Chi phí, thanh toán và vận hành12 tháng 10, 2026Flatkey Team

API LLM miễn phí (2026): So sánh 10 lựa chọn theo giới hạn thực tế, mô hình và điểm cần lưu ý

Mười API LLM miễn phí được kiểm tra trên tài liệu chính thức vào tháng 10/2026: cái gì miễn phí, giới hạn chính xác, điểm cần lưu ý và code để chuyển đổi giữa chúng.

API LLM miễn phí (2026): So sánh 10 lựa chọn theo giới hạn thực tế, mô hình và điểm cần lưu ý

Có, vào tháng 10/2026 bạn vẫn có thể gọi miễn phí một API LLM đủ mạnh: gói miễn phí của Google Gemini API, gói Free của Groq, các mô hình miễn phí của OpenRouter, Cloudflare Workers AI và các endpoint NIM do NVIDIA lưu trữ đều phục vụ mô hình thật với chi phí bằng 0, trong giới hạn hằng ngày. Không cái nào là không giới hạn. Những con số chặt nhất đều được công bố: Groq cho phép 1.000 request mỗi ngày với openai/gpt-oss-120b, OpenRouter giới hạn mô hình miễn phí ở 50 request mỗi ngày (1.000 sau khi mua 10 USD credit), còn Cloudflare cho 10.000 Neurons mỗi ngày. Mọi giới hạn dưới đây đều được kiểm tra trên tài liệu chính thức của từng nhà cung cấp vào ngày 21/10/2026.

Hướng dẫn này dành cho indie hacker và nhóm nhỏ muốn làm prototype mà không phải trả tiền, cần biết gói miễn phí nào hợp với việc nào, mỗi gói âm thầm lấy gì của bạn (dữ liệu, giới hạn tốc độ, lựa chọn mô hình) và nên chuyển sang đâu khi dùng vượt mức. Bài cũng cảnh báo một lựa chọn mà nhiều danh sách cũ vẫn gợi ý: GitHub Models đã ngừng hoạt động hoàn toàn từ ngày 30/7/2026.

So sánh các API LLM miễn phí (tháng 10/2026)

Nhà cung cấp	Phần miễn phí	Giới hạn công bố	Lưu ý chính	Nguồn
Google Gemini API	Token vào/ra miễn phí cho Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 3.1 Flash-Lite, 2.5 Pro/Flash/Flash-Lite	Giới hạn theo từng mô hình hiển thị trong AI Studio	Nội dung ở gói miễn phí được dùng để cải thiện sản phẩm Google	Bảng giá Gemini
Gói Free của Groq	Mô hình mở được lưu trữ, gồm `openai/gpt-oss-120b`, `qwen/qwen3.8-27b`, Whisper	30 RPM, 1K RPD, 8K TPM, 200K TPD (gpt-oss-120b)	Ít token mỗi phút	Giới hạn của Groq
Mô hình miễn phí của OpenRouter	Hơn 25 mô hình có ID kết thúc bằng `:free`	20 RPM; 50 request/ngày, 1.000/ngày sau khi có 10 USD credit	Lần gọi thất bại vẫn bị tính vào hạn mức ngày	Bảng giá OpenRouter
Cloudflare Workers AI	10.000 Neurons mỗi ngày trên Workers Free	Đặt lại lúc 00:00 UTC	Một số mô hình hàng đầu cần gói trả phí	Bảng giá Workers AI
NVIDIA NIM (build.nvidia.com)	"Free inference with leading models" như Nemotron và DeepSeek V4.1 Flash	Không ghi trên trang chủ	Dành cho đánh giá; giới hạn có thể thay đổi	build.nvidia.com
Vercel AI Gateway	5 USD credit mỗi tháng ở gói miễn phí	Giới hạn theo mô hình, thấp hơn gói trả phí	Chỉ các mô hình đủ điều kiện gói miễn phí	Bảng giá Vercel AI Gateway
Dùng thử Cerebras	5 USD credit sau khi thêm phương thức thanh toán đã xác minh	Credit hết hạn sau 30 ngày	Là bản dùng thử, không phải gói cố định	Giới hạn của Cerebras
Khóa dùng thử Cohere	Khóa API để đánh giá	1.000 lượt gọi API mỗi tháng	Không dùng cho production	Giới hạn của Cohere
Ollama (cục bộ)	Runtime mã nguồn mở miễn phí trên máy của bạn	Phần cứng của bạn	Bạn tự lo GPU hoặc CPU	Ollama
Hugging Face Inference Providers	Không có credit hằng tháng cho người dùng miễn phí; PRO được 2 USD/tháng	Trả theo mức dùng sau khi hết credit	Thực tế không miễn phí với tài khoản miễn phí	Bảng giá HF

Mọi giới hạn theo công bố ngày 21/10/2026. RPM = request mỗi phút, RPD = request mỗi ngày, TPM = token mỗi phút, TPD = token mỗi ngày.

Không còn khả dụng: GitHub Models đã ngừng hoàn toàn từ ngày 30/7/2026; playground, danh mục, API suy luận và BYOK đều không còn. Nếu một hướng dẫn bảo bạn dùng token GitHub làm khóa LLM miễn phí, hướng dẫn đó đã lỗi thời.

Chọn nhanh theo công việc

Gói miễn phí tốt nhất để xây dựng ứng dụng: Gemini API. Đây là lựa chọn duy nhất trong danh sách cho truy cập miễn phí vào một dòng mô hình hiện hành của phòng thí nghiệm lớn, với ngữ cảnh 1M token ở dòng Flash.
Suy luận miễn phí nhanh nhất cho mô hình mở: gói Free của Groq, nếu prompt của bạn ngắn (8K token mỗi phút với gpt-oss-120b).
Nhiều mô hình nhất để thử nghiệm: mô hình miễn phí của OpenRouter, sau khi mua 10 USD credit để nâng hạn mức lên 1.000 request mỗi ngày.
Gói miễn phí trong stack edge hoặc serverless: Cloudflare Workers AI.
Hoàn toàn không giới hạn tốc độ: chạy mô hình cục bộ bằng Ollama. Bạn đổi giới hạn API lấy giới hạn phần cứng.

Chi tiết 10 lựa chọn

1. Gói miễn phí của Google Gemini API

Trang bảng giá của Google ghi đầu vào và đầu ra "Free of charge" cho Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 3.1 Flash-Lite, 2.5 Pro, 2.5 Flash và 2.5 Flash-Lite. Gemini 4 Argon và 3.1 Pro Preview chỉ có bản trả phí. Giới hạn tốc độ chính xác nằm trong AI Studio chứ không có trong tài liệu, và Google cho biết mô hình preview có giới hạn chặt hơn (trang giới hạn). Điểm cần lưu ý là dữ liệu: ở gói miễn phí, mục "Used to improve our products" được đánh dấu Yes. Đừng đưa dữ liệu khách hàng qua khóa miễn phí. Chi tiết đầy đủ trong hướng dẫn bảng giá và gói miễn phí Gemini API của chúng tôi.

2. Gói Free của Groq

Groq công bố giới hạn gói Free theo từng mô hình (giới hạn). Tính đến 21/10/2026:

Mô hình	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	âm thanh: 7.200 giây/giờ, 28.800 giây/ngày

Groq lưu ý rằng token đã cache không bị tính vào giới hạn và giới hạn áp dụng theo tổ chức. Endpoint tương thích OpenAI tại https://api.groq.com/openai/v1 (tương thích OpenAI). 200K token mỗi ngày tương đương khoảng 100 request 2.000 token, nên phù hợp cho demo và agent có ngữ cảnh ngắn.

3. Mô hình miễn phí của OpenRouter

Trang bảng giá của OpenRouter liệt kê hơn 25 mô hình miễn phí từ 4 nhà cung cấp miễn phí trên gói Free, không thu phí nền tảng. Các biến thể miễn phí (ID kết thúc bằng :free) bị giới hạn 20 request mỗi phút và 50 mỗi ngày, tăng lên 1.000 mỗi ngày khi tài khoản đã mua ít nhất 10 USD credit. Tài liệu giới hạn bổ sung hai chi tiết: lần gọi thất bại vẫn bị tính vào hạn mức ngày, và số dư âm sẽ chặn mô hình miễn phí cho đến khi bạn nạp tiền. Xem các mô hình miễn phí hiện có bằng bộ lọc giá miễn phí. Nếu bạn đang so sánh OpenRouter với các router khác, hãy xem hướng dẫn các lựa chọn thay thế OpenRouter.

4. Cloudflare Workers AI

Workers AI có trong gói Workers Free với 10.000 Neurons mỗi ngày miễn phí; phần vượt quá tính 0,011 USD cho mỗi 1.000 Neurons, và mọi giới hạn đặt lại lúc 00:00 UTC (bảng giá). Cách quy đổi Neurons sang token khác nhau theo mô hình, và Cloudflare liệt kê các mô hình cần phương thức thanh toán trả phí, gồm Kimi K2.6, GLM 5.x và các bản DeepSeek V4 Flash gần đây. Workers AI có endpoint tương thích OpenAI tại https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1.

5. NVIDIA NIM trên build.nvidia.com

Danh mục của NVIDIA quảng bá "Free inference with leading models", giới thiệu các mô hình Nemotron và DeepSeek V4.1 Flash trên trang chủ (build.nvidia.com). Các endpoint theo định dạng OpenAI tại https://integrate.api.nvidia.com/v1 (tài liệu API). NVIDIA không công bố hạn mức miễn phí cố định trên trang đó, vì vậy hãy coi đây là kênh đánh giá, không phải phụ thuộc cho production.

6. Gói miễn phí của Vercel AI Gateway

Mỗi team trên Vercel nhận 5 USD credit AI Gateway mỗi tháng ở gói miễn phí, chỉ cho các mô hình đủ điều kiện và với giới hạn theo mô hình thấp hơn; vượt quá sẽ trả về 429 (bảng giá). Mua credit sẽ chuyển bạn sang gói trả phí, nơi Vercel cho biết không cộng thêm phí trên token.

7. Dùng thử miễn phí Cerebras

Tài khoản Cerebras mới nhận 5 USD credit miễn phí sau khi thêm phương thức thanh toán đã xác minh; credit hết hạn 30 ngày sau khi được cấp và dùng được cho mọi mô hình công khai (giới hạn). Đây là bản dùng thử chứ không phải gói cố định, nhưng hữu ích để thử suy luận thông lượng rất cao.

8. Khóa dùng thử Cohere

Cohere cung cấp khóa đánh giá miễn phí giới hạn 1.000 lượt gọi API mỗi tháng, còn khóa production dành cho sử dụng trả phí (tài liệu). Phù hợp để thử mô hình embedding và rerank của Cohere trong một prototype RAG.

9. Ollama (cục bộ, không giới hạn API)

Ollama chạy mô hình trọng số mở trên máy của bạn và cung cấp API tương thích OpenAI tại http://localhost:11434/v1. Không có giới hạn tốc độ và dữ liệu không rời khỏi máy, nhưng kích thước mô hình bị giới hạn bởi RAM hoặc VRAM. Nếu muốn chạy trên GPU thuê, hãy xem hướng dẫn Ollama trên máy chủ GPU đám mây.

10. Hugging Face Inference Providers (không miễn phí cho người dùng miễn phí)

Nhiều danh sách vẫn gọi dịch vụ suy luận lưu trữ của Hugging Face là miễn phí. Tài liệu bảng giá hiện ghi rằng người dùng miễn phí không nhận credit hằng tháng và phải mua credit, còn người dùng PRO và các ghế Team hoặc Enterprise nhận 2,00 USD mỗi tháng. Rất tốt về độ đa dạng mô hình, nhưng hãy lập ngân sách như dịch vụ trả phí.

Chi phí ẩn của API LLM miễn phí

Chi phí ẩn	Xuất hiện ở đâu	Nên làm gì
Dữ liệu của bạn huấn luyện hoặc cải thiện mô hình	Gói miễn phí Gemini ("Used to improve our products: Yes")	Dữ liệu khách hàng chỉ dùng khóa trả phí
Hạn mức ngày tính cả lần lỗi	Mô hình miễn phí của OpenRouter	Thử lại có backoff, không lặp liên tục
Rất ít token mỗi phút	Groq Free (8K TPM với gpt-oss-120b)	Giữ prompt ngắn; không xử lý hàng loạt
Mô hình khả dụng thay đổi	NVIDIA NIM, danh sách miễn phí của OpenRouter	Cố định một mô hình dự phòng
Dịch vụ ngừng hoạt động	GitHub Models, ngừng ngày 30/7/2026	Đừng hard-code một nhà cung cấp miễn phí duy nhất
Credit dùng thử hết hạn	Cerebras (5 USD, 30 ngày)	Dùng để benchmark, không phải để ra mắt

Bắt đầu nhanh: một client, nhiều nhà cung cấp miễn phí, tự động fallback

Hầu hết các lựa chọn miễn phí ở trên dùng định dạng API của OpenAI, nên một client có thể thử lần lượt và chuyển sang nhà cung cấp kế tiếp khi gặp 429. Chỉ cần đặt những khóa bạn có.

# 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."))

Thử một nhà cung cấp từ 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"}]}'

Cùng ý tưởng fallback bằng 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);
  }
}

Với các agent lập trình như Cline hoặc Continue, hướng dẫn API LLM miễn phí cho agent lập trình của chúng tôi trình bày cấu hình cho từng công cụ.

Khi hết miễn phí: các mô hình trả phí rẻ nhất

Gói miễn phí dành cho xây dựng và thử nghiệm. Khi ra mắt, các mức giá niêm yết chính thức rẻ nhất cho mô hình văn bản vào ngày 21/10/2026 là:

Mô hình	Đầu vào / đầu ra mỗi 1M token	Nguồn
Gemini 2.5 Flash-Lite	$0.10 / $0.40	Google
`gpt-6-luna`	$0.10 / $0.50	OpenAI
Claude Haiku 5.5 (prompt tối đa 100K)	$0.10 / $0.50	Anthropic
`deepseek-flash`, ngoài giờ cao điểm	$0.15 / $0.60	DeepSeek

Với mức giá này, 10M token đầu vào và 2M token đầu ra mỗi tháng tốn khoảng 1,80–2,70 USD. Flatkey không có gói miễn phí, nhưng cho phép bạn dùng các mô hình này bằng một khóa tương thích OpenAI và một số dư duy nhất; FAQ của Flatkey ghi credit thưởng khi nạp tiền (ví dụ +3 USD khi nạp 10 USD) tính đến 21/10/2026, và danh mục mô hình niêm yết gpt-6-luna ở mức 0,06 / 0,30 USD. Để so sánh rộng hơn các gói khởi đầu, hãy xem so sánh gói miễn phí của các nhà cung cấp lớn và so sánh giá API AI.

Câu hỏi thường gặp

Có API LLM nào hoàn toàn miễn phí và không giới hạn không?

Không có API lưu trữ nào miễn phí mà không giới hạn. Mọi nhà cung cấp ở trên đều giới hạn request, token, credit hoặc Neurons theo ngày hoặc tháng. Cách duy nhất không bị giới hạn API là chạy mô hình mở cục bộ, ví dụ với Ollama, khi đó phần cứng của bạn là giới hạn.

Tôi có thể dùng LLM miễn phí không?

Có. Cách đơn giản nhất là lấy khóa Gemini API từ Google AI Studio và dùng mô hình gói miễn phí như gemini-3.8-flash, hoặc khóa gói Free của Groq cho openai/gpt-oss-120b. Cả hai đều dùng được với OpenAI SDK chỉ bằng cách đổi base URL.

API LLM nào rẻ nhất sau khi hết gói miễn phí?

Theo giá niêm yết chính thức ngày 21/10/2026, Gemini 2.5 Flash-Lite (0,10 USD đầu vào / 0,40 USD đầu ra mỗi 1M token), gpt-6-luna và Claude Haiku 5.5 (0,10 / 0,50 USD), cùng DeepSeek Flash ngoài giờ cao điểm (0,15 / 0,60 USD) là các mô hình văn bản phổ biến rẻ nhất.

API LLM miễn phí nào tốt nhất?

Với đa số prototype ứng dụng, đó là gói miễn phí của Gemini API, vì có mô hình Flash hiện hành, ngữ cảnh dài và lộ trình nâng cấp rõ ràng. Groq tốt nhất khi cần tốc độ với prompt ngắn, còn OpenRouter phù hợp khi muốn so sánh nhiều mô hình mở.

API LLM miễn phí có an toàn cho production không?

Không nên là con đường duy nhất. Gói miễn phí thay đổi giới hạn mà không báo trước, một số dùng dữ liệu của bạn để cải thiện mô hình, và dịch vụ có thể bị ngừng như GitHub Models vào ngày 30/7/2026. Hãy dùng chúng khi phát triển và giữ một phương án trả phí dự phòng khi ra mắt.