Qual LLM gratuito é melhor para programação? Testado no Claude Code, Cline e Roo Code

Se você está perguntando qual LLM gratuito é melhor para programação, a resposta honesta depende do agente de codificação que você quer executar.

Para Cline e Roo Code, o melhor ponto de partida de API LLM gratuita geralmente é Gemini por meio de seu endpoint compatível com OpenAI, porque ele oferece um nível gratuito de primeira parte, um base_url documentado no estilo OpenAI e compatibilidade suficiente para testar prompts reais de agentes antes de você pagar. Para Claude Code, a resposta é diferente: APIs gratuitas compatíveis com OpenAI não funcionam diretamente como substitutos. O Claude Code espera um caminho de gateway compatível com o formato da Anthropic, e a própria documentação da Anthropic diz que não oferece suporte para rotear o Claude Code para modelos que não sejam Claude por meio de um gateway.

Essa diferença importa mais do que pontuações em rankings. Agentes de codificação não enviam um único prompt educado de chat. Eles fazem streaming de chamadas de ferramentas, inspecionam arquivos, repetem após erros e consomem rapidamente cotas gratuitas. O melhor modelo LLM gratuito para programação é aquele que sobrevive ao protocolo de agente que você realmente usa.

Este guia compara caminhos de API LLM gratuitos para Claude Code, Cline e Roo Code e, em seguida, apresenta uma matriz de decisão prática para desenvolvedores que querem testar agentes de codificação sem construir acidentalmente sobre uma armadilha de cota.

Qual LLM gratuito é melhor para programação? A resposta curta

Se você quer uma resposta padrão para qual LLM gratuito é melhor para programação, use esta:

A regra importante: uma API LLM gratuita para agentes de codificação deve ser julgada por tool calling, tratamento de contexto, comportamento de repetição e visibilidade de cotas, e não apenas pela qualidade da resposta em um único prompt de programação.

O que testamos

Para este artigo, "testado" significa um teste de prontidão de configuração contra as três superfícies de agente que um desenvolvedor realmente precisa configurar:

1. O agente consegue apontar para um endpoint de API personalizado sem modificar a extensão ou a CLI?
2. O provedor expõe uma rota compatível com OpenAI ou compatível com Anthropic que corresponda ao agente?
3. O caminho do modelo oferece suporte ao comportamento de tool calling necessário para codificação agentic?
4. Os limites de taxa, os limites do nível gratuito e as ressalvas de produção estão visíveis antes do início de uma tarefa longa de programação?
5. Uma equipe pode evoluir de um teste gratuito para uma configuração de API roteada e observável sem alterar novamente todas as configurações locais do agente?

Esta não é uma tabela de benchmark sintética. As cotas exatas do nível gratuito mudam, os níveis de conta variam e o comportamento dos agentes de codificação muda conforme as ferramentas evoluem. A comparação útil é se o caminho gratuito é seguro para testar e o que quebra primeiro.

Compatibilidade por agente de codificação

Claude Code

O Claude Code é a superfície menos amigável para APIs genéricas gratuitas compatíveis com OpenAI.

A Anthropic documenta um caminho de gateway para o Claude Code por meio de variáveis como ANTHROPIC_BASE_URL, mas o gateway precisa expor um formato de API compatível. A mesma documentação diz que a Anthropic não oferece suporte para rotear o Claude Code para modelos que não sejam Claude por meio de qualquer gateway. Ela também explica que uma credencial de gateway altera o comportamento de cobrança e de limites de uso porque as requisições usam a credencial do gateway em vez de um login de assinatura do Claude salvo.

Isso torna a resposta prática simples: se a sua pergunta é qual LLM gratuito é melhor para programação no Claude Code, não comece conectando um endpoint gratuito aleatório compatível com OpenAI. Comece com um caminho compatível com Claude e, só depois, use um gateway quando você entender o tratamento de credenciais, a cobrança e o comportamento de protocolo suportado.

O quickstart da Flatkey reflete essa distinção. A Flatkey documenta uma chave, um saldo, um catálogo de modelos, um roteador compatível com OpenAI para uso em SDK/API e um caminho separado de configuração para Codex e Claude Code por meio do Console. Isso permite que uma equipe trate a configuração do agente como infraestrutura, em vez de espalhar chaves de provedores pelos laptops.

Cline

O Cline é muito mais direto para experimentos com APIs gratuitas.

A configuração do provedor compatível com OpenAI do Cline solicita três campos principais: Base URL, API Key e Model ID. Ele também permite configurar detalhes do modelo, como tokens máximos de saída, janela de contexto, suporte a imagens, uso do computador e suposições de preço de entrada/saída.

Isso faz do endpoint compatível com OpenAI do Gemini uma forte opção padrão para o Cline. O Google documenta um base URL da API Gemini compatível com OpenAI em:

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

Então, um teste no Cline pode ser tão simples quanto selecionar "OpenAI Compatible", colar a URL base compatível com Gemini, adicionar uma chave de API do Gemini e escolher um modelo capaz de programar. O porém é a cota: loops de agente podem consumir rapidamente as alocações gratuitas, então você deve manter as tarefas curtas e inspecionar os erros antes de assumir que o modelo é ruim.

Roo Code

O Roo Code também oferece suporte a provedores compatíveis com OpenAI, mas adiciona um requisito mais rigoroso que importa para agentes de programação: chamada nativa de ferramentas.

A documentação do Roo diz que o provedor compatível com OpenAI usa Base URL, API Key e Model ID, mas também afirma que o Roo Code usa exclusivamente chamada nativa de ferramentas. Se o modelo não suporta chamada de ferramentas compatível com OpenAI, ele não pode ser usado com o Roo Code.

Isso muda a resposta para qual LLM gratuito é melhor para programação no Roo. Um modelo que escreve bom código isolado não é suficiente. Ele precisa oferecer suporte ao esquema de function calling/ferramentas bem o bastante para o Roo ler arquivos, aplicar edições e transmitir eventos de ferramentas de forma confiável.

Para o Roo, comece com Gemini ou outro provedor que documente chamada de ferramentas compatível com OpenAI, mantenha a primeira tarefa pequena e observe erros de chamada de ferramentas antes de gastar tempo ajustando prompts.

Opções de API de LLM gratuito para agentes de programação

1. Nível gratuito da API Gemini

Gemini é a melhor primeira API gratuita de LLM para muitos usuários do Cline e do Roo Code porque o Google documenta tanto um caminho inicial gratuito quanto compatibilidade com OpenAI. Sua página de preços diz que os desenvolvedores podem começar a construir sem custo, com limites, e depois escalar para uso pré-pago ou pay-as-you-go. A documentação de compatibilidade com OpenAI mostra a API Gemini funcionando com a biblioteca OpenAI e a rota chat/completions.

Use Gemini primeiro quando:

• Você quer um provedor de primeira parte, não um roteador de modelos de terceiros.
• Você precisa de uma URL base compatível com OpenAI para Cline ou Roo Code.
• Você quer um caminho claro de upgrade depois dos testes gratuitos.
• Você está testando tarefas gerais de programação, refatorações, documentação e pequenos consertos de bugs.

Não use o nível gratuito do Gemini como prova de que seu agente de produção é barato. O tráfego do nível gratuito é uma pista de teste. Agentes de programação de longa duração precisam de um plano de cota pago, política de repetição e rastreamento de uso.

2. Variantes gratuitas de modelos do OpenRouter

O OpenRouter é útil quando a tarefa é descobrir modelos. Ele expõe muitas variantes de modelos, incluindo variantes gratuitas com IDs que terminam em :free. Sua documentação de limites descreve limites de solicitações para modelos gratuitos, tetos diários de solicitações que dependem do histórico de crédito da conta, comportamento de 429 e um endpoint de inspeção de chave para limites atuais.

Use variantes gratuitas do OpenRouter quando:

• Você quer comparar rapidamente vários modelos abertos ou hospedados.
• Você aceita limites de solicitações.
• Você precisa de uma forma rápida de testar o ajuste do prompt antes de escolher um provedor.
• Você consegue tratar de forma limpa erros 429, 402 e limites do lado do provedor.

O OpenRouter é menos ideal quando seu agente de programação precisa de throughput previsível para uma refatoração longa. Uma rota gratuita é boa para exploração; não é um plano de capacidade de produção.

Se isso for o seu gargalo, combine este artigo com o guia de limites de taxa do OpenRouter da Flatkey: Limites de Taxa do OpenRouter: Por que Acontecem e Como Corrigi-los.

3. Plano gratuito da Groq

A Groq é atraente quando a velocidade é o experimento. Seus documentos de limite de taxa explicam RPM, RPD, TPM, TPD e tipos de limite relacionados, e seus documentos de modelo distinguem modelos de produção de modelos de pré-visualização. Isso importa porque modelos de pré-visualização podem ser úteis para avaliação, mas não devem ser tratados como dependências estáveis de produção.

Use a Groq quando:

• Latência é o que você está testando.
• Sua tarefa de programação é curta o suficiente para os limites do plano gratuito.
• Você pode escolher um modelo ativo que se encaixe nos requisitos de ferramenta do seu agente de programação.
• Você quer comparar "rápido o suficiente" com "inteligente o suficiente" antes de pagar por um modelo maior.

Tenha cuidado com loops de agente. Um modelo gratuito rápido pode atingir limites de solicitações ou tokens mais rápido do que um mais lento.

4. Cloudflare Workers AI

Cloudflare Workers AI é interessante se você já desenvolve em Workers ou quer inferência próxima à borda. Sua documentação de preços descreve uma alocação diária gratuita de neurônios do Workers AI e uso pago além dessa alocação no Workers Paid. Ela também lista modelos LLM, incluindo opções Qwen e DeepSeek relacionadas à programação.

Use o Workers AI quando:

• Seu produto já roda na Cloudflare.
• Você quer chamadas de IA sem servidor, próximas da infraestrutura do seu app.
• Seu teste de agente de programação tem mais a ver com integração do que com qualidade máxima do modelo.

Não o escolha apenas porque a palavra "gratuito" aparece. Você ainda precisa entender reinícios diários, disponibilidade de modelos, requisitos de plano pago para alguns modelos e se seu agente consegue falar o formato de API correto.

5. APIs locais de LLM via Ollama ou LM Studio

Modelos locais são "gratuitos" no sentido estrito de que nenhum faturamento do provedor é gerado por token. Eles não são gratuitos em termos operacionais: você paga com hardware local, latência, memória, tempo de configuração e qualidade de modelo mais baixa em máquinas menores.

APIs locais valem a pena quando:

• Seu código precisa permanecer na sua máquina.
• Suas tarefas são pequenas e repetitivas.
• Você está testando a mecânica do agente, e não a melhor qualidade de raciocínio.
• Você pode aceitar desempenho mais lento e edições ocasionalmente fracas.

Modelos locais geralmente não são a resposta para qual LLM gratuito é melhor para programação se você precisa de mudanças fortes e autônomas em vários arquivos. Eles são úteis como uma base e alternativa de fallback priorizando privacidade.

A matriz de decisão

Use esta matriz antes de integrar qualquer configuração gratuita de LLM para programação ao trabalho diário:

Se a resposta para duas ou mais linhas não estiver clara, execute a API gratuita do LLM manualmente antes de confiar nela dentro de um agente de programação.

Um caminho prático de configuração para Cline e Roo Code

Use este caminho seguro ao avaliar uma API gratuita de LLM para agentes de programação:

1. Escolha uma tarefa pequena: atualizar um README, explicar um stack trace ou fazer uma refatoração em um único arquivo.
2. Configure o agente com a URL base documentada do provedor, a chave de API e o ID do modelo.
3. Comece com o menor contexto que reproduza a tarefa.
4. Confirme se as chamadas de ferramenta funcionam antes de pedir edições em vários arquivos.
5. Fique atento a erros de limite de taxa, falta de suporte a chamadas de ferramenta e erros de modelo não encontrado.
6. Salve o provedor exato, o modelo, a URL base e as notas de erro.
7. Só então tente uma tarefa mais longa.

Para o Cline, isso é principalmente um exercício de configuração do provedor. Para o Roo Code, trate a chamada de ferramentas como uma barreira rígida. Para o Claude Code, trate a compatibilidade de protocolo como a barreira rígida.

Onde o Flatkey se encaixa após o teste gratuito

APIs gratuitas são excelentes para responder "este agente pode funcionar?" Elas são fracas para responder "minha equipe pode usar isso todos os dias?"

O Flatkey foi construído para a segunda pergunta. O quickstart público do Flatkey documenta uma única chave para API, SDK, CLI e configuração de agente de programação; um roteador compatível com OpenAI em:

https://router.flatkey.ai/v1

Ele também documenta Usage Logs para que as equipes possam inspecionar modelo, contagem de tokens, latência e custo após uma solicitação. A visão geral do produto posiciona o Flatkey em torno de um equilíbrio entre modelos oficiais e ferramentas pay-per-call, com o uso indo para um único livro-razão.

Isso é útil quando um teste gratuito de LLM para programação cresce e passa a envolver:

• vários desenvolvedores com diferentes agentes locais,
• vários provedores de modelo,
• políticas de retry e fallback,
• atribuição de uso,
• controles de gasto,
• e a necessidade de evitar espalhar chaves de provedor.

O princípio de migração é simples: teste modelos gratuitos diretamente enquanto está aprendendo, depois mova o uso sério do agente para trás de um único gateway observável antes que as configurações locais fiquem incontroláveis.

Para detalhes de configuração, comece com Flatkey API Quickstart: Faça sua primeira chamada através de router.flatkey.ai e Uma única URL base compatível com OpenAI para testes de prompts com múltiplos modelos.

Erros comuns

Erro 1: tratar toda API compatível com OpenAI como compatível com agentes

Chat compatível com OpenAI não é o mesmo que compatibilidade com agentes de programação. Chamada de ferramentas, streaming, IDs de modelo e configurações de saída máxima podem diferir.

Erro 2: escolher o modelo gratuito mais inteligente e ignorar cotas

O melhor modelo gratuito de LLM para programação não é útil se falhar no meio de uma refatoração. Inspecione os limites de taxa antes de iniciar loops de agente.

Erro 3: usar o Claude Code como Cline ou Roo Code

O Claude Code tem um modelo de gateway diferente. Um endpoint genérico gratuito compatível com OpenAI que funciona no Cline pode não ser um caminho suportado para o Claude Code.

Erro 4: esquecer que "gratuito" muitas vezes significa "apenas avaliação"

A documentação do provedor costuma separar níveis gratuitos, modelos de pré-visualização e modelos de produção. Se a tarefa importa, leia essas distinções antes de automatizar em torno delas.

FAQ

Qual LLM gratuito é melhor para programação no geral?

Para a maioria dos desenvolvedores testando Cline ou Roo Code, o nível gratuito do Gemini por meio do endpoint compatível com OpenAI é o melhor ponto de partida. Para o Claude Code, uma API genérica gratuita compatível com OpenAI não é o padrão correto porque o suporte de gateway do Claude Code se concentra em comportamento compatível com Anthropic.

Qual é a melhor API gratuita de LLM para agentes de programação?

A melhor API gratuita de LLM para agentes de programação é a que corresponde ao protocolo do seu agente e oferece suporte a chamada de ferramentas. O Gemini é o padrão mais forte para testes de agentes compatíveis com OpenAI; o OpenRouter é útil para amostragem de modelos gratuitos; o Groq é útil para testes de velocidade; modelos locais são úteis para experimentos privados.

Na prática, a pergunta qual LLM gratuito é melhor para programação deve sempre ser respondida por agente, não por ranking de modelos.

Posso usar modelos gratuitos do OpenRouter no Cline ou Roo Code?

Sim, se você configurar corretamente a URL base compatível com OpenAI, a chave e o ID do modelo, e se o modelo selecionado oferecer suporte ao comportamento de que seu agente precisa. Espere limites de requisição para modelos gratuitos e trate erros 429.

Posso usar um modelo gratuito compatível com OpenAI no Claude Code?

Não como um substituto genérico direto. A documentação de gateway do Claude Code se concentra em formatos de API suportados e em comportamento de gateway compatível com Anthropic, e a Anthropic afirma que não oferece suporte para rotear o Claude Code para modelos que não sejam Claude por meio de qualquer gateway.

Os LLMs locais são bons o suficiente para agentes de programação?

Eles podem ser bons o suficiente para pequenas edições, explicações e experimentos privados. Geralmente são mais fracos em tarefas longas de agente com vários arquivos, a menos que você tenha hardware local robusto e um modelo que suporte o protocolo de ferramentas do agente.

Recomendação final

Se a sua verdadeira pergunta é qual LLM gratuito é melhor para programação, comece pelo agente:

• Cline: experimente primeiro o endpoint compatível com OpenAI do Gemini.
• Roo Code: experimente primeiro o Gemini, mas verifique imediatamente a chamada nativa de ferramentas.
• Claude Code: use um caminho compatível com Claude suportado, em vez de forçar uma API OpenAI genérica e gratuita.
• Compra de modelos: use variantes gratuitas do OpenRouter, mas espere limites.
• Experimentos de latência: experimente o Groq.
• Testes privados/locais: experimente o Ollama ou o LM Studio.

A programação com LLM gratuito é melhor usada como um ambiente de testes. Quando o fluxo de trabalho passar a fazer parte do seu ciclo diário de desenvolvimento, leve-o para trás de roteamento observável, logs de uso, políticas de fallback e uma chave gerenciada.