首页 / 指南 / 免费视觉 API

免费视觉 API

视觉 API 可让 LLM 读取图像。您可以让它描述照片、读取收据或解释图表。FreeLLMAPI 目录中有 78 个接受图像的免费模型选项。您以标准 OpenAI 格式发送图像,路由器会为您选择视觉模型。本指南介绍模型、各提供方的尺寸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。

图像输入的工作方式

在 messages 数组中,以 image_url 内容块的形式发送图像。URL 可以是带 base64 数据的 data: URL,也可以是 http(s) URL。请使用 /v1/chat/completions。/v1/responses 端点目前还不接受图像。

  • 自动路由:当请求包含图像时,路由器只使用视觉模型。对于该请求,它会忽略纯文本模型。
  • 自动切换:当某个视觉提供方达到限制时,路由器会尝试您链中的下一个视觉模型。
  • 明确的错误:当未启用任何视觉模型时,您会收到错误 422,其中 code: "no_vision_model"。图像不会被静默丢弃。

当前的免费视觉模型

下表列出了目录中当前最强的、支持图像输入的免费模型。数据来自实时目录。一行可以列出提供相同模型的多个提供方。

支持图像输入的免费模型,按能力从强到弱排列
模型免费提供方上下文免费额度(最优惠)工具视觉
GLM 5.3 FlashUnoRouter1M1 请求/分钟
1 req/min per model
是是
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quota是是
Gemini Flash (latest alias)Google AI Studio-10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
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
Qwen3.8 27BElectronHub, Groq262K30 请求/分钟
250 请求/天
70,000 令牌/分钟
~6M
是是
Gemini 3.6 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/day是是
Gemini 3.5 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
Gemini 3.8 LiveGoogle AI Studio-10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
Moondream 3.1 9B A2BCloudflare Workers AI, Moondream33K~10-20M否是
Moondream 3 PreviewMoondream-$5/month shared workspace usage credits否是

显示 15 个(共 67 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。

Gemini 模型提供最大的上下文,并可接受多张图片。Groq 和 Cloudflare 上的 Qwen 3.8 27B 是 Google 之外的快速选择。Moondream 专为图像任务设计,但其输出限制为 4,096 个 tokens。

第 1 步:安装 FreeLLMAPI 并添加密钥

FreeLLMAPI 是开源软件。它在您的计算机上通过 Docker 运行。您的提供方密钥保存在您的计算机上。

安装(macOS 或 Linux)

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

在浏览器中打开仪表板 http://localhost:3001。在 Keys 页面添加一个 Google AI Studio 密钥和另一个密钥。在 Fallback Chain 页面,视觉模型带有 Vision 标记。请确保至少启用一个。从 Keys 页面复制您的统一密钥。

第 2 步:发送图像

curl:来自 URL 的图像

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:本地文件转为 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)

在数据 URL 中使用正确的 MIME 类型,例如 image/png 或 image/jpeg。要发送多张图像,请在同一条消息中添加更多 image_url 块。

各提供方的图像限制

提供方限制,检查于 2026-11-19
提供方限制(官方)处理方法
Google Gemini包含内联图像的请求总大小:20 MB。格式:PNG、JPEG、WEBP、HEIC、HEIF发送前先缩小大照片
Google Gemini尺寸不超过 384x384 像素的图像消耗 258 tokens。较大的图像会被切分为 768x768 的图块,每块 258 tokens960x540 的图像使用 6 个图块,约 1,548 tokens
Groq(Qwen 3.8 27B)每个请求最多 3 张图像。带图像 URL 的请求最大 20 MB发送给 Groq 模型的图像最多 3 张
Moondream仅支持 base64 数据 URL。不支持远程图像 URL发送图像字节,而不是链接

图像 tokens 计入免费套餐的每分钟令牌数限制。包含五张大图像的请求,可能超过小型提供方的限制。如果不需要精细细节,请缩小图像,例如将长边缩小到 1024 像素。

适用于图像任务的提示词

  • 每个请求一项任务:就图像提出一个明确的问题。在一个提示词中提出多个问题,得到的回答会更简短,也不够准确。
  • 结构化输出:对于收据和表单,请写明您需要的字段,例如 item、price 和 total。并要求仅返回 JSON。
  • 无法读取的值:告诉模型,当它无法读取某个值时,写入 null。这样它就不会猜测。
  • 先裁剪:将图像裁剪为您需要的部分。更小的图像使用更少的 tokens,并能提供更好的细节。
  • 稳定的回答:对于提取任务,请将 temperature 设置为 0。
  • 核对数字:将总额和日期与图像对照。视觉模型可能会误读小字和相似的数字。

故障排除

问题原因解决方法
错误 422 no_vision_model您的链中没有启用任何视觉模型在 Fallback Chain 页面启用带有 Vision 标记的模型
模型表示它看不到图像请求发送到了 /v1/responses使用 /v1/chat/completions
远程 URL 返回错误 400提供方无法下载该 URL将图像作为 base64 数据 URL 发送
大文件返回错误 413 或 400图像或请求过大缩小图像,或减少图像数量
图像请求返回错误 429图像 tokens 用完了每分钟令牌数限制缩小图像,或添加更多视觉提供方的密钥
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

有免费的视觉 API 吗?

有。Google AI Studio、Groq、Cloudflare、NVIDIA、OpenRouter 和其他提供方都提供支持图像输入的免费模型。FreeLLMAPI 通过一个兼容 OpenAI 的密钥,提供 78 个免费视觉模型选项。

如何将图像发送给免费的 LLM API?

在用户消息中添加一个 image_url 内容块。使用 base64 数据 URL 或 https URL,并将其发送到 /v1/chat/completions。

一张图像使用多少 tokens?

在 Gemini 上,尺寸为 384x384 像素或更小的图像使用 258 tokens。较大的图像会被切分为 768x768 的图块,每个图块使用 258 tokens。

一个请求中能否发送多张图像?

可以。在消息中添加更多 image_url 块。部分提供方会限制数量。例如,Groq 在 Qwen 3.8 27B 上每个请求允许 3 张图像。

哪个免费视觉模型最适合读取文档?

读取收据、图表和扫描页面时,请使用 Gemini 模型。它的上下文窗口大,并可接受多张图像。对于数字,请对照图像核对答案,因为视觉模型可能会误读小字。

相关指南

来源

全部指南 · 浏览所有免费模型