Custos, cobrança e operações12 de outubro de 2026Flatkey Team

API de LLM grátis (2026): 10 opções comparadas por limites reais, modelos e pegadinhas

Dez APIs de LLM gratuitas conferidas na documentação oficial em outubro de 2026: o que é grátis, os limites exatos, as pegadinhas e código para alternar entre elas.

API de LLM grátis (2026): 10 opções comparadas por limites reais, modelos e pegadinhas

Sim, em outubro de 2026 você consegue chamar de graça uma API de LLM competente: o nível gratuito da API do Google Gemini, o plano Free da Groq, os modelos gratuitos do OpenRouter, o Cloudflare Workers AI e os endpoints NIM hospedados pela NVIDIA servem modelos reais a custo zero, dentro de limites diários. Nenhum deles é ilimitado. Os números mais apertados são públicos: a Groq permite 1.000 requisições por dia no openai/gpt-oss-120b, o OpenRouter limita os modelos gratuitos a 50 requisições por dia (1.000 após comprar US$ 10 em créditos) e a Cloudflare oferece 10.000 Neurons por dia. Todos os limites abaixo foram conferidos na documentação oficial de cada provedor em 21 de outubro de 2026.

Este guia é para indie hackers e times pequenos que querem prototipar sem conta para pagar e precisam saber qual nível gratuito serve para cada tarefa, o que cada um cobra por baixo dos panos (uso de dados, limites, escolha de modelos) e para onde migrar quando ele ficar pequeno. Ele também aponta uma opção que muitas listas antigas ainda recomendam: o GitHub Models foi totalmente desativado em 30 de julho de 2026.

APIs de LLM gratuitas comparadas (outubro de 2026)

Provedor	O que é grátis	Limites publicados	Principal pegadinha	Fonte
API do Google Gemini	Tokens de entrada/saída grátis no Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 3.1 Flash-Lite, 2.5 Pro/Flash/Flash-Lite	Limites por modelo no AI Studio	O conteúdo do nível gratuito é usado para melhorar produtos do Google	Preços do Gemini
Plano Free da Groq	Modelos abertos hospedados, incluindo `openai/gpt-oss-120b`, `qwen/qwen3.8-27b` e Whisper	30 RPM, 1K RPD, 8K TPM, 200K TPD (gpt-oss-120b)	Poucos tokens por minuto	Limites da Groq
Modelos gratuitos do OpenRouter	Mais de 25 modelos com IDs terminados em `:free`	20 RPM; 50 requisições/dia, 1.000/dia após US$ 10 em créditos	Tentativas com falha contam no limite diário	Preços do OpenRouter
Cloudflare Workers AI	10.000 Neurons por dia no Workers Free	Reinicia às 00:00 UTC	Alguns modelos de ponta exigem plano pago	Preços do Workers AI
NVIDIA NIM (build.nvidia.com)	"Free inference with leading models", como Nemotron e DeepSeek V4.1 Flash	Não listados na página inicial	Voltado à avaliação; os limites podem mudar	build.nvidia.com
Vercel AI Gateway	US$ 5 de crédito por mês no nível gratuito	Limites por modelo, menores que no pago	Apenas modelos elegíveis ao nível gratuito	Preços do Vercel AI Gateway
Teste gratuito da Cerebras	US$ 5 em créditos após adicionar um meio de pagamento verificado	Créditos expiram em 30 dias	É um teste, não um nível permanente	Limites da Cerebras
Chaves de teste da Cohere	Chaves de API para avaliação	1.000 chamadas de API por mês	Não servem para produção	Limites da Cohere
Ollama (local)	Runtime gratuito e de código aberto na sua máquina	Seu hardware	Você fornece a GPU ou a CPU	Ollama
Hugging Face Inference Providers	Sem créditos mensais para usuários gratuitos; PRO recebe US$ 2/mês	Pague pelo uso após os créditos	Na prática não é grátis para contas gratuitas	Preços da HF

Todos os limites conforme publicados em 21 de outubro de 2026. RPM = requisições por minuto, RPD = requisições por dia, TPM = tokens por minuto, TPD = tokens por dia.

Não está mais disponível: o GitHub Models está totalmente desativado desde 30 de julho de 2026; playground, catálogo, API de inferência e BYOK deixaram de existir. Se um tutorial manda usar um token do GitHub como chave gratuita de LLM, ele está desatualizado.

Escolhas rápidas por tarefa

Melhor nível gratuito para construir um app: a API do Gemini. É a única opção aqui que dá acesso gratuito a uma família de modelos atual de um grande laboratório, com contexto de 1M de tokens na linha Flash.
Inferência gratuita mais rápida em modelos abertos: o plano Free da Groq, se seus prompts forem curtos (8K tokens por minuto no gpt-oss-120b).
Maior variedade de modelos para testes: os modelos gratuitos do OpenRouter, depois de comprar US$ 10 em créditos para subir o limite a 1.000 requisições por dia.
Nível gratuito dentro de uma stack edge ou serverless: Cloudflare Workers AI.
Nenhum limite de taxa: rode um modelo localmente com o Ollama. Você troca os limites da API pelos limites do seu hardware.

As 10 opções em detalhe

1. Nível gratuito da API do Google Gemini

A página de preços do Google lista entrada e saída "Free of charge" para Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 3.1 Flash-Lite, 2.5 Pro, 2.5 Flash e 2.5 Flash-Lite. Gemini 4 Argon e 3.1 Pro Preview são apenas pagos. Os limites exatos ficam no AI Studio, não na documentação, e o Google informa que modelos preview têm limites mais rígidos (página de limites). A pegadinha são os dados: no nível gratuito, "Used to improve our products" aparece como Yes. Não use chaves gratuitas com dados de clientes. Todos os detalhes no nosso guia de preços e nível gratuito da API do Gemini.

2. Plano Free da Groq

A Groq publica os limites do plano Free por modelo (limites). Em 21 de outubro de 2026:

Modelo	RPM	RPD	TPM	TPD
`openai/gpt-oss-120b`	30	1.000	8.000	200.000
`openai/gpt-oss-20b`	30	1.000	8.000	200.000
`qwen/qwen3.8-27b`	30	1.000	8.000	200.000
`whisper-large-v3`	20	2.000	áudio: 7.200 s/hora, 28.800 s/dia

A Groq observa que tokens em cache não contam para os limites e que os limites valem por organização. O endpoint é compatível com OpenAI em https://api.groq.com/openai/v1 (compatibilidade com OpenAI). 200K tokens por dia equivalem a cerca de 100 requisições de 2.000 tokens, então serve para demos e agentes com contexto curto.

3. Modelos gratuitos do OpenRouter

A página de preços do OpenRouter mostra mais de 25 modelos gratuitos de 4 provedores gratuitos no plano Free, sem taxa de plataforma. As variantes gratuitas (IDs terminados em :free) são limitadas a 20 requisições por minuto e 50 por dia, subindo para 1.000 por dia quando a conta já comprou pelo menos US$ 10 em créditos. A documentação de limites acrescenta dois detalhes: tentativas com falha contam no limite diário, e saldo negativo bloqueia os modelos gratuitos até você recarregar. Veja os modelos gratuitos atuais com o filtro de preço grátis. Se você está comparando o OpenRouter com outros roteadores, veja nosso guia de alternativas ao OpenRouter.

4. Cloudflare Workers AI

O Workers AI está incluído no plano Workers Free com 10.000 Neurons por dia sem custo; o uso além disso custa US$ 0,011 por 1.000 Neurons, e todos os limites reiniciam às 00:00 UTC (preços). A conversão entre Neurons e tokens varia por modelo, e a Cloudflare lista modelos que exigem meio de pagamento, como Kimi K2.6, GLM 5.x e versões recentes do DeepSeek V4 Flash. O Workers AI tem um endpoint compatível com OpenAI em https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1.

5. NVIDIA NIM no build.nvidia.com

O catálogo da NVIDIA anuncia "Free inference with leading models" e destaca modelos Nemotron e o DeepSeek V4.1 Flash na página inicial (build.nvidia.com). Os endpoints seguem o formato da OpenAI em https://integrate.api.nvidia.com/v1 (referência da API). A NVIDIA não publica uma cota gratuita fixa nessa página, então trate-o como caminho de avaliação, não como dependência de produção.

6. Nível gratuito do Vercel AI Gateway

Todo time da Vercel recebe US$ 5 de crédito do AI Gateway por mês no nível gratuito, restrito a modelos elegíveis e com limites por modelo mais baixos; ultrapassá-los retorna 429 (preços). Comprar créditos leva você ao nível pago, que segundo a Vercel não tem markup nos tokens.

7. Teste gratuito da Cerebras

Contas novas da Cerebras recebem US$ 5 em créditos gratuitos após adicionar um meio de pagamento verificado; os créditos expiram 30 dias após a concessão e valem para todos os modelos públicos (limites). É um teste, não um nível permanente, mas é útil para avaliar inferência de altíssima vazão.

8. Chaves de teste da Cohere

A Cohere oferece chaves gratuitas de avaliação limitadas a 1.000 chamadas de API por mês, com chaves de produção para uso pago (docs). Boas para testar os modelos de embeddings e rerank da Cohere em um protótipo de RAG.

9. Ollama (local, sem limites de API)

O Ollama roda modelos de pesos abertos na sua máquina e expõe uma API compatível com OpenAI em http://localhost:11434/v1. Não há limite de taxa e nenhum dado sai da sua máquina, mas o tamanho do modelo depende da sua RAM ou VRAM. Se preferir rodar em uma GPU alugada, veja nosso guia de Ollama em um servidor GPU na nuvem.

10. Hugging Face Inference Providers (não é grátis para usuários gratuitos)

Muitas listas ainda dizem que a inferência hospedada da Hugging Face é gratuita. A documentação de preços agora informa que usuários gratuitos não recebem créditos mensais e precisam comprá-los, enquanto usuários PRO e assentos Team ou Enterprise recebem US$ 2,00 por mês. É ótima pela variedade de modelos, mas orce como serviço pago.

Os custos ocultos das APIs de LLM gratuitas

Custo oculto	Onde aparece	O que fazer
Seus dados treinam ou melhoram o modelo	Nível gratuito do Gemini ("Used to improve our products: Yes")	Use chaves pagas para dados de clientes
Limites diários que incluem falhas	Modelos gratuitos do OpenRouter	Tente de novo com backoff, não em loops apertados
Pouquíssimos tokens por minuto	Groq Free (8K TPM no gpt-oss-120b)	Prompts curtos; nada de processamento em lote
Mudança nos modelos disponíveis	NVIDIA NIM, lista gratuita do OpenRouter	Fixe um modelo de fallback
Desativação do serviço	GitHub Models, desativado em 30 de julho de 2026	Nunca deixe um único provedor gratuito fixo no código
Créditos de teste que expiram	Cerebras (US$ 5, 30 dias)	Use para benchmarks, não para o lançamento

Início rápido: um cliente, vários provedores gratuitos e fallback automático

A maioria das opções gratuitas acima usa o formato da API da OpenAI, então um único cliente pode testá-las em ordem e passar para a próxima ao receber um 429. Configure só as chaves que você tiver.

# pip install openai
import os
from openai import OpenAI, RateLimitError, APIStatusError

PROVIDERS = [  # (base_url, env var with key, model)
    ("https://generativelanguage.googleapis.com/v1beta/openai/", "GEMINI_API_KEY", "gemini-3.8-flash"),
    ("https://api.groq.com/openai/v1", "GROQ_API_KEY", "openai/gpt-oss-120b"),
    ("https://openrouter.ai/api/v1", "OPENROUTER_API_KEY", os.getenv("OPENROUTER_FREE_MODEL", "")),
    ("http://localhost:11434/v1", None, "llama3.2"),  # local Ollama, any model you have pulled
]

def ask(prompt: str) -> str:
    for base_url, key_env, model in PROVIDERS:
        key = os.getenv(key_env) if key_env else "ollama"
        if not key or not model:
            continue
        try:
            client = OpenAI(api_key=key, base_url=base_url, timeout=30)
            r = client.chat.completions.create(model=model, messages=[{"role": "user", "content": prompt}], max_tokens=300)
            return f"[{model}] {r.choices[0].message.content}"
        except (RateLimitError, APIStatusError) as e:
            print(f"{model} failed ({getattr(e, 'status_code', '?')}), trying next")
    raise RuntimeError("all free providers exhausted")

print(ask("Give me three names for a habit-tracking app."))

Teste um único provedor pelo terminal:

curl https://api.groq.com/openai/v1/chat/completions \
  -H "Authorization: Bearer $GROQ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"openai/gpt-oss-120b","messages":[{"role":"user","content":"Hello from the free tier"}]}'

A mesma ideia de fallback em Node.js:

import OpenAI from "openai";

const providers = [
  { baseURL: "https://generativelanguage.googleapis.com/v1beta/openai/", key: process.env.GEMINI_API_KEY, model: "gemini-3.5-flash-lite" },
  { baseURL: "https://api.groq.com/openai/v1", key: process.env.GROQ_API_KEY, model: "qwen/qwen3.8-27b" },
];

for (const p of providers.filter((p) => p.key)) {
  try {
    const client = new OpenAI({ apiKey: p.key, baseURL: p.baseURL });
    const r = await client.chat.completions.create({ model: p.model, messages: [{ role: "user", content: "One-line product tagline?" }] });
    console.log(p.model, r.choices[0].message.content);
    break;
  } catch (e) {
    console.warn(p.model, e.status ?? e.message);
  }
}

Para agentes de programação como Cline ou Continue, nosso guia de API de LLM gratuita para agentes de código cobre a configuração de cada ferramenta.

Quando o grátis acaba: os modelos pagos mais baratos

Níveis gratuitos servem para construir e testar. No lançamento, os menores preços de tabela oficiais para texto em 21 de outubro de 2026 eram:

Modelo	Entrada / saída por 1M tokens	Fonte
Gemini 2.5 Flash-Lite	$0.10 / $0.40	Google
`gpt-6-luna`	$0.10 / $0.50	OpenAI
Claude Haiku 5.5 (prompts de até 100K)	$0.10 / $0.50	Anthropic
`deepseek-flash`, fora do horário de pico	$0.15 / $0.60	DeepSeek

Com esses preços, 10M de tokens de entrada e 2M de saída por mês custam de US$ 1,80 a US$ 2,70, aproximadamente. A Flatkey não tem nível gratuito, mas permite acessar esses modelos com uma única chave compatível com OpenAI e um só saldo; seu FAQ lista crédito bônus nas recargas (por exemplo, +US$ 3 numa recarga de US$ 10) em 21 de outubro de 2026, e o diretório de modelos listava o gpt-6-luna a US$ 0,06 / 0,30. Para uma comparação mais ampla de planos de entrada, veja o comparativo de níveis gratuitos dos principais provedores e a comparação de preços de APIs de IA.

Perguntas frequentes

Existe uma API de LLM totalmente grátis e sem limites?

Nenhuma API hospedada é gratuita sem limites. Todos os provedores acima limitam requisições, tokens, créditos ou Neurons por dia ou por mês. A única opção sem limites de API é rodar um modelo aberto localmente, por exemplo com o Ollama, em que o limite é o seu hardware.

Posso usar um LLM de graça?

Sim. O começo mais simples é obter uma chave da API do Gemini no Google AI Studio e usar um modelo do nível gratuito, como o gemini-3.8-flash, ou uma chave do plano Free da Groq para o openai/gpt-oss-120b. Ambos funcionam com o SDK da OpenAI trocando a base URL.

Qual é a API de LLM mais barata depois do nível gratuito?

Pelos preços oficiais de 21 de outubro de 2026, Gemini 2.5 Flash-Lite (US$ 0,10 de entrada / 0,40 de saída por 1M de tokens), gpt-6-luna e Claude Haiku 5.5 (US$ 0,10 / 0,50) e o DeepSeek Flash fora do pico (US$ 0,15 / 0,60) são os modelos de texto mais baratos do mercado.

Qual é a melhor API de LLM gratuita?

Para a maioria dos protótipos de app, o nível gratuito da API do Gemini, por oferecer modelos Flash atuais, contexto longo e um caminho simples para o plano pago. A Groq é a melhor quando a velocidade em prompts curtos importa, e o OpenRouter quando você quer comparar muitos modelos abertos.

APIs de LLM gratuitas são seguras para produção?

Não como único caminho. Níveis gratuitos mudam limites sem aviso, alguns usam seus dados para melhorar os modelos e serviços podem ser desativados, como o GitHub Models em 30 de julho de 2026. Use-os no desenvolvimento e mantenha um fallback pago para o lançamento.

O GitHub Models ainda é grátis?

Não. A documentação do GitHub informa que o GitHub Models está totalmente desativado desde 30 de julho de 2026, incluindo playground, catálogo, API de inferência e BYOK.