FreeLLMAPI est un service proxy open source compatible OpenAI qui regroupe les quotas gratuits de plus de 28 fournisseurs de services d'IA tels que Google Gemini, Groq, Cerebras, Mistral, etc., avec une capacité d'inférence mensuelle gratuite totale d'environ 4 milliards de jetons, et prend en charge le routage intelligent, le basculement automatique, le cryptage par clé AES-256-GCM et les tableaux de bord visuels.

FreeLLMAPI : analyse approfondie de la passerelle proxy d'agrégation de quotas gratuite LLM open source

Paramètres et statistiques de base

Projet	Spécifications
Nom du projet	GratuitLLMAPI
Catégorie	Programmation IA / Agent API
Licence Open Source	MIT
Étoiles GitHub	16,4k
Langages de programmation	TypeScript (Principal)
Formulaire de livraison	Application auto-hébergée / Docker / Bureau
Utilisateurs cibles	Développeurs/Individus/Petites équipes
Commanditaires principaux	Axé sur la communauté, pas de parrainage commercial

La proposition de valeur fondamentale de FreeLLMAPI est claire et directe : elle regroupe les crédits gratuits de plus de 28 fournisseurs de services d'IA dans un point de terminaison d'API unifié compatible OpenAI, regroupant en moyenne environ 4 milliards de jetons de capacité d'inférence gratuite par mois. Il ne s'agit pas d'une autre « plate-forme d'agrégation LLM », mais d'une solution d'ingénierie positionnée pour que les développeurs individuels « appellent plusieurs modèles à un coût nul » dans des expériences locales. La licence MIT signifie qu'il n'y a aucune barrière juridique à l'utilisation commerciale et à la redistribution. Les 16,4 000 étoiles de GitHub se situent au plus haut niveau parmi les projets proxy d'API, reflétant la forte demande de la communauté pour des « crédits gratuits agrégés » - il est intéressant de noter que le nombre d'étoiles lui-même est également l'un des moteurs des mises à jour continues du projet.

Reconnaissance des utilisateurs et du marché

La reconnaissance du marché de FreeLLMAPI peut être décomposée en trois dimensions : les indicateurs de communauté, la couverture des scénarios d'utilisation et le positionnement concurrentiel.

Mesures de la communauté : GitHub 16,4 000 étoiles, 2,4 000 Forks, 47 contributeurs (en juillet 2026). La courbe de croissance de Stars s'est considérablement accélérée après la sortie de la v0.5.0 (9 nouveaux fournisseurs + API compatible Anthropic + support du serveur MCP), indiquant que chaque mise à jour majeure de version de fonctionnalité atteindra une nouvelle vague d'utilisateurs. La fréquence de sortie est d'environ une version mineure par mois, 0.3.0 (2026-06-10) → 0.4.1 (2026-06) → 0.5.0 (2026-07-18), et le rythme d'itération est sain.

Chemin de diffusion des scénarios d'utilisation : les premiers utilisateurs du projet sont principalement des développeurs individuels qui doivent appeler plusieurs LLM pour la vérification des prototypes à un coût nul. Avec l'ajout du serveur MCP, de la génération d'images et de la prise en charge de TTS dans la version 0.5.0, la base d'utilisateurs a commencé à s'étendre dans les directions suivantes : (1) les développeurs d'applications d'IA qui ont besoin de prototypes RAG ; (2) les data scientists qui ont besoin d'une évaluation multimodèle à faible coût ; (3) petites équipes qui doivent créer localement des passerelles de services d’IA.

Positionnement compétitif : contrairement à OpenRouter (une passerelle commerciale qui traite 100 000 milliards de jetons par mois), FreeLLMAPI emprunte la voie « auto-hébergement + agrégation de quotas gratuite ». L'argument de vente d'OpenRouter est la sélection de plus de 400 modèles et aucune opération ni maintenance, et l'argument de vente de FreeLLMAPI est l'absence de frais et les données ne quittent pas la zone locale. Il existe un chevauchement dans la base d'utilisateurs des deux : les développeurs peuvent utiliser FreeLLMAPI dans la phase de prototypage, passer à OpenRouter ou utiliser la clé API directement dans la phase de production. Ce type de détournement naturel « Up-Sell » est une sorte de preuve de positionnement écologique pour les projets communautaires.

Avantage de coût

Dimension du coût	Descriptif
Licence de logiciel	0 $ (Licence MIT, commercial et redistribution autorisés)
Infrastructures	Préparez vos propres ressources serveur/cloud (1 vCPU recommandé + 2 Go de RAM, déploiement autonome)
Déploiement et exploitation et maintenance	Capacités d'exploitation et de maintenance de base de Docker ou Node.js requises
Frais d'appel API	0 $ (quota cumulé gratuit de tiers)
Assistance commerciale	Support communautaire uniquement (problèmes/discussions GitHub)

Déduction du TCO (12 mois, scénario développeur individuel) :

• Auto-déploiement FreeLLMAPI : serveur cloud environ 50 ¥/mois × 12 = 600 ¥ + main d'œuvre d'exploitation et de maintenance environ 2 heures de déploiement initial + 1 heure/mois de maintenance ≈ 600-900 ¥/an
• Connexion directe à l'API commerciale (même volume d'appels) : en supposant une moyenne de 10 appels vers chacun des 28 fournisseurs par jour, appelant directement via l'API officielle, pas d'utilisation de quota gratuite ⇒ Frais mensuels d'environ 50 à 200 $ (selon le volume d'appels) ≈ 4 000 à 16 000 ¥/an
• Passerelle API commerciale (telle qu'OpenRouter) : même volume d'appels que ci-dessus, environ 10 à 50 $/mois ≈ 800 à 4 000 ¥/an

Conclusion clé : les frais de licence logicielle nuls + les frais d'appel API nuls de FreeLLMAPI rendent son avantage en termes de coût extrêmement significatif dans le scénario « multi-fournisseurs, volume d'appels moyen ». Cependant, il convient de noter que les modifications de la disponibilité et des limites de débit des quotas gratuits de tiers ne sont pas contrôlées par le projet : si un certain fournisseur de services ajuste sa politique de gratuité, la capacité globale totale diminuera.

Architecture et fonctionnalités de base

• Présentation de l'architecture : FreeLLMAPI adopte une architecture de séparation front-end et back-end. Le cœur du backend est un service proxy d'API implémenté dans TypeScript, qui reçoit les requêtes dans des formats compatibles OpenAI et distribue les requêtes à plus de 28 points de terminaison d'API sous-jacents via le routeur intégré. Le frontal fournit un tableau de bord visuel (intégré à l'application de bureau) pour afficher le volume d'appels, le crédit gratuit restant et les statistiques de latence de chaque fournisseur. Le flux de données est le suivant : Utilisateur → Demande compatible OpenAI → Routeur FreeLLMAPI → API du fournisseur cible → Agrégation de réponses → Utilisateur.
• Core Engine (Smart Router) : les fonctions de base du routeur incluent : (1) Modèle vers le mappage du fournisseur - Maintenir un répertoire de modèles dynamique qui mappe « nom du modèle + paramètres de demande » aux points de terminaison du fournisseur gratuit disponibles ; (2) Basculement automatique - Si le fournisseur préféré renvoie 429 (accélérateur) ou 5xx (erreur côté serveur), le routeur passe automatiquement à un autre fournisseur ; (3) Planification tenant compte des coûts - Donnez la priorité au fournisseur avec le plus grand quota gratuit restant et équilibrez les quotas d'appels de chaque fournisseur. Le répertoire de modèles de signature introduit dans la v0.5.0 permet au routeur de synchroniser automatiquement la dernière liste de modèles de fournisseurs sans configuration manuelle.
• Mécanisme d'extension : grâce au système d'adaptateur de fournisseur structuré, les nouveaux fournisseurs n'ont qu'à implémenter des interfaces standardisées. La communauté fournit des adaptateurs pour la plupart des fournisseurs, ce qui réduit la charge pesant sur un seul responsable. De plus, la version 0.5.0 ajoute la prise en charge du serveur MCP (Model Context Protocol), permettant à FreeLLMAPI d'interagir avec d'autres serveurs MCP en tant que client MCP - il s'agit d'un point d'expansion écologique important qui met à niveau FreeLLMAPI d'un « proxy API » à une « passerelle de service IA ».
• Sécurisé dès la conception : la clé API est stockée localement avec le cryptage AES-256-GCM et la dérivation de clé utilise PBKDF2. Le mécanisme de mise en cache des réponses réduit la consommation de crédits gratuits par des requêtes répétées. Mais attention : le chiffrement n'est utilisé qu'au repos

Stockage, la clé API d'exécution existe toujours en texte clair dans la mémoire, ce qui constitue une limitation courante de tous les projets de proxy API.

Evolution du modèle et de la version

Version	Dates	Changements clés
v0.5.0 (dernière)	2026-07-18	9 nouveaux fournisseurs, API compatible Anthropic, génération d'images/TTS, serveur MCP, sortie structurée, mise en cache des réponses, renforcement de la sécurité
v0.4.1	~2026-06	Correctifs et mises à jour de stabilité, correctif de dénomination du programme d'installation du bureau
v0.3.0	2026-06-10	Le catalogue de modèles premium en temps réel est en ligne, le routeur synchronise automatiquement le catalogue de modèles de signature, le système d'adaptation structuré du fournisseur

Le rythme des versions est d'environ 6 semaines de la v0.3.0 à la v0.5.0, ce qui est une période d'itération rapide. La v0.5.0 est la plus grande mise à jour à ce jour : l'ajout de 9 nouveaux fournisseurs augmente considérablement la capacité d'agrégation, et l'ajout d'API et de serveurs MCP compatibles Anthropic étend considérablement le champ d'utilisation. La stratégie de numéro de version du projet est « orientée fonction » plutôt que « orientée stabilité » : le principal signal pour des incréments mineurs de version est le lancement de nouvelles fonctionnalités, plutôt que des engagements en matière de stabilité de l'interface. Cela signifie que l'utilisation de versions corrigées (plutôt que de dernières balises) constitue une stratégie plus fiable dans les environnements de production.

Avantages techniques

• Conception d'architecture : l'architecture d'adaptateur modulaire rend l'ajout de nouveaux fournisseurs extrêmement bon marché : les contributeurs de la communauté peuvent généralement écrire un adaptateur pour un nouveau fournisseur en 2 à 4 heures. Le mécanisme de basculement intelligent du routeur limite l'impact d'un point de défaillance unique au niveau d'un seul fournisseur, sans provoquer d'échecs de requête pour l'ensemble du service. La conception de séparation front-end et back-end permet d’itérer indépendamment le tableau de bord front-end et le routage back-end.
• Performance : la latence du proxy de FreeLLMAPI est extrêmement faible (millisecondes) et la latence totale des requêtes dépend principalement de la vitesse de réponse de l'API du fournisseur cible. Grâce au mécanisme de mise en cache des réponses, les appels secondaires à la même requête peuvent renvoyer directement les résultats mis en cache pour éviter une consommation répétée de crédits gratuits. Les tests de référence montrent que FreeLLMAPI peut gérer environ 500 RPM (requêtes par minute) dans une configuration de 1 vCPU + 2 Go de RAM, ce qui est suffisant pour couvrir des scénarios d'utilisation individuels et en petites équipes.
• Conception de sécurité : (1) cryptage statique de la clé API (AES-256-GCM + PBKDF2) ; (2) Les journaux de demandes peuvent être configurés avec des niveaux de désensibilisation ; (3) Le cache de réponses prend en charge la politique TTL. La principale limitation de la conception de sécurité est que la clé API existe en texte clair dans la mémoire au moment de l'exécution. Ce risque est contrôlable dans un scénario de déploiement local avec un seul utilisateur, mais nécessite des mesures d'isolation supplémentaires dans un scénario de déploiement partagé multi-utilisateurs.
• Observabilité : l'application de bureau dispose d'un tableau de bord visuel intégré qui affiche le volume d'appels, le crédit restant et la répartition de la latence de chaque fournisseur. Le journal prend en charge la sortie structurée (JSON) et peut être connecté à des plateformes de journaux telles que ELK/Loki. Les métriques sont exposées au format Prometheus et peuvent être collectées par des systèmes de surveillance tels que Grafana.

Guide des pièges du déploiement

Sur la base de l'expérience de déploiement communautaire, les questions fréquemment posées suivantes sont :

1. Configuration et gestion de la clé API du fournisseur : les utilisateurs doivent créer un compte et obtenir une clé API pour chaque fournisseur qu'ils souhaitent appeler, puis l'enregistrer via la fonction de stockage cryptée de FreeLLMAPI. Pièges courants : le format des clés API et la gestion des autorisations varient considérablement d'un fournisseur à l'autre : certains fournisseurs (comme Google Gemini) nécessitent une autorisation au niveau du projet, tandis que d'autres (comme Groq) ne nécessitent que de simples clés API. Solution : configurez-le un par un selon la section "Configuration du fournisseur" du document officiel, vérifiez-le d'abord auprès d'un seul fournisseur, puis ajoutez-le étape par étape.

2. Limite de taux de quota gratuit (Rate Limit) : Le prix du regroupement de quotas gratuits est que les limites de taux de chaque fournisseur sont différentes et généralement plus strictes. Chaîne de problèmes : Faibles tarifs chez un seul fournisseur → Basculement automatique du routeur → Utilisation parallèle de plusieurs fournisseurs → Le mécanisme de « détection gratuite des abus » de certains fournisseurs peut être déclenché en raison de modèles de requêtes provenant de la même adresse IP. Solution : configurez les files d'attente de requêtes et les tentatives d'interruption exponentielle (Exponential Backoff) et surveillez la fréquence d'appel de chaque fournisseur dans le tableau de bord pour éviter l'agrégation de requêtes sur une courte période de temps.

3. Planification des ressources mémoire pour le déploiement de Docker : l'utilisation de la mémoire par défaut du processus Node.js de FreeLLMAPI est d'environ 200 à 400 Mo, ce qui peut atteindre plus de 1 Go en cas de concurrence élevée. FAQ : Après le déploiement sur une instance cloud de petite taille de 512 Mo, le processus a été interrompu par le système en raison d'un MOO. Solution : L'environnement de production recommande une configuration minimale de 1 vCPU + 2 Go de RAM, et utilise --memory et --memory-swap pour limiter la limite de ressources du conteneur.

4. L'application de bureau est en conflit avec le proxy système : le tableau de bord intégré et les outils de configuration de la version de bureau entrent en conflit avec les paramètres du proxy système dans certains environnements réseau d'entreprise, ce qui entraîne l'impossibilité de se connecter aux API externes. SOLUTION : configurez manuellement les règles de pénétration du proxy dans les paramètres du bureau ou utilisez le déploiement Docker dans le terminal au lieu du bureau.

Comment utiliser

Entrée	Installation/Utilisation
Code source de GitHub	git clone https://github.com/tashfeenahmed/freellmapi.git → npm install → configurer .env → npm start
Docker	docker pull ghcr.io/freellmapi/freellmapi:latest → docker run -p 3000:3000 -v ./config:/app/config freellmapi
Application de bureau	Versions de GitHub Téléchargez le package d'installation du système correspondant → Installation → Configuration de l'interface graphique
Script en un clic	curl -fsSL https://get.freellmapi.dev \| bash (maintenu par la communauté, sous réserve du README officiel)

Étapes de démarrage rapide :

1. Utilisez Docker pour déployer : docker run -d -p 3000:3000 --name freellmapi ghcr.io/freellmapi/freellmapi:latest
2. Visitez http://localhost:3000 et ajoutez au moins la clé API d'un fournisseur (comme Groq ou Gemini) via le tableau de bord.
3. Appel de vérification : curl http://localhost:3000/v1/chat/completions -H "Autorisation : Bearer local" -d '{"model":"gpt-3.5-turbo","messages":[{"role":"user","content":"Bonjour"}]}'
4. Pointez l'url base_url du SDK OpenAI sur « http://localhost:3000/v1 » pour utiliser le SDK standard compatible OpenAI pour appeler le modèle gratuit agrégé.

Exemple d'appel API (Python) :

depuis openai importer OpenAI

client = OpenAI (
    base_url="http://localhost:3000/v1", # point de terminaison FreeLLMAPI
    api_key="local" #Clé locale par défaut
)

réponse = client.chat.completions.create(
    model="gpt-3.5-turbo", # FreeLLMAPI mappe automatiquement aux modèles avec quota gratuit
    messages=[{"role": "user", "content": "Écrire une introduction sur AI gateway"}]
)
imprimer(response.choices[0].message.content)

Tarification des produits (les projets open source sont généralement gratuits)

Niveaux	Prix ​​	Ce qui est inclus
Noyau Open Source	0 $	Fonctionnalités de base complètes (licence MIT)
Version d'hébergement cloud	Aucun	Actuellement, seules les applications d'auto-déploiement et de bureau sont disponibles
Version entreprise	Aucun	Axé sur la communauté, pas de version commerciale

FreeLLMAPI est actuellement entièrement open source et gratuit. Mais si votre équipe envisage de l'utiliser à grande échelle dans un environnement de production, les coûts cachés suivants doivent être inclus : main d'œuvre de déploiement et d'exploitation (environ 2 à 4 heures pour la configuration initiale, environ 1 à 2 heures/mois pour la maintenance quotidienne) + coûts d'infrastructure (serveur cloud 50-200 ¥/mois) + « coûts de gestion » du quota gratuit d'API tierce (surveillance de l'équilibre des quotas et des changements de politique de chaque fournisseur).

Scénarios d'application

• Scénario 1 : Vérification de prototype multimodèle - Au stade du prototype du développement d'applications d'IA, il est nécessaire d'essayer rapidement les effets de sortie de différents modèles (comme la comparaison de la qualité de génération de code de GPT-4o vs Gemini vs Claude). L'approche traditionnelle nécessite d'enregistrer les clés API une par une, de gérer les SDK de différents fournisseurs, de les appeler séparément, puis de les résumer manuellement. FreeLLMAPI simplifie ce processus comme suit : configurez une clé API une fois → appelez via un point de terminaison unifié → affichez les résultats de chaque modèle dans le tableau de bord. Déduction du retour sur investissement : le nombre d'appels d'API au stade du prototype est généralement de l'ordre de millions de jetons. L'utilisation de FreeLLMAPI pour agréger le quota gratuit peut directement réduire à zéro le coût des appels à cette étape.
• Scénario 2 : Passerelle de service IA locale - Créez une passerelle de service IA dans le réseau local et plusieurs applications de l'équipe partagent la même instance de passerelle. Le routeur et le mécanisme de mise en cache de FreeLLMAPI peuvent éviter les appels répétés au même modèle au sein de l'équipe et améliorer l'efficacité d'utilisation des crédits gratuits. Méthode de vérification : Les statistiques d'appels dans le tableau de bord peuvent refléter directement la vitesse de consommation de crédit de chaque fournisseur.
• Scénario 3 : Inférence par lots avec confidentialité des données d'abord - Pour les tâches d'inférence par lots contenant des données sensibles (telles que l'analyse de documents internes), les utilisateurs peuvent acheminer les demandes vers des fournisseurs de services qui fournissent un quota gratuit via FreeLLMAPI, mais les données ne transitent pas par des passerelles tierces, ce qui réduit le risque de fuite de données. Limitations : les données finiront toujours par atteindre le serveur du fournisseur cible, et si le fournisseur cible dispose d'une politique de conservation des données, ce risque existe toujours. Il ne peut être que partiellement atténué en choisissant un fournisseur avec une politique de conservation des données transparente.

Personnes concernées

• Développeur individuel : développeurs indépendants qui doivent faire appel à plusieurs LLM pour la vérification de prototypes, les tests fonctionnels ou les expériences d'apprentissage à un coût nul. Vous pouvez commencer avec une compréhension de base de Docker/Node.js.
• Data Scientist/ML Engineer : Nécessité d'effectuer des tests de référence et de comparer les effets sur différents modèles. L'interface d'appel unifiée de FreeLLMAPI minimise les coûts de changement de modèle.
• Démarrage d'applications en petite équipe/IA : fournir à l'équipe des capacités d'appel multimodèles dans le cadre d'un budget limité. Le mode d'auto-déploiement garantit que la clé API ne quitte pas le réseau local.
• Limite inappropriée : (1) Passerelles API de niveau production qui nécessitent des garanties SLA (il est recommandé d'utiliser l'API directe OpenRouter, Anthropic/OpenAI) ; (2) Organisations sans équipes techniques (il est recommandé d'utiliser des services d'hébergement cloud) ; (3) Scénarios en temps réel avec des exigences strictes en matière de latence de réponse API (la couche proxy de FreeLLMAPI introduit des retards supplémentaires de l'ordre de la milliseconde, et la limite de débit du crédit gratuit peut entraîner des retards plus élevés).

Comparaison des produits concurrents

Comparer les dimensions	GratuitLLMAPI	OuvrirRouter	Une API	LiteLLM
Source ouverte/source fermée	Open Source (MIT)	Source fermée (SaaS)	Open Source (MIT)	Open Source (MIT)
Positionnement de base	Quota libre agrégé	Plus de 400 passerelles commerciales modèles	Passerelle API auto-construite	Bibliothèque d'agents LLM
Méthode de déploiement	Auto-hébergé / Docker / Bureau	SaaS	Auto-hébergé / Docker	Bibliothèque Python
Nombre de prestataires	28+ (focus sur le quota gratuit)	400+ (y compris payants et gratuits)	Par configuration personnalisée	200+
Utilisation gratuite des quotas	Fonctions de base (planification automatique du routeur)	Limité (selon le fournisseur lui-même)	Configuration manuelle requise	Configuration manuelle requise
Basculement	Automatique (routeur intelligent)	Automatique	Configuration manuelle	Configuration manuelle
Stockage crypté	AES-256-GCM	Serveur (qualité commerciale)	Pas de	Pas de
Activité communautaire	16,4k étoiles, 47 contributeurs	N/A (source fermée)	5,2 000 étoiles	12,6 000 étoiles
Scénarios applicables	Multimodèle gratuit pour particuliers/petites équipes	Passerelle multimodèle au niveau de la production	Gestion des API d'entreprise	Intégration d'applications Python

Résumé et Outlook

FreeLLMAPI fournit une solution hautement ciblée dans le domaine des proxys d'API open source : les « crédits gratuits agrégés ». Il ne s'agit pas d'une autre passerelle API à usage général (telle que One API ou LiteLLM), mais minimise la complexité technique de la tâche consistant à « appeler gratuitement plus de 28 modèles domestiques » grâce aux trois capacités des routeurs intelligents, du basculement automatique et du stockage crypté.

Avantages actuels : (1) Zéro frais d'appel API + licence open source MIT, les avantages économiques sont extrêmement significatifs dans la vérification des prototypes et les scénarios expérimentaux ; (2) Les routeurs intelligents et le basculement automatique cachent aux utilisateurs la complexité de la gestion multi-fournisseurs ; (3) Les conceptions techniques telles que la mise en cache des réponses et le stockage chiffré dépassent la plupart des projets open source similaires.

Limites et risques connus : (1) Incontrôlabilité du quota gratuit - les modifications de la politique de gratuité des fournisseurs tiers ne sont pas sous le contrôle du projet. En supposant que Groq ou Gemini ajuste la limite du quota gratuit un certain jour, la capacité globale diminuera directement. Ce risque ne peut pas être résolu par des mises à niveau logicielles et ne peut être couvert que partiellement par une « redondance » multi-fournisseurs. (2) Durabilité des projets communautaires - La structure de 47 contributeurs et un seul responsable principal signifie que la vitalité du projet dépend fortement de l'investissement en temps des principaux responsables. (3) Manque de capacités au niveau de la production - pas de SLA, pas de support commercial et pas de gestion des autorisations au niveau de l'entreprise, ce qui signifie que FreeLLMAPI est plus adapté à « la construction de prototypes et d'environnements expérimentaux » plutôt qu'à « transporter du trafic de production ».

Objectif de suivi : (1) L'expansion géographique du réseau de fournisseurs - la couverture des fournisseurs asiatiques et sud-américains ; le taux de croissance de l'écosystème des serveurs MCP - cela pourrait devenir la voie différenciée de FreeLLMAPI vers une « passerelle de services IA » ; la question de savoir si la voie de commercialisation de la version communautaire par rapport à la version entreprise émergera - cela est lié à la durabilité à long terme du projet.

Il est recommandé d'utiliser FreeLLMAPI d'abord dans les scénarios de vérification de prototype et d'expérimentation locale, puis de migrer le trafic de production vers OpenRouter ou vers une clé API directe. Cela peut non seulement utiliser des crédits gratuits pour réduire les coûts expérimentaux, mais également éviter que les risques de durabilité des projets communautaires n'affectent l'environnement de production.

Outils associés : github-copilot, Curseur

Principales fonctions de FreeLLMAPI

• Capacités de traitement de base : fournit des fonctionnalités d'IA de base dans les scénarios correspondants pour aider les utilisateurs à effectuer rapidement des tâches.
• Interaction multimodale : prend en charge la saisie de texte et la sortie des résultats, et certaines scènes prennent en charge le téléchargement d'images ou de fichiers.
• Intégration du workflow : peut être intégré aux workflows existants ou lié à d'autres outils via des API pour réduire le changement de contexte.

Prix des produits pour FreeLLMAPI

Le modèle de tarification est soumis à la page officielle en temps réel. Habituellement, un système freemium ou d'abonnement est adopté, les fonctions de base peuvent être utilisées gratuitement et les fonctions avancées ou l'utilisation à haute fréquence nécessitent un paiement.

Informations de version

• v0.5.0 ：Ajout de 9 nouveaux fournisseurs API compatible Anthropic, génération d'images/TTS, serveur MCP, sortie structurée, mise en cache des réponses, renforcement de la sécurité, etc. （2026-07-18）
• v0.4.1 ：Correctifs et mises à jour de stabilité, correctif de dénomination du programme d'installation du bureau. Il n’y a pas encore de date officielle précise. （~2026-06）
• v0.3.0 ：Le catalogue de modèles Premium en temps réel est en ligne, le routeur synchronise automatiquement le catalogue de modèles de signature et un nouveau système structuré d'adaptation des fournisseurs est ajouté. （2026-06-10）