API LLM miễn phí năm 2026: cái gì thực sự miễn phí

Trả lời nhanh: bốn cách dùng API LLM miễn phí

Nếu bạn muốn một gợi ý duy nhất: prototype trên Google AI Studio hoặc các biến thể miễn phí của OpenRouter, chạy workload riêng tư hoặc khối lượng lớn ở local nếu bạn có GPU đủ mạnh, và chuyển sang trả theo lượng dùng giá rẻ ngay khi giới hạn hàng ngày bắt đầu cắt ngang các phiên làm việc thật. Phần còn lại của bài này đi qua giới hạn được ghi nhận của từng lựa chọn, điểm trừ đi kèm mỗi lựa chọn, và phép tính cho thấy khi nào vài đô la credit trả phí đơn giản là ít phiền phức hơn miễn phí.

• Free tier của nhà cung cấp: Google AI Studio (Gemini), Groq, Mistral, và GitHub Models phát API key miễn phí với giới hạn request thấp. Phù hợp nhất để prototype.
• Model miễn phí trên OpenRouter: các biến thể model gắn nhãn :free, với giới hạn request mỗi phút và mỗi ngày trên một key. Phù hợp nhất để thử nhanh nhiều model.
• AI Horde: một cụm GPU tình nguyện được cộng đồng đóng góp. Thực sự miễn phí, không có quota cứng, nhưng bạn phải chờ hàng đợi cho mỗi lượt tạo.
• Model local: Ollama hoặc llama.cpp trên máy của riêng bạn. Không tốn chi phí theo token, chỉ giới hạn bởi phần cứng của bạn.

Sự thật về "API AI miễn phí không giới hạn"

Một API AI miễn phí không giới hạn không tồn tại, và hiểu vì sao trước khi bạn tốn cả buổi tối đi tìm nó là điều nên làm. Inference chạy trên GPU tốn tiền thật mỗi giờ. Bất kỳ ai phục vụ token cho bạn miễn phí đều đang thu hồi chi phí đó ở đâu đó, và chỉ có bốn cơ chế trung thực: rate limit giữ bạn ở quy mô nhỏ, hàng đợi khiến bạn phải chờ, điều khoản cho phép nhà cung cấp học từ prompt của bạn, hoặc tiền điện của chính bạn vì phần cứng là của bạn. Bất cứ điều gì nằm ngoài bốn cơ chế đó nên khiến bạn nghi ngờ. Các danh sách "key miễn phí không giới hạn" trên GitHub và Discord thường là key bị đánh cắp hoặc scrape, chết trong vài ngày, hoặc là endpoint reverse-engineer vi phạm điều khoản dịch vụ của ai đó và có thể ghi log mọi thứ bạn gửi. Đừng đưa dữ liệu cá nhân, hay dữ liệu của người dùng bạn, qua chúng. Vậy câu hỏi thực tế không bao giờ là "API miễn phí không giới hạn ở đâu" mà là "tôi sẵn sàng sống chung với giới hạn nào nhất: trần, hàng đợi, điều khoản dữ liệu, hay phần cứng".

So sánh giới hạn các free tier

Bảng dưới đây tóm tắt những gì mỗi lựa chọn miễn phí cho bạn và cái giá thực tế của nó. Quota thay đổi thường xuyên, nên hãy xem các con số là ước tính được ghi nhận hoặc do cộng đồng báo cáo tại thời điểm viết bài, và xác nhận lại với tài liệu hiện tại của từng nhà cung cấp trước khi xây dựng dựa vào chúng.

Model :free của OpenRouter: cách các biến thể hoạt động

OpenRouter liệt kê một số model với hậu tố :free. Request tới các biến thể đó không tốn gì, và endpoint tương thích OpenAI, nên bất kỳ client nào chấp nhận base URL tùy chỉnh đều dùng được. Giới hạn toàn tài khoản mới là ràng buộc thực sự: khoảng 20 request mỗi phút và trần request hàng ngày ở mức hai chữ số thấp trên một tài khoản mới, nâng lên khoảng 1,000 request mỗi ngày sau khi bạn mua một lượng credit nhỏ một lần, theo tài liệu công bố của OpenRouter. Có hai điều cần biết trước khi bạn dựa vào nó. Thứ nhất, tập hợp model :free luân phiên thay đổi: một model miễn phí tháng này có thể trả phí hoặc biến mất tháng sau, nên hardcode một ID là rất mong manh. Thứ hai, traffic biến thể miễn phí có thể được định tuyến tới các nhà cung cấp có điều khoản ghi log prompt, điều mà OpenRouter công khai theo từng nhà cung cấp. Không cái nào là scandal, cả hai đều là cái giá của miễn phí.

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek/deepseek-chat:free",
    "messages": [{"role": "user", "content": "Hello"}]
  }'
# Chọn bất kỳ ID nào kết thúc bằng :free trong danh sách model của họ; tập hợp này luân phiên thay đổi.

AI Horde: thực sự miễn phí, do cộng đồng vận hành, kèm hàng đợi

AI Horde là lựa chọn duy nhất trong danh sách này không có billing ở bất kỳ đâu trong hệ thống. Tình nguyện viên gắn GPU của họ vào một cụm chung, và bất kỳ ai cũng có thể gửi job tạo văn bản hoặc hình ảnh vào đó, kể cả ẩn danh. Thay vì rate limit, nó dùng kudos: một loại tiền tệ ưu tiên bạn kiếm được bằng cách đóng góp compute hoặc tham gia cộng đồng. Job ẩn danh xếp cuối hàng đợi; người đóng góp tích cực được phục vụ trước. Sự đánh đổi đến trực tiếp từ thiết kế này. Thời gian chờ khó đoán, từ vài giây vào ngày yên tĩnh đến nhiều phút vào giờ cao điểm. Danh sách model có sẵn là bất cứ thứ gì tình nguyện viên đang host, chủ yếu là các model open-weight cộng đồng chứ không phải model thương mại hàng đầu. Và throughput không thể so sánh với những gì một doanh nghiệp API cung cấp, nên nó phù hợp cho dự án hobby, thử nghiệm, và sự kiên nhẫn, không phải cho app nhạy cảm với độ trễ. Nếu use case của bạn là bình thường và không đồng bộ, AI Horde là câu trả lời "thực sự miễn phí" trung thực nhất tồn tại. Nếu bạn cần phản hồi trong hai giây mỗi lần, nó không phải là lựa chọn đó.

Chạy model local: miễn phí sau khi có phần cứng

Inference local là con đường duy nhất dẫn đến token không giới hạn mà không kèm điều khoản nào. Ollama là điểm khởi đầu dễ nhất: nó tải các model open-weight đã lượng tử hóa và mở một server tương thích OpenAI trên localhost, nên cùng đoạn code client bạn viết cho bất kỳ API được host nào cũng chạy được mà không cần đổi. Điểm trừ là phần cứng. Các model nhỏ trong khoảng 7B đến 12B chạy chấp nhận được trên laptop hiện đại hoặc GPU tiêu dùng với 8 đến 16 GB VRAM. Các model open-weight lớn hơn, gần chất lượng thương mại, cần nhiều bộ nhớ hơn nhiều so với hầu hết mọi người sở hữu, và xử lý prompt với context dài khá chậm trên card tiêu dùng. Hãy chuẩn bị ngân sách cho tiền điện và thời gian bạn sẽ bỏ ra cho việc thiết lập và cập nhật.

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama",  # required by the SDK, ignored by Ollama
)

response = client.chat.completions.create(
    model="llama3.1:8b",
    messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)

Khi nào $3 trả theo lượng dùng đáng giá hơn miễn phí

Miễn phí ngừng miễn phí khi nó tốn thời gian của bạn. Ngay khi một trần hàng ngày cắt ngang một phiên làm việc, hoặc biến thể :free bạn đang dùng biến mất, hoặc hàng đợi khiến app của bạn cảm giác như hỏng, một khoản credit trả phí nhỏ trở thành lựa chọn rẻ hơn. Giá token trên các model hiệu quả giờ đã đủ thấp để một ly cà phê tài trợ cho nhiều tuần chat nặng. APIsRouter là một gateway được xây dựng đúng theo đánh đổi đó: một API tương thích OpenAI tại https://api.apisrouter.com/v1, trả theo lượng dùng không subscription, và checkout không cần đăng ký tại /topup nơi bạn trả tiền trước và key gửi tới qua email. Lần nạp đầu tiên cộng thêm 100% số dư, model toàn cầu chạy giá thấp hơn 20% so với giá chính thức, và model Trung Quốc được định giá dưới mức chính thức. Bảng dưới đây cho thấy $3 credit mua được gì với giá catalog.

curl https://api.apisrouter.com/v1/chat/completions \
  -H "Authorization: Bearer sk-APIsRouter-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

Câu hỏi thường gặp