¿Qué LLM gratis es mejor para programar? Probado en Claude Code, Cline y Roo Code

Si te preguntas qué LLM gratis es mejor para programar, la respuesta honesta depende del agente de programación que quieras ejecutar.

Para Cline y Roo Code, el mejor punto de partida de API de LLM gratis suele ser Gemini a través de su endpoint compatible con OpenAI, porque ofrece un nivel gratuito propio, un base_url documentado con estilo OpenAI y suficiente compatibilidad para probar prompts reales de agentes antes de pagar. Para Claude Code, la respuesta es distinta: las API gratis compatibles con OpenAI no se conectan de forma directa. Claude Code espera una ruta de gateway compatible con el formato de Anthropic, y la propia documentación de Anthropic dice que no admite enrutar Claude Code a modelos que no sean Claude a través de un gateway.

Esa diferencia importa más que las puntuaciones de los rankings. Los agentes de programación no envían un solo prompt de chat educado. Hacen streaming de llamadas a herramientas, inspeccionan archivos, reintentan tras errores y agotan las cuotas gratis rápidamente. El mejor modelo LLM gratis para programar es el que sobrevive al protocolo del agente que realmente usas.

Esta guía compara rutas de API LLM gratis para Claude Code, Cline y Roo Code, y luego ofrece una matriz práctica de निर्णय para desarrolladores que quieren probar agentes de programación sin construir accidentalmente sobre una trampa de cuota.

¿Qué LLM gratis es mejor para programar? La respuesta corta

Si quieres una respuesta predeterminada para qué LLM gratis es mejor para programar, usa esto:

La regla importante: una API LLM gratis para agentes de programación debe evaluarse por llamadas a herramientas, manejo del contexto, comportamiento de reintentos y visibilidad de cuotas, no solo por la calidad de la respuesta en un único prompt de programación.

Qué probamos

Para este artículo, «probado» significa una prueba de preparación de configuración frente a las tres superficies de agente que un desarrollador realmente tiene que configurar:

1. ¿Puede el agente apuntar a un endpoint de API personalizado sin parchear la extensión o la CLI?
2. ¿Expone el proveedor una ruta compatible con OpenAI o compatible con Anthropic que coincida con el agente?
3. ¿La ruta del modelo admite el comportamiento de llamada a herramientas necesario para el coding agéntico?
4. ¿Los límites de tasa, las limitaciones del nivel gratuito y las advertencias de producción son visibles antes de que comience una tarea de programación larga?
5. ¿Puede un equipo pasar de una prueba gratis a una configuración de API enrutada y observable sin volver a cambiar cada configuración local del agente?

Esto no es una tabla de benchmark sintética. Las cuotas exactas del nivel gratuito cambian, los niveles de cuenta varían y el comportamiento de los agentes de programación cambia a medida que evolucionan las herramientas. La comparación útil es si la ruta gratuita es segura para probar y qué falla primero.

Compatibilidad por agente de programación

Claude Code

Claude Code es la superficie menos amigable para API genéricas gratuitas compatibles con OpenAI.

Anthropic documenta una ruta de gateway para Claude Code mediante variables como ANTHROPIC_BASE_URL, pero el gateway tiene que exponer un formato de API compatible. La misma documentación dice que Anthropic no admite enrutar Claude Code a modelos que no sean Claude a través de ningún gateway. También explica que una credencial de gateway cambia el comportamiento de facturación y límites de uso porque las solicitudes usan la credencial del gateway en lugar de un inicio de sesión guardado de la suscripción de Claude.

Eso hace que la respuesta práctica sea simple: si tu pregunta es qué LLM gratis es mejor para programar en Claude Code, no empieces conectando un endpoint gratuito cualquiera compatible con OpenAI. Empieza con una ruta compatible con Claude y luego usa un gateway solo cuando entiendas el manejo de credenciales, la facturación y el comportamiento del protocolo admitido.

El propio quickstart de Flatkey refleja esa distinción. Flatkey documenta una clave, un balance, un catálogo de modelos, un router compatible con OpenAI para uso de SDK/API y una ruta de configuración separada de Codex y Claude Code a través de Console. Eso permite que un equipo trate la configuración del agente como infraestructura en lugar de dispersar claves de proveedor por los portátiles.

Cline

Cline es mucho más directo para experimentos con API gratis.

La configuración de proveedor compatible con OpenAI de Cline pide tres campos principales: Base URL, API Key y Model ID. También te permite configurar detalles del modelo como el máximo de tokens de salida, la ventana de contexto, el soporte de imágenes, el uso de ordenador y las suposiciones de precio de entrada y salida.

Eso convierte al endpoint compatible con OpenAI de Gemini en un valor predeterminado sólido para Cline. Google documenta una base URL de la API de Gemini compatible con OpenAI en:

https://generativelanguage.googleapis.com/v1beta/openai/

Así que una prueba con Cline puede ser tan simple como seleccionar "OpenAI Compatible", pegar la URL base compatible con Gemini, añadir una clave de API de Gemini y elegir un modelo capaz de programar. La pega es la cuota: los bucles de agente pueden consumir rápidamente las asignaciones gratuitas, así que conviene mantener las tareas cortas e inspeccionar los errores antes de asumir que el modelo es malo.

Roo Code

Roo Code también admite proveedores compatibles con OpenAI, pero añade un requisito más estricto que importa para los agentes de programación: llamadas nativas a herramientas.

La documentación de Roo dice que el proveedor compatible con OpenAI usa Base URL, API Key y Model ID, pero también indica que Roo Code utiliza exclusivamente llamadas nativas a herramientas. Si el modelo no admite llamadas a herramientas compatibles con OpenAI, no se puede usar con Roo Code.

Eso cambia la respuesta a qué LLM gratis es mejor para programar en Roo. No basta con que un modelo escriba buen código por sí solo. Tiene que admitir suficientemente bien el esquema de function calling/herramientas para que Roo pueda leer archivos, aplicar ediciones y transmitir eventos de herramientas de forma fiable.

Para Roo, empieza con Gemini u otro proveedor que documente llamadas a herramientas compatibles con OpenAI, mantén pequeña la primera tarea y vigila los errores de llamadas a herramientas antes de dedicar tiempo a ajustar prompts.

Opciones gratuitas de API de LLM para agentes de programación

1. Nivel gratuito de la API de Gemini

Gemini es la mejor primera API gratuita de LLM para muchos usuarios de Cline y Roo Code porque Google documenta tanto una vía inicial gratuita como compatibilidad con OpenAI. Su página de precios indica que los desarrolladores pueden empezar a construir sin coste con límites y luego escalar a un uso prepago o de pago por uso. Sus documentos de compatibilidad con OpenAI muestran la API de Gemini funcionando con la biblioteca de OpenAI y la ruta chat/completions.

Usa Gemini primero cuando:

• Quieres un proveedor de primera mano, no un enrutador de modelos de terceros.
• Necesitas una URL base compatible con OpenAI para Cline o Roo Code.
• Quieres una ruta clara de actualización después de probar gratis.
• Estás probando tareas generales de programación, refactorizaciones, documentación y pequeñas correcciones de errores.

No uses el nivel gratuito de Gemini como prueba de que tu agente de producción es barato. El tráfico del nivel gratuito es una vía de pruebas. Los agentes de programación de larga duración necesitan un plan de cuota de pago, una política de reintentos y seguimiento de uso.

2. Variantes gratuitas de modelos de OpenRouter

OpenRouter es útil cuando el trabajo consiste en descubrir modelos. Expone muchas variantes de modelos, incluidas variantes gratuitas con IDs que terminan en :free. Su documentación de límites describe topes de solicitudes para modelos gratuitos, techos diarios de solicitudes que dependen del historial de crédito de la cuenta, comportamiento de 429 y un endpoint de inspección de claves para los límites actuales.

Usa variantes gratuitas de OpenRouter cuando:

• Quieres comparar varios modelos abiertos o alojados rápidamente.
• No te importan los topes de solicitudes.
• Necesitas una forma rápida de probar el ajuste del prompt antes de elegir un proveedor.
• Puedes gestionar limpiamente errores 429, 402 y errores de límites del lado del proveedor.

OpenRouter es menos ideal cuando tu agente de programación necesita un rendimiento predecible para una refactorización larga. Una ruta gratuita está bien para explorar; no es un plan de capacidad de producción.

Si este es tu cuello de botella, acompaña este artículo con la guía de Flatkey sobre límites de velocidad de OpenRouter: Límites de velocidad de OpenRouter: por qué ocurren y cómo solucionarlos.

3. Plan gratuito de Groq

Groq resulta atractivo cuando la velocidad es el experimento. Su documentación sobre límites explica RPM, RPD, TPM, TPD y tipos de límites relacionados, y sus documentos de modelos distinguen entre modelos de producción y modelos de vista previa. Eso importa porque los modelos de vista previa pueden ser útiles para evaluación, pero no deben tratarse como dependencias estables de producción.

Usa Groq cuando:

• La latencia es lo que estás probando.
• Tu tarea de programación es lo bastante corta como para encajar en los límites del plan gratuito.
• Puedes elegir un modelo activo que se adapte a los requisitos de herramientas de tu agente de programación.
• Quieres comparar "lo bastante rápido" frente a "lo bastante inteligente" antes de pagar por un modelo más grande.

Ten cuidado con los bucles de agente. Un modelo gratuito rápido puede alcanzar los límites de solicitudes o de tokens antes que uno más lento.

4. Cloudflare Workers AI

Cloudflare Workers AI es interesante si ya construyes sobre Workers o quieres inferencia cercana al edge. Su documentación de precios describe una asignación diaria gratuita de neuronas de Workers AI y un uso de pago más allá de esa asignación en Workers Paid. También enumera modelos de LLM, incluidas opciones de Qwen y DeepSeek cercanas a programación.

Usa Workers AI cuando:

• Tu producto ya se ejecuta en Cloudflare.
• Quieres llamadas de IA sin servidor cerca de la infraestructura de tu aplicación.
• Tu prueba de agente de programación trata más sobre integración que sobre calidad de modelo de primer nivel.

No lo elijas solo porque aparezca la palabra "gratis". Aun así necesitas entender los reinicios diarios, la disponibilidad de modelos, los requisitos de plan de pago para algunos modelos y si tu agente puede hablar la forma de API correcta.

5. APIs de LLM locales mediante Ollama o LM Studio

Los modelos locales son "gratuitos" en el sentido estricto de que no se genera una factura del proveedor por token. No son gratuitos en términos operativos: pagas con hardware local, latencia, memoria, tiempo de configuración y una calidad de modelo inferior en máquinas pequeñas.

Las API locales merecen la pena cuando:

• Tu código debe quedarse en tu máquina.
• Tus tareas son pequeñas y repetitivas.
• Estás probando la mecánica del agente más que la máxima calidad de razonamiento.
• Puedes aceptar un rendimiento más lento y ediciones ocasionalmente débiles.

Los modelos locales normalmente no son la respuesta a qué LLM gratis es mejor para programar si necesitas cambios autónomos potentes en varios archivos. Son útiles como base de referencia con prioridad en la privacidad y como alternativa de respaldo.

La matriz de decisión

Usa esta matriz antes de integrar cualquier configuración gratuita de LLM para programación en el trabajo diario:

Si la respuesta a dos o más filas no está clara, ejecuta la API gratuita del LLM manualmente antes de confiar en ella dentro de un agente de programación.

Un camino práctico de configuración para Cline y Roo Code

Usa esta ruta segura al evaluar una API gratuita de LLM para agentes de programación:

1. Elige una tarea pequeña: actualizar un README, explicar un stack trace o hacer una refactorización de un solo archivo.
2. Configura el agente con la base URL documentada del proveedor, la API key y el ID del modelo.
3. Empieza con el contexto más pequeño que reproduzca la tarea.
4. Confirma si las llamadas a herramientas funcionan antes de pedir ediciones en varios archivos.
5. Vigila errores de límite de velocidad, falta de soporte para llamadas a herramientas y errores de modelo no encontrado.
6. Guarda el proveedor exacto, el modelo, la base URL y las notas del error.
7. Solo entonces prueba una tarea más larga.

Para Cline, esto es sobre todo un ejercicio de configuración del proveedor. Para Roo Code, trata las llamadas a herramientas como un requisito ineludible. Para Claude Code, trata la compatibilidad de protocolo como el requisito ineludible.

Dónde encaja Flatkey después de la prueba gratuita

Las API gratuitas son excelentes para responder "¿puede funcionar este agente?" Son débiles para responder "¿puede mi equipo usar esto todos los días?"

Flatkey está diseñado para la segunda pregunta. La guía de inicio rápido pública de Flatkey documenta una clave para API, SDK, CLI y configuración de agentes de programación; un router compatible con OpenAI en:

https://router.flatkey.ai/v1

También documenta Usage Logs para que los equipos puedan inspeccionar el modelo, los recuentos de tokens, la latencia y el coste después de una solicitud. La descripción general del producto sitúa a Flatkey en torno a un equilibrio entre modelos oficiales y herramientas de pago por uso, con el uso registrado en un único libro mayor.

Eso es útil una vez que una prueba de programación con un LLM gratuito crece hasta convertirse en:

• varios desarrolladores con distintos agentes locales,
• varios proveedores de modelos,
• políticas de reintento y fallback,
• atribución del uso,
• controles de gasto,
• y la necesidad de evitar dispersar las claves de los proveedores.

El principio de migración es simple: prueba los modelos gratuitos directamente al aprender, y luego mueve el uso serio de agentes detrás de un único gateway observable antes de que las configuraciones locales se vuelvan inmanejables.

Para los detalles de configuración, empieza con Flatkey API Quickstart: Make Your First Call Through router.flatkey.ai y One OpenAI-Compatible Base URL for Multi-Model Prompt Testing.

Errores comunes

Error 1: tratar cualquier API compatible con OpenAI como compatible con agentes

Un chat compatible con OpenAI no es lo mismo que la compatibilidad con agentes de programación. Las llamadas a herramientas, el streaming, los ID de modelo y la configuración de salida máxima pueden diferir.

Error 2: elegir el modelo gratuito más inteligente e ignorar las cuotas

El mejor modelo LLM gratuito para programar no sirve de nada si falla a mitad de una refactorización. Inspecciona los límites de velocidad antes de iniciar bucles de agente.

Error 3: usar Claude Code como si fuera Cline o Roo Code

Claude Code tiene un modelo de gateway diferente. Un endpoint genérico gratuito compatible con OpenAI que funciona en Cline puede no ser una ruta compatible con Claude Code.

Error 4: olvidar que "gratis" a menudo significa "solo evaluación"

La documentación de los proveedores suele separar los niveles gratuitos, los modelos de vista previa y los modelos de producción. Si la tarea importa, lee esas distinciones antes de automatizarla.

FAQ

¿Qué LLM gratuito es mejor para programar en general?

Para la mayoría de los desarrolladores que prueban Cline o Roo Code, el nivel gratuito de Gemini a través de su endpoint compatible con OpenAI es el mejor punto de partida. Para Claude Code, una API gratuita genérica compatible con OpenAI no es el valor predeterminado correcto, porque la compatibilidad de gateway de Claude Code se centra en un comportamiento compatible con Anthropic.

¿Cuál es la mejor API de LLM gratuita para agentes de programación?

La mejor API de LLM gratuita para agentes de programación es la que coincide con el protocolo de tu agente y admite llamadas a herramientas. Gemini es el valor predeterminado más sólido para pruebas de agentes compatibles con OpenAI; OpenRouter es útil para muestrear modelos gratuitos; Groq es útil para pruebas de velocidad; los modelos locales son útiles para experimentos privados.

En la práctica, la pregunta qué LLM gratuito es mejor para programar siempre debe responderse por agente, no por ranking de modelos.

¿Puedo usar modelos gratuitos de OpenRouter en Cline o Roo Code?

Sí, si configuras correctamente la base URL compatible con OpenAI, la clave y el ID del modelo, y el modelo seleccionado admite el comportamiento que necesita tu agente. Espera límites de solicitudes en modelos gratuitos y gestiona los errores 429.

¿Puedo usar un modelo gratuito compatible con OpenAI en Claude Code?

No como un reemplazo genérico de arrastrar y soltar. La documentación del gateway de Claude Code se centra en formatos de API compatibles y en un comportamiento de gateway compatible con Anthropic, y Anthropic dice que no admite dirigir Claude Code a modelos que no sean Claude a través de ningún gateway.

¿Son lo suficientemente buenos los LLM locales para agentes de programación?

Pueden ser lo bastante buenos para pequeñas ediciones, explicaciones y experimentos privados. Por lo general, son más débiles para tareas largas de agente en varios archivos, a menos que tengas hardware local potente y un modelo que admita el protocolo de herramientas del agente.

Recomendación final

Si tu verdadera pregunta es qué LLM gratis es mejor para programar, empieza con el agente:

• Cline: prueba primero el endpoint compatible con OpenAI de Gemini.
• Roo Code: prueba primero Gemini, pero verifica de inmediato la llamada nativa a herramientas.
• Claude Code: usa una ruta compatible con Claude admitida en lugar de forzar una API genérica gratuita de OpenAI.
• Compra de modelos: usa variantes gratuitas de OpenRouter, pero espera límites.
• Experimentos de latencia: prueba Groq.
• Pruebas privadas/locales: prueba Ollama o LM Studio.

La programación con LLM gratis se usa mejor como un entorno de pruebas. Una vez que el flujo de trabajo se convierta en parte de tu ciclo diario de desarrollo, pásalo detrás de un enrutamiento observable, registros de uso, políticas de respaldo y una sola clave gestionada.