首页 / 指南 / LlamaIndex 免费 LLM

LlamaIndex 免费 LLM

LlamaIndex 有两个类用于兼容 OpenAI 的 API:用于聊天的 OpenAILike,以及用于 embeddings 的 OpenAILikeEmbedding。本指南将两者都指向 FreeLLMAPI。FreeLLMAPI 用一个密钥汇集 45 个免费服务商额度。你将构建检索增强生成(RAG)索引、对其进行查询,并添加一个智能体。代码会处理速率限制。

代码、模型名称和目录中的实时标签以英文显示。

安装相关包

安装 FreeLLMAPI,并在控制台的 Keys 页面添加两个或更多服务商的免费密钥。复制统一密钥。然后安装 LlamaIndex 相关包。

安装

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

pip install -U llama-index-core \
  llama-index-llms-openai-like \
  llama-index-embeddings-openai-like

export FREELLMAPI_BASE_URL=http://localhost:3001/v1
export FREELLMAPI_API_KEY=<unified-key>

不要将普通的 OpenAI 类(来自 llama-index-llms-openai)用于 OpenAI 不认识的模型名称。该类会根据 OpenAI 模型列表检查模型名称和上下文大小。OpenAILike 不做此检查,因此这些值需要你自行设置。

配置 LLM 和 embedding 模型

settings.py

import os
from llama_index.core import Settings
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding

BASE = os.environ["FREELLMAPI_BASE_URL"]
KEY = os.environ["FREELLMAPI_API_KEY"]

Settings.llm = OpenAILike(
    model="auto",
    api_base=BASE,
    api_key=KEY,
    is_chat_model=True,              # use /v1/chat/completions
    is_function_calling_model=True,  # needed for FunctionAgent
    context_window=32000,            # the smallest window in your chain
    max_retries=5,
    timeout=90,
)

Settings.embed_model = OpenAILikeEmbedding(
    model_name="bge-m3",  # one family, 1024 dimensions
    api_base=BASE,
    api_key=KEY,
    embed_batch_size=16,
    max_retries=10,
)
  • is_chat_model=True:如果不设置,LlamaIndex 会将请求发送到旧版 completions 端点。
  • context_window:LlamaIndex 使用该值来决定有多少检索到的块可以放入提示中。使用 auto 时,路由器可能会选择不同的模型。请使用你的备用链中最小的上下文窗口。
  • is_function_calling_model=True:仅当你的备用链中包含支持工具调用的模型时才设置该项。
  • embed_batch_size:每个批次对应一次请求。批次越大,每分钟使用的请求数越少。

RAG 提示会包含多个检索到的块,因此聊天模型需要为它们留出空间。请为 RAG 创建一个备用链配置,其中包含长上下文模型。然后设置 model="auto:<profile>",并将 context_window 提高到该配置中最小的窗口大小。以下免费模型目前拥有最大的上下文窗口:

上下文窗口最大的免费模型
模型免费提供方上下文免费额度(最优惠)工具视觉
OpenAI: GPT-6 LunaElectronHub1.1M$0.25/week shared free credits否否
Gemini 3.8 FlashAPINex, Google AI Studio1M5 请求/分钟
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
是是
Gemini 3.7 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 请求/分钟
50 请求/天
Shared rate limit
是否
DeepSeek V4 Flash 0731ElectronHub, Router91M10,000 credits/month (~$1), shared; account-anniversary reset否否
Gemini 3.6 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
GLM-5.2ModelScope, Router91M100 请求/天
Daily login: 200 credits + 50 for linked Alibaba Cloud; 24h expiry; shared; noncommercial experience
否否
Gemini 3.5 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是

显示 8 个(共 115 个匹配的免费模型)。 查看所有模型.

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。

如需让同一用户始终使用同一个模型,请发送 X-Session-Id 请求头。OpenAILike 接受 default_headers,例如 default_headers={"X-Session-Id": "user-42"}。FreeLLMAPI 会在 30 分钟内让一个会话保持使用同一个模型。这样,同一段聊天中的回答风格保持一致。

构建并查询 RAG 索引

该脚本会从一个文件夹读取文件,生成 embeddings,保存索引,并回答一个问题。首次运行时构建索引。之后的运行会加载已保存的索引,而不会重新为文件生成 embeddings。

rag.py

import os
import settings  # noqa: F401  (sets Settings.llm and Settings.embed_model)
from llama_index.core import (
    SimpleDirectoryReader,
    StorageContext,
    VectorStoreIndex,
    load_index_from_storage,
)

PERSIST = "./storage"


def load_index() -> VectorStoreIndex:
    if os.path.isdir(PERSIST):
        return load_index_from_storage(StorageContext.from_defaults(persist_dir=PERSIST))
    docs = SimpleDirectoryReader("./docs").load_data()
    index = VectorStoreIndex.from_documents(docs, show_progress=True)
    index.storage_context.persist(persist_dir=PERSIST)
    return index


if __name__ == "__main__":
    query_engine = load_index().as_query_engine(similarity_top_k=4, streaming=True)
    response = query_engine.query("How do I rotate the API keys?")
    response.print_response_stream()
    for node in response.source_nodes:
        print("\nSource:", node.metadata.get("file_name"), round(node.score or 0, 3))
重要:整个索引请使用同一个 embedding 系列。FreeLLMAPI 在故障转移期间从不更换 embedding 模型。它只会在提供同一系列的服务商之间切换。如果更改了系列,请删除 ./storage 并重新构建索引。

以下 embedding 模型在今日目录中免费。维度列显示每个系列的向量大小。

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。

使用 FunctionAgent 添加智能体

FunctionAgent 使用工具调用。你可以将查询引擎作为工具提供给它,并添加你自己的 Python 函数。

agent.py

import asyncio
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.core.tools import QueryEngineTool
from llama_index.core import Settings
from rag import load_index

docs_tool = QueryEngineTool.from_defaults(
    query_engine=load_index().as_query_engine(similarity_top_k=4),
    name="project_docs",
    description="Answers questions about the project documentation.",
)

def open_tickets(team: str) -> int:
    """Return the number of open tickets for a team."""
    return {"billing": 4, "platform": 11}.get(team, 0)

agent = FunctionAgent(
    tools=[docs_tool, open_tickets],
    llm=Settings.llm,
    system_prompt="Use the tools. Cite the document name in each answer.",
)

async def main():
    result = await agent.run("How many platform tickets are open, and how do we rotate keys?")
    print(result)

asyncio.run(main())

进行智能体工作时,请选择支持工具调用的模型。创建一个只包含这些模型的备用链配置,并将 auto:<profile> 用作模型名称。

支持工具调用且上下文 128K 以上的免费模型
模型免费提供方上下文免费额度(最优惠)工具视觉
GLM 5.3UnoRouter1M1 请求/分钟
1 req/min per model
是否
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 请求/分钟
40 RPM
是是
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quota是是
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowance是否
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring credit是是
Gemini 3.7 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring credit是是
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 请求/分钟
50 请求/天
50 req/day account-wide (1,000 after a $10 purchase)
是是
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 请求/分钟
50 请求/天
Shared rate limit
是否
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 请求/分钟
250 请求/天
70,000 令牌/分钟
~6M
是是

显示 10 个(共 109 个匹配的免费模型)。 查看所有模型.

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。

将数据导入控制在免费限制之内

数据导入会在短时间内发送大量 embedding 请求。免费的 embedding 额度限制很低。例如,有些额度每分钟允许 10 次请求,另一些则按每月的调用次数计算。在开始首次导入之前,请先做好规划。

  • 使用较大的块。块越少,向量和请求就越少。约 1,024 tokens 的块大小是一个良好的起点。
  • 使用批次。将 embed_batch_size 设为 16 或更大。这样一次请求就能包含许多块。
  • 保存索引。首次运行后持久化索引。不要重复为相同的文件生成 embeddings。
  • 保持重试开启。OpenAILikeEmbedding 默认最多重试 10 次。对于长时间的导入任务,请保留该值。
  • 分批导入。对于数千个文件,每次导入一个文件夹。

查询的开销低于导入。每次查询使用一次 embedding 请求和一次聊天请求。包含四个 1,024 tokens 块的聊天请求大约发送 5,000 tokens。每分钟 token 限制较低的免费额度可能会拒绝此请求。随后,FreeLLMAPI 会尝试下一个服务商。

故障排除

问题原因解决方法
Unknown model 'auto'你使用了 OpenAI 类改用 OpenAILike
请求被发送到 /v1/completions未设置 is_chat_model设置 is_chat_model=True
智能体不调用工具is_function_calling_model 未开启,或该模型不支持工具调用将其设为 True,并使用支持工具的配置
导入时出现错误 429该 embedding 系列在所有服务商上都已达到限制使用更大的批次,等待 Retry-After 后再次运行
更换 embedding 模型后回答质量变差同一索引中混有两个系列的向量删除已保存的索引并重新构建
上下文长度错误context_window 大于作出回答的模型设置更小的值,或使用长上下文配置

要查看哪个服务商作出了回答,请使用 FreeLLMAPI 控制台。Analytics 页面会显示每个服务商和模型的请求数、延迟和错误。每个响应还带有 X-Routed-Via 请求头。如果路由器更换了服务商,X-Fallback-Trail 请求头会列出每次失败的尝试及其原因。

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

能否将 LlamaIndex 与免费 LLM 一起使用?

可以。使用 OpenAILike,并将 api_base 设置为兼容 OpenAI 的 URL。FreeLLMAPI 为多个免费服务商额度提供一个 URL。每个额度都有各自的限制。

LlamaIndex 中 OpenAI 与 OpenAILike 有什么区别?

OpenAI 类会根据 OpenAI 模型检查模型名称。OpenAILike 接受任何模型名称。上下文窗口以及聊天和函数调用标志需要你自行设置。

哪个免费 embedding 模型最适合 LlamaIndex?

选择一个有足够免费请求数用于导入的系列,并在整个索引中保持使用。bge-m3 系列在多家服务商上免费提供,因此故障转移可以在它们之间切换。

FunctionAgent 能与免费模型一起使用吗?

可以,前提是该模型支持工具调用,并且你设置了 is_function_calling_model=True。请使用只包含支持工具调用的模型的备用链配置。

构建 LlamaIndex 索引时如何避免速率限制?

使用较大的块,将 embed_batch_size 设为 16 或更大,持久化索引,并分批导入大型文件夹。

相关指南

来源

全部指南 · 浏览所有免费模型