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 Embeddinggemini-embedding-001 | Google AI Studio | 3072 | 2048 | 100 rpm · 1K req/day |
Nemotron Embed VL 1Bnvidia/llama-nemotron-embed-vl-1b-v2 | NVIDIA NIM | 2048 | 8192 | ~40 rpm |
Nemotron 3 Embed 1B (OR free)nvidia/nemotron-3-embed-1b:free | OpenRouter | 2048 | 32768 | 20 rpm · shared free daily cap |
SEA-LION E5 Embedding 600Maisingapore/SEA-LION-E5-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 300Maisingapore/SEA-LION-ModernBERT-Embedding-300M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 600Maisingapore/SEA-LION-ModernBERT-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
BGE-M3@cf/baai/bge-m3 | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
EmbeddingGemma 300M@cf/google/embeddinggemma-300m | Cloudflare Workers AI | 768 | 2048 | 10K neurons/day (shared) |
Qwen3 Embedding 0.6B@cf/qwen/qwen3-embedding-0.6b | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
Cohere Embed v4embed-v4.0 | Cohere | 1536 | 128000 | 1K calls/mo (shared w/ chat) |
Gemini Embedding 2gemini-embedding-2 | Google AI Studio | 3072 | 8192 | free-tier rate limited |
Nemotron 3 Embed 1Bnvidia/nemotron-3-embed-1b | NVIDIA NIM | 2048 | 4096 | ~40 rpm |
PLaMo Embedding 1B (CF)@cf/pfnet/plamo-embedding-1b | Cloudflare Workers AI | 2048 | 4096 | 10K neurons/day (shared) |
BGE Small EN v1.5 (CF)@cf/baai/bge-small-en-v1.5 | Cloudflare Workers AI | 384 | 512 | 10K neurons/day (shared) |
BGE Base EN v1.5 (CF)@cf/baai/bge-base-en-v1.5 | Cloudflare Workers AI | 768 | 512 | 10K neurons/day (shared) |
BGE Large EN v1.5 (CF)@cf/baai/bge-large-en-v1.5 | Cloudflare Workers AI | 1024 | 512 | 10K neurons/day (shared) |
Mistral Embedmistral-embed | Mistral | 1024 | 8192 | free mode · monthly cap (shared) |
Codestral Embedcodestral-embed | Mistral | 1536 | 8192 | free mode · monthly cap (shared) |
Llama Text Embed v2 (Pinecone)llama-text-embed-v2 | Pinecone | 1024 | 2048 | 5M tokens/mo per model |
Multilingual E5 Large (Pinecone)multilingual-e5-large | Pinecone | 1024 | 507 | 5M tokens/mo per model |
Nemotron 3 Embed 1B (Speka)nvidia/nemotron-3-embed-1b | Speka | 2048 | 8192 | $1/month shared across Speka models |
OpenAI: Text Embedding 3 Small (ElectronHub)text-embedding-3-small | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
OpenAI: Text Embedding 3 Large (ElectronHub)text-embedding-3-large | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Nemotron 3 Embed 8B (Inferbase)nvidia-nemotron-3-embed-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 0.6B (Inferbase)qwen3-embedding-0-6b | Inferbase | 1024 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 4B (Inferbase)qwen3-embedding-4b | Inferbase | 2560 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 8B (Inferbase)qwen3-embedding-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
LFM2.5 Embedding 350M (LLMTR)liquid/lfm-2.5-embedding-350m-free | LLMTR | 1024 | 512 | Ongoing zero-price route; provider terms apply |
BGE-M3 (SEA-LION)BAAI/bge-m3 | SEA-LION | 1024 | 8192 | free · 10 rpm |
Cohere Embed English v3embed-english-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Qwen3 Embedding 8B (OVH)Qwen3-Embedding-8B | OVH AI Endpoints | 4096 | 32768 | free · anonymous 2 req/min per IP |
BGE-M3 (OVH)bge-m3 | OVH AI Endpoints | 1024 | 8192 | free · anonymous 2 req/min per IP |
BGE Multilingual Gemma2 (OVH)bge-multilingual-gemma2 | OVH AI Endpoints | 3584 | 8192 | free · anonymous 2 req/min per IP |
Mistral: Codestral Embed (ElectronHub)codestral-embed | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Mistral: Mistral Embed (ElectronHub)mistral-embed | ElectronHub | 1024 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 2 (ElectronHub)gemini-embedding-2 | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 001 (ElectronHub)gemini-embedding-001 | ElectronHub | 3072 | 2048 | $0.25/week shared free credits |
OpenAI: Text Embedding Ada 002 (ElectronHub)text-embedding-ada-002 | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Cohere Embed English Light v3embed-english-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual v3embed-multilingual-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual Light v3embed-multilingual-light-v3.0 | Cohere | 384 | 512 | 1K 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-m3 | 1024 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-001 | 3072 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-v1.5 | 384 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。
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 |
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
- FreeLLMAPI docs: Embeddings (检查于 20 November 2026)
- Google AI Studio docs: Embeddings (检查于 20 November 2026)
- Cloudflare Workers AI pricing (检查于 20 November 2026)
- Cohere docs: API keys and rate limits (检查于 20 November 2026)
- OVHcloud AI Endpoints capabilities (检查于 20 November 2026)