Agregamos mais de 130 modelos de IA gratuitos de cerca de 50 provedores em um único endpoint

UnoRouter agrega rotas gratuitas de cerca de 50 provedores upstream em mais de 130 modelos com uma camada gratuita genuína atrás de uma única chave. Cada modelo gratuito permite cerca de 1 requisição por minuto por usuário; atingir o limite retorna HTTP 429 com um header Retry-After, e pools esgotados retornam um erro explícito de todos os provedores ocupados e se recuperam automaticamente. Modelos pagos são cobrados conforme o uso a partir de $1.

O ecossistema de LLMs gratuitos é real, mas fragmentado: NVIDIA, Cloudflare, Gemini, Mistral, Z.ai, ModelScope e dezenas de outros oferecem capacidade genuína, cada um atrás de suas próprias páginas de cadastro, formatos de chave e APIs incompatíveis. Descobrimos, testamos e integramos todos os provedores com camada gratuita permanente que encontramos ao UnoRouter. O resultado: mais de 130 modelos gratuitos de cerca de 50 provedores atrás de um único endpoint compatível com OpenAI e uma única chave.

O que adicionamos

Cerca de cinquenta provedores gratuitos, adicionados um a um: camadas gratuitas oficiais como NVIDIA NIM, Cloudflare Workers AI, Gemini, Mistral, Z.ai e ModelScope, hosts e roteadores de modelos abertos, redes comunitárias como Gonka e AI Horde, e produtos web gratuitos que conectamos por meio de nossos próprios adaptadores. São mais de 130 modelos gratuitos: GLM, DeepSeek, Gemini, MiniMax, Qwen, gpt-oss, Nemotron, Llama e muito mais, além de modelos gratuitos de imagem e áudio. Cada um é verificado de ponta a ponta para HTTP, streaming e chamadas de ferramentas antes de entrar em produção, e os mesmos testes de autenticidade que aplicamos nos modelos pagos detectam provedores que entregam um modelo diferente do que afirmam.

Gratuitos por um motivo

Esses modelos são realmente gratuitos, e é exatamente por isso que têm limites. Cada origem impõe os seus: requisições por minuto, cotas diárias de tokens, orçamentos de neurônios da Cloudflare, prioridade na fila de voluntários. Ao atingir um teto, aquele provedor retorna 429 até que ele seja reiniciado. Uma chave gratuita que funcionava de manhã pode estar esgotada à tarde. O nível gratuito é throughput de melhor esforço, não uma garantia. Se sua carga de trabalho precisa de latência previsível e nenhum 429 de surpresa, use um modelo pago.

Nosso próprio limite de taxa, e por que ele existe

Além dos tetos de origem, adicionamos um pequeno limite nosso: uma requisição por minuto por modelo gratuito e por usuário. É proposital. Um único modelo gratuito costuma ser um só pool de origem compartilhado, de talvez um milhão de tokens por dia para todo mundo somado, de modo que, sem um teto, um punhado de usuários pesados o esvaziaria em minutos e todos os demais não veriam nada. Uma por minuto por modelo mantém o pool vivo e espalhado por toda a comunidade, e você pode distribuir o tráfego pelos muitos modelos gratuitos em vez de martelar um só. Quando você atinge o nosso teto, recebe um HTTP 429 com um cabeçalho Retry-After que informa exatamente quanto tempo esperar. Isso é separado do 429 de origem e do 503 mais abaixo. Se quiser throughput maior em um modelo específico, use o nível pago dele, onde o limite não se aplica.

Por que agrega-los, afinal

Porque a alternativa são cinquenta contas. Cada provedor tem seu próprio cadastro, seu próprio formato de chave, sua própria URL base e suas próprias particularidades: alguns falam seu próprio dialeto de API, alguns incluem um ID de conta na URL, alguns existem apenas como chat web. Absorvemos tudo isso para que você os acesse da mesma forma que acessa tudo o mais: um único endpoint compatível com OpenAI, uma chave, um nome de modelo. Modelos gratuitos custam $0 e não ficamos com nenhuma parte; os modelos pagos são o que mantém tudo funcionando.

Como suavizamos os limites

Muitos desses modelos são servidos por mais de um provedor gratuito. Só o Llama 3.3 70B roda em sete deles. Quando vários provedores oferecem o mesmo modelo, nós os agrupamos sob um único nome publicado e fazemos failover automaticamente: se uma origem retorna um 429 ou fica em silêncio, o próximo provedor saudável que serve aquele modelo assume a requisição. Essa é a única alavanca que de fato controlamos. Se, em um dado momento, todos os provedores de um modelo estão com a taxa limitada, a requisição retorna um HTTP 503 com uma mensagem explícita de "todos os provedores ocupados" (não um 404, nem um "modelo não encontrado"), e o canal é retestado e reativado em minutos pelo nosso cron de saúde. Assim, um modelo gratuito de múltiplas fontes continua respondendo muito depois de qualquer um de seus provedores se esgotar. Modelos gratuitos de fonte única não têm alternativa, então travam quando sua única origem se esgota.

De onde os modelos gratuitos realmente vêm

Nem toda fonte é uma API gratuita oficial, e preferimos dizer isso a deixar você presumir que sim. Parte do catálogo gratuito vem de planos gratuitos públicos dos provedores. Parte vem de redes comunitárias que oferecem inferência gratuita. Parte vem de chats web gratuitos que conectamos por meio de adaptadores próprios, que esses serviços não criaram para esse tipo de uso. Em alguns provedores, usamos mais de uma conta para distribuir a carga. Quando um provedor nos pede para parar, paramos: em setembro, removemos um modelo poucas horas depois de o proprietário entrar em contato conosco. Se o seu trabalho exige uma fonte oficial e estável, use os modelos pagos ou a própria API do provedor.

Experimente

Todos os mais de 130 modelos gratuitos estão disponíveis atrás de um único endpoint compatível com OpenAI. Obtenha uma chave de API ou navegue pelo catálogo de modelos e filtre pelos gratuitos. Lembre-se em qual camada você está quando um 429 ou 503 aparecer.