Qual API de LLM é gratuita? Opções, limites e um teste real

A resposta curta: três tipos de gratuito

Quando as pessoas perguntam qual API LLM é gratuita, elas geralmente querem dizer uma de três coisas diferentes, e as diferenças importam mais do que a etiqueta de preço.

• Um plano gratuito de um provedor hospedado. Você recebe uma quantidade limitada de uso, muitas vezes com limites de requisições rigorosos, e os termos podem mudar sem muito aviso.
• Um modelo que você executa você mesmo. Os pesos de muitos modelos abertos custam nada para baixar. A GPU, a eletricidade e o tempo de configuração não.
• Crédito de teste. Um pequeno saldo pré-pago que permite testar o serviço real com requisições reais antes de colocar dinheiro.

Nenhum desses é uma API gratuita permanente para um produto com usuários. Se você só precisa experimentar um modelo, escrever um protótipo ou verificar se um endpoint funciona com seu cliente, qualquer um dos três pode fazer o trabalho. Se você está construindo algo que as pessoas usarão todos os dias, planeje um caminho pago desde o início, porque o momento em que um plano gratuito termina é geralmente o momento em que seu projeto está mais ocupado.

Como os planos gratuitos geralmente se parecem

Os planos gratuitos diferem entre provedores e mudam frequentemente, então trate esta seção como uma lista de verificação do que procurar, não como uma declaração sobre qualquer empresa. Para números atuais, verifique suas páginas de preços e termos atuais.

• Limites de requisição. O uso gratuito é normalmente limitado por minuto e por dia. Um aplicativo de chat com alguns usuários pode atingir esses limites em uma tarde.
• Escolha de modelo. O acesso gratuito pode cobrir apenas modelos menores ou mais antigos, ou uma fila com prioridade menor.
• Termos de dados. Algumas ofertas gratuitas permitem que o provedor use seus prompts para melhorar seus produtos. Isso é bom para um teste com texto público. É uma má opção para documentos privados, mensagens de clientes ou ficção pessoal.
• Regras de conteúdo. Provedores principais aplicam seus próprios filtros de segurança. Se seu uso é legal, mas de tom adulto, como ficção, roleplay ou um aplicativo de companhia para adultos, um modelo filtrado recusará frequentemente, e as recusas ainda consomem sua cota gratuita.

O ponto de conteúdo é o que surpreende as pessoas. Uma solicitação gratuita que retorna uma recusa não é gratuita em nenhum sentido útil, porque você gastou seu tempo e parte do seu limite em nada. Se um modelo sem filtros é o que você precisa, filtre a lista de opções gratuitas por isso primeiro.

Auto-hospedagem de um modelo de pesos abertos

Executar um modelo em sua própria máquina é o mais próximo de verdadeiramente gratuito, com uma ressalva: você paga em hardware e atenção. Os pesos são frequentemente gratuitos para baixar, embora cada um tenha sua própria licença, então leia-a se você planeja construir um produto com base nela.

O que você realmente gasta:

• Memória. Um modelo precisa caber na memória da GPU ou na memória do sistema se você aceitar saída muito mais lenta. Modelos maiores precisam de mais disso, e encolher um modelo por quantização troca alguma qualidade por espaço.
• Tempo de configuração. Você instala um runtime, escolhe uma quantização, ajusta o tamanho da janela de contexto e mantém tudo atualizado.
• Energia e ruído. Uma GPU sob carga consome eletricidade real, e um laptop vai te avisar sobre isso.
• Concorrência. Uma GPU atende uma ou duas requisições confortavelmente. Atender dez usuários ao mesmo tempo é um projeto diferente.

Para aprendizado, trabalho offline e privacidade por padrão, o local é excelente. Para um pequeno aplicativo que deve responder de qualquer dispositivo a qualquer hora, muitos desenvolvedores acabam alugando capacidade. Uma API hospedada transforma o custo fixo do hardware em um custo por token, que é mais barato quando seu uso é pequeno e irregular.

Chaves compartilhadas e proxies comunitários

Ao buscar uma API gratuita, você encontrará listas de endpoints públicos, chaves compartilhadas e proxies mantidos por amadores. Desconfie dessas opções. Uma chave compartilhada pode ser revogada no meio de uma demonstração. O operador de um proxy pode ler todos os prompts que passam por ele. Não há suporte, não há limites declarados e muitas vezes não há como saber qual modelo está respondendo.

Se seus prompts contiverem algo que você não colaria em um fórum público, pule esta categoria inteiramente. Um pequeno saldo pago com uma política de dados clara é um negócio melhor do que um endpoint gratuito cujo proprietário você não pode identificar.

O que o teste neste site oferece

Este serviço é uma API de texto hospedada, compatível com OpenAI, com um único modelo, uncensored, ajustado para responder sem recusas de conteúdo para uso adulto lícito. Não há um plano gratuito permanente. Há um teste: após você entrar com Google ou com e-mail e senha, a página chave de API mostra um botão que reserva $0,50 de crédito de teste. É um clique, não precisa de detalhes de pagamento, é válido por 7 dias e limitado a um por pessoa.

Uma chave de teste executa 2 requisições simultâneas e 60 requisições por minuto, o que é suficiente para testar um cliente ou um prompt. O preço é $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Aqui está o que $0,50 compra para alguns tamanhos de solicitação típicos, calculado exatamente:

Tamanho	Custo por requisição	Requisições por $0,50
500 tokens de entrada, 200 de saída (rodada de chat curta)	$0.000075 + $0.000100 = $0.000175	cerca de 2.857
2.000 de entrada, 500 de saída (chat com algum histórico)	$0.000300 + $0.000250 = $0.000550	cerca de 909
20.000 de entrada, 1.000 de saída (cena longa ou documento)	$0.003000 + $0.000500 = $0.003500	cerca de 142
90.000 de entrada, 2.000 de saída (perto da janela de 100.000)	$0.013500 + $0.001000 = $0.014500	cerca de 34

O teste é suficiente para executar algumas centenas de requisições realistas, testar streaming, experimentar o modo JSON e chamada de funções, e ver como o modelo se comporta com seus prompts. Não serve para rodar um produto. Para os passos exatos de configuração, o guia de início rápido na documentação tem código funcional para o SDK OpenAI, Node e curl.

Quando o crédito pré-pago faz sentido

Uma vez que o crédito de teste é gasto, o modelo é cobrado por uso a partir de crédito pré-pago. Não há assinatura. Você recarrega qualquer valor inteiro de $20 a $500, e o crédito nunca expira, então um saldo que você não usa este mês ainda estará lá no próximo mês. Requisições falhas ou recusadas não são cobradas. Recargas maiores têm um bônus: +5% de $50, +10% de $100 e +15% de $200.

Os bônus funcionam assim:

• $20 compra $20,00 de crédito.
• $50 compra $52,50 (um bônus de 5% de $2,50).
• $100 compra $110,00 (um bônus de 10% de $10).
• $200 compra $230,00 (um bônus de 15% de $30).

Este site aceita apenas recargas em criptomoeda: USDT na rede TRC20 ou USDC na rede Base. Se você não possui nenhuma delas, essa é uma barreira real e vale saber antes de começar. A página de preços tem os detalhes atuais.

Para ver o que uma recarga de $20 significa na prática, use os mesmos tamanhos de requisição acima. Com 500 tokens de entrada e 200 de saída, $20 cobrem cerca de 114.000 requisições. Com 2.000 de entrada e 500 de saída, cobre cerca de 36.000. Um app de chat hobby com poucos usuários raramente gasta tanto em um mês, por isso o mínimo é viável até para projetos pequenos.

Como testar qualquer opção gratuita antes de depender dela

Qualquer que seja o caminho que você escolher, gaste uma tarde em um teste adequado em vez de uma única chamada hello-world.

1. Use seus prompts reais. Um modelo que escreve um haiku bonito ainda pode falhar no seu prompt do sistema, seu idioma ou seu formato de saída.
2. Meça as recusas. Envie vinte prompts do seu caso de uso real e conte quantos retornam recusados ou simplificados.
3. Acione os limites de propósito. Envie requisições em paralelo e veja como fica o erro. Aqui, ultrapassar o limite por minuto retorna HTTP 429 com o código rate_limited, e muitas requisições simultâneas retornam 429 com concurrency. Uma sobrecarga temporária também retorna 429 com o cabeçalho Retry-After: 5, então seu cliente deve aguardar e tentar novamente.
4. Leia os termos de uso. Os prompts enviados aqui não são usados para treinamento. Para qualquer outro serviço, encontre a declaração por escrito.
5. Estime o custo pago. Pegue sua média de tokens por requisição, multiplique pela quantidade esperada de requisições e compare. O cálculo leva cinco minutos e evita a maioria das surpresas.

O serviço é apenas de texto. Não há geração de imagens, áudio ou vídeo, nem embeddings ou fine-tuning, e há um limite rígido: não há conteúdo sexual envolvendo menores de idade. Se o seu projeto precisa de alguma das funcionalidades ausentes, uma opção gratuita em outro lugar não resolverá isso, então resolva isso primeiro. A página sobre o modelo de texto compatível com OpenAI explica o que o endpoint faz e o que não cobre.

Mais guias

• Melhor LLM local para roleplay ou uma API hospedada?
• API LLM NSFW em Python: streaming, JSON e ferramentas
• API LLM sem censura: modelo de texto compatível com OpenAI