gemini Flash (latest alias)Google AI Studio-10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditCóCó
Gemini 3.7 FlashGoogle AI Studio1M10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditCóCó
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 yêu cầu/phút
50 yêu cầu/ngày
50 req/day account-wide (1,000 after a $10 purchase)
CóCó
Qwen3.8 27BElectronHub, Groq262K30 yêu cầu/phút
250 yêu cầu/ngày
70,000 token/phút
~6M
CóCó
Gemini 3.6 FlashGoogle AI Studio1M10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayCóCó
Gemini 3.5 FlashGoogle AI Studio1M10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
Gemini 3.8 LiveGoogle AI Studio-10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 yêu cầu/phút
20 yêu cầu/ngày
250,000 token/phút
~3M
CóCó
Moondream 3.1 9B A2BCloudflare Workers AI, Moondream33K~10-20MKhôngCó
Moondream 3 PreviewMoondream-$5/month shared workspace usage creditsKhôngCó

Đang hiển thị 15 trong số 67 mô hình miễn phí phù hợp. Xem tất cả mô hình.

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.

Mô hình Gemini cho ngữ cảnh lớn nhất và nhận nhiều hình ảnh. Qwen 3.8 27B trên Groq và Cloudflare là lựa chọn nhanh ngoài Google. Moondream được thiết kế cho tác vụ hình ảnh, nhưng đầu ra bị giới hạn ở 4,096 token.

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 Google AI Studio và một khóa nữa trên trang Keys. Trên trang Fallback Chain, các mô hình thị giác có huy hiệu Vision. Đảm bảo ít nhất một mô hình được bật. Sao chép khóa thống nhất của bạn từ trang Keys.

Bước 2: Gửi hình ảnh

curl: hình ảnh từ URL

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: tệp cục bộ dưới dạng base64

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)

Dùng kiểu MIME đúng trong URL dữ liệu, ví dụ image/png hoặc image/jpeg. Để gửi nhiều hơn một hình ảnh, thêm nhiều khối image_url vào cùng một tin nhắn.

Giới hạn hình ảnh theo nhà cung cấp

Giới hạn nhà cung cấp, đã kiểm tra 2026-11-19
Nhà cung cấpGiới hạn (chính thức)Cách xử lý
Google GeminiTổng kích thước yêu cầu với hình ảnh nội tuyến: 20 MB. Định dạng: PNG, JPEG, WEBP, HEIC, HEIFThu nhỏ ảnh lớn trước khi gửi
Google GeminiẢnh tối đa 384x384 pixel tốn 258 token. Ảnh lớn hơn được cắt thành các ô 768x768, mỗi ô 258 tokenẢnh 960x540 dùng 6 ô, khoảng 1,548 token
Groq (Qwen 3.8 27B)Tối đa 3 hình ảnh cho mỗi yêu cầu. Tối đa 20 MB cho yêu cầu có URL hình ảnhGửi tối đa 3 hình ảnh tới mô hình Groq
MoondreamChỉ URL dữ liệu base64. Không hỗ trợ URL hình ảnh từ xaGửi byte hình ảnh, không gửi liên kết

Token hình ảnh tính vào giới hạn token mỗi phút của gói miễn phí. Một yêu cầu với năm hình ảnh lớn có thể vượt giới hạn của nhà cung cấp nhỏ. Thu nhỏ hình ảnh, ví dụ cạnh dài 1024 pixel, khi bạn không cần chi tiết nhỏ.

Prompt hiệu quả cho tác vụ hình ảnh

  • Một tác vụ cho mỗi yêu cầu: hỏi một câu rõ ràng về hình ảnh. Nhiều câu hỏi trong một prompt cho câu trả lời ngắn hơn và kém chính xác hơn.
  • Đầu ra có cấu trúc: với hóa đơn và biểu mẫu, nêu tên các trường bạn muốn, ví dụ item, price và total. Yêu cầu chỉ trả về JSON.
  • Giá trị không đọc được: yêu cầu mô hình ghi null khi nó không đọc được giá trị. Khi đó nó không đoán.
  • Cắt trước: cắt hình ảnh chỉ còn phần bạn cần. Hình ảnh nhỏ hơn dùng ít token hơn và cho chi tiết tốt hơn.
  • Câu trả lời ổn định: đặt temperature thành 0 cho tác vụ trích xuất.
  • Kiểm tra số liệu: so sánh tổng và ngày với hình ảnh. Mô hình thị giác có thể đọc sai chữ nhỏ và các chữ số giống nhau.

Xử lý sự cố

Vấn đềNguyên nhânCách khắc phục
Lỗi 422 no_vision_modelKhông có mô hình thị giác nào được bật trong chuỗi của bạnBật một mô hình có huy hiệu Vision trên trang Fallback Chain
Mô hình nói rằng nó không thấy hình ảnhYêu cầu được gửi tới /v1/responsesDùng /v1/chat/completions
Lỗi 400 với URL từ xaNhà cung cấp không tải được URLGửi hình ảnh dưới dạng URL dữ liệu base64
Lỗi 413 hoặc 400 với tệp lớnHình ảnh hoặc yêu cầu quá lớnThu nhỏ hình ảnh, hoặc gửi ít hình ảnh hơn
Lỗi 429 với yêu cầu hình ảnhToken hình ảnh đã dùng hết giới hạn token mỗi phútThu nhỏ hình ảnh, hoặc thêm khóa từ nhiều nhà cung cấp thị giác hơn
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 thị giác miễn phí không?

Có. Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter và các nhà cung cấp khác cung cấp mô hình miễn phí có đầu vào hình ảnh. FreeLLMAPI có 78 ưu đãi mô hình thị giác miễn phí sau một khóa tương thích OpenAI.

Làm sao gửi hình ảnh tới API LLM miễn phí?

Thêm một khối nội dung image_url vào tin nhắn người dùng. Dùng URL dữ liệu base64 hoặc URL https, rồi gửi tới /v1/chat/completions.

Một hình ảnh dùng bao nhiêu token?

Trên Gemini, hình ảnh 384x384 pixel trở xuống dùng 258 token. Hình ảnh lớn hơn được cắt thành các ô 768x768, và mỗi ô dùng 258 token.

Tôi có thể gửi nhiều hình ảnh trong một yêu cầu không?

Có. Thêm nhiều khối image_url vào tin nhắn. Một số nhà cung cấp giới hạn số lượng. Ví dụ, Groq cho phép 3 hình ảnh mỗi yêu cầu trên Qwen 3.8 27B.

Mô hình thị giác miễn phí nào tốt nhất để đọc tài liệu?

Dùng mô hình Gemini cho hóa đơn, biểu đồ và trang quét. Mô hình có cửa sổ ngữ cảnh lớn và nhận nhiều hình ảnh. Kiểm tra câu trả lời với hình ảnh về số liệu, vì mô hình thị giác có thể đọc sai chữ nhỏ.

Hướng dẫn liên quan

Nguồn

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