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 trên | Ngữ cảnh | Giới hạn miễn phí (ưu đãi tốt nhất) | Công cụ | Thị giác |
|---|---|---|---|---|---|
| GLM 5.3 Flash | UnoRouter | 1M | 1 yêu cầu/phút 1 req/min per model | Có | Có |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | Có | Có |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Có | Có |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Có | Có |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 yêu cầu/phút 50 yêu cầu/ngày 50 req/day account-wide (1,000 after a $10 purchase) | Có | Có |
| Qwen3.8 27B | ElectronHub, Groq | 262K | 30 yêu cầu/phút 250 yêu cầu/ngày 70,000 token/phút ~6M | Có | Có |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | Có | Có |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| Gemini 3.8 Live | Google AI Studio | - | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| Gemini 3.8 Live Extended Thinking | Google AI Studio | - | 10 yêu cầu/phút 20 yêu cầu/ngày 250,000 token/phút ~3M | Có | Có |
| Moondream 3.1 9B A2B | Cloudflare Workers AI, Moondream | 33K | ~10-20M | Không | Có |
| Moondream 3 Preview | Moondream | - | $5/month shared workspace usage credits | Không | Có |
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 | bashMở 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
| Nhà cung cấp | Giới hạn (chính thức) | Cách xử lý |
|---|---|---|
| Google Gemini | Tổng kích thước yêu cầu với hình ảnh nội tuyến: 20 MB. Định dạng: PNG, JPEG, WEBP, HEIC, HEIF | Thu nhỏ ảnh lớn trước khi gửi |
| Google Gemini | Ảnh tối đa 384x384 pixel tốn 258 token. Ảnh lớn hơn được cắt thành các ô 768x768, mỗi ô 258 token | Ảnh 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 ảnh | Gửi tối đa 3 hình ảnh tới mô hình Groq |
| Moondream | Chỉ URL dữ liệu base64. Không hỗ trợ URL hình ảnh từ xa | Gửi 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,pricevàtotal. Yêu cầu chỉ trả về JSON. - Giá trị không đọc được: yêu cầu mô hình ghi
nullkhi 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
temperaturethành 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 đề | Nguyên nhân | Cách khắc phục |
|---|---|---|
Lỗi 422 no_vision_model | Không có mô hình thị giác nào được bật trong chuỗi của bạn | Bật một mô hình có huy hiệu Vision trên trang Fallback Chain |
| Mô hình nói rằng nó không thấy hình ảnh | Yêu cầu được gửi tới /v1/responses | Dùng /v1/chat/completions |
| Lỗi 400 với URL từ xa | Nhà cung cấp không tải được URL | Gửi hình ảnh dưới dạng URL dữ liệu base64 |
| Lỗi 413 hoặc 400 với tệp lớn | Hình ảnh hoặc yêu cầu quá lớn | Thu nhỏ hình ảnh, hoặc gửi ít hình ảnh hơn |
| Lỗi 429 với yêu cầu hình ảnh | Token hình ảnh đã dùng hết giới hạn token mỗi phút | Thu nhỏ hình ảnh, hoặc thêm khóa từ nhiều nhà cung cấp thị giác hơn |
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
- FreeLLMAPI docs: Vision and image input (đã kiểm tra 20 November 2026)
- Google AI Studio docs: Image understanding (đã kiểm tra 20 November 2026)
- Groq docs: Vision (đã kiểm tra 20 November 2026)
- Moondream OpenAI-compatible API docs (đã kiểm tra 20 November 2026)