首页 / 指南 / 免费 Embeddings API

免费 Embeddings API

Embeddings API 将文本转换为向量,用于搜索、RAG 和聚类。多家服务商免费提供 embeddings。FreeLLMAPI 在一个 /v1/embeddings 端点后面提供 41 个免费 embedding 模型。本指南介绍这些模型、它们的限制以及可用的代码。

代码、模型名称和目录中的实时标签以英文显示。

FreeLLMAPI 中免费 embeddings 的工作方式

/v1/embeddings 端点使用 OpenAI 请求格式。任何 OpenAI SDK 都可以调用它。你发送文本,每个输入字符串都会返回一个向量。

Embeddings 的故障转移规则与聊天不同。聊天请求可以切换到其他模型。Embedding 请求永远不会切换到其他模型。两个模型生成的向量互不兼容,因此悄悄更换模型会损坏你的向量存储。

  • 系列(Family):FreeLLMAPI 按系列对服务商进行分组。一个系列是一种模型标识,具有相同的向量维度,例如 1024 维的 bge-m3。
  • 故障转移:当某个系列中的一个服务商达到限制时,路由器会尝试提供同一系列的下一个服务商。
  • 默认值:model: "auto" 使用默认系列。你可以在控制台的 Models, Embeddings 页面设置默认系列。

目前的免费 embedding 模型

下表列出 FreeLLMAPI 目录中的所有免费 embedding 模型。数据来自实时目录。“最大输入”是单个输入字符串的最大 token 数。“免费限额”是服务商公布的免费配额。

模型提供方维度最大输入免费额度
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)

数据来自 FreeLLMAPI 目录(版本 2026.11.19,检查于 2026-11-19)。免费额度经常变化。该目录每天检查一次。

部分服务商在聊天和 embeddings 之间共用一个配额。例如,Cohere 试用密钥每月允许所有端点共计 1,000 次 API 调用。Cloudflare Workers AI 每天提供 10,000 neurons,由该账户下的所有 Workers AI 模型共用。

第 1 步:安装 FreeLLMAPI 并添加密钥

FreeLLMAPI 是开源软件。它在你的电脑上通过 Docker 运行。你的服务商密钥保存在你的电脑上。

安装(macOS 或 Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

在浏览器中打开控制台:http://localhost:3001。在 Keys 页面添加你的服务商密钥。对于 embeddings,一个 Google AI Studio 密钥和一个 Cloudflare 密钥就是很好的开始。从同一页面复制你的统一密钥。

第 2 步:调用 embeddings 端点

发送字符串列表,即可在一次请求中获得多个向量。文档和搜索查询请使用相同的 model 值。

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:对两段文本进行 embedding 并比较

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))

model 字段接受三种形式:auto、系列名称(例如 bge-m3),或服务商的模型 ID(例如 @cf/baai/bge-m3)。服务商模型 ID 会解析为其所属系列,因此故障转移仍然限定在该系列之内。

选择哪个免费 embedding 模型

每个向量存储只需选择一次模型。如果之后更改模型,你必须对所有文档重新生成 embedding。

需求模型系列原因
短篇英文或多语言文本,服务商众多bge-m31024 维,8,192 个输入 token。有多家免费服务商提供,因此故障转移的选择更多。
使用 Google 密钥进行高质量检索gemini-embedding-0013072 维。输入限制为 2,048 个 token,因此需将长文档切分为块。
将长文档放入一个向量embed-v4.0(Cohere)输入窗口大。试用密钥每月仅允许 1,000 次调用,且与聊天共用。
小向量和快速搜索bge-small-en-v1.5384 维。仅支持英文,输入限制为 512 个 token。
代码搜索codestral-embed针对代码训练。使用 Mistral 免费模式配额。

向量维度越大,向量数据库占用的存储和内存越多。3072 维的向量是 1024 维向量的三倍大小。对于大多数少于一百万个块的 RAG 项目,768 到 1024 维即可获得良好效果。

限制与常见问题

  • 输入限制:超过“最大输入”值的文本可能被截断或被拒绝。在生成 embedding 之前,请将文档切分为 300 到 800 个 token 的块。
  • 每个存储只使用一个系列:不要在同一个索引中混合两个系列的向量。跨模型的相似度分数没有意义。
  • 归一化:Google 表示,维度少于 3072 的 gemini-embedding-001 向量必须由你自行归一化。如果使用点积作为分数,请先对所有向量进行归一化。
  • 速率限制:免费额度按每分钟或每天的请求数计算。请在一次请求中发送字符串批次,而不是为每个字符串单独发送请求。
  • 匿名额度:OVH AI Endpoints 在不使用密钥时,每个 IP 地址和每个模型每分钟允许 2 次请求。请将其作为备用方案,而不要用于大批量建立索引。
提示:请在所选系列中至少保留两个服务商。这样,某个服务商返回 429 错误时,你的索引任务也不会中断。

故障排除

问题原因解决方法
批量建立索引时出现错误 429该系列的服务商限制已达到为同一系列添加第二个服务商密钥,或减少每分钟的请求数
更改后搜索结果有误文档和查询使用了不同的系列两者使用同一个 model 值。如果你更改过该值,请重新生成文档的 embedding
向量长度与预期不符auto 使用默认系列设置明确的系列名称,或在 Models, Embeddings 中检查默认值
长文本的匹配结果较差文本超过了输入限制将文本切分为更小的块
错误 401统一密钥错误或缺失从 Keys 页面重新复制统一密钥
通过一个密钥使用以上每一个模型。 FreeLLMAPI 是一个开源的自托管路由器。它将所有这些免费套餐放在一个兼容 OpenAI 的端点之后,并在某个套餐被限速时自动切换。 浏览目录 或 立即开始.

常见问题

有免费的 embeddings API 吗?

有。Google AI Studio、Cloudflare Workers AI、Cohere、NVIDIA、Mistral、OVH 等服务商提供带速率限制的免费 embedding 模型。FreeLLMAPI 在一个兼容 OpenAI 的端点后面提供其中 41 个模型。

能否使用 OpenAI SDK 调用免费 embeddings?

可以。将 base URL 设置为 http://localhost:3001/v1,并使用你的统一密钥。然后使用系列名称(例如 bge-m3)调用 client.embeddings.create。

为什么 FreeLLMAPI 不会切换到其他 embedding 模型?

不同模型生成的向量互不兼容。悄悄更换模型会破坏相似度搜索。路由器只会在提供同一模型系列的服务商之间进行故障转移。

用于 RAG 的最佳免费 embedding 模型是什么?

对于大多数项目,bge-m3 是很好的默认选择。它具有 1024 维、8,192 个 token 的输入限制,并有多家免费服务商提供。如果你需要 3072 维并且持有 Google 密钥,可以使用 gemini-embedding-001。

我的 embeddings 应该使用多少维度?

大多数搜索和 RAG 工作使用 768 到 1024 维即可。维度越大,占用的存储和内存越多。请只选择一次维度,因为更改后必须对所有文档重新生成 embedding。

相关指南

来源

全部指南 · 浏览所有免费模型