Blog

Những Mô Hình AI Tốt Nhất Miễn Phí Mà Bạn Có Thể Sử Dụng Trên OpenRouter

中村 拓也

中村 拓也

11 tháng 4 2025

Những Mô Hình AI Tốt Nhất Miễn Phí Mà Bạn Có Thể Sử Dụng Trên OpenRouter

Truy cập các mô hình ngôn ngữ và đa phương tiện hiện đại thường liên quan đến việc tiêu tốn nhiều tài nguyên tính toán và tài chính. Tuy nhiên, OpenRouter—một cổng API thống nhất kết nối người dùng với hàng trăm mô hình AI—cung cấp một lựa chọn ấn tượng các mô hình miễn phí chất lượng cao mang lại khả năng mạnh mẽ mà không có rào cản về chi phí. Bài viết này cung cấp một cuộc khám phá kỹ thuật về 13 mô hình AI miễn phí hàng đầu có sẵn trên OpenRouter, phân tích kiến trúc, phân phối tham số, cách xử lý ngữ cảnh và đặc điểm hiệu suất của chúng.

💡
Khi triển khai kiểm tra cho các ứng dụng dựa trên API, các nhà phát triển và kiểm thử ngày càng chuyển sang các công cụ chuyên dụng như Apidog, một lựa chọn thay thế hoàn chỉnh cho Postman giúp đơn giản hóa chu trình phát triển API. 
button

OpenRouter là gì?

OpenRouter hoạt động như một API suy diễn thống nhất cho các mô hình ngôn ngữ lớn (LLMs), cung cấp quyền truy cập tiêu chuẩn hóa vào các mô hình từ nhiều nhà cung cấp thông qua một đầu cuối duy nhất. Nó cung cấp một số lợi thế kỹ thuật:

Bây giờ, hãy xem xét các thông số kỹ thuật kỹ thuật và khả năng của từng mô hình miễn phí có sẵn trên nền tảng.

1. meta-llama/llama-4-maverick:free

Kiến trúc: Thành phần hỗn hợp (MoE) với kích hoạt thưa Tham số: 400B tổng, 17B hoạt động mỗi lần truyền (128 chuyên gia) Độ dài ngữ cảnh: 256.000 token (1 triệu token là giới hạn lý thuyết tối đa) Ngày phát hành: 5 tháng 4, 2025 Chế độ: Văn bản + Hình ảnh → Văn bản

Llama 4 Maverick đại diện cho việc triển khai tiên tiến của Meta về kiến trúc thành phần hỗn hợp thưa, chỉ kích hoạt 4,25% tổng số tham số trong quá trình suy diễn. Mô hình kích hoạt thưa này cho phép hiệu quả tính toán trong khi vẫn giữ được dung lượng mô hình.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Lập luận đa phương thức, theo dõi hướng dẫn hình ảnh, nhiệm vụ suy diễn đa mô hình, lập luận biểu tượng phức tạp và triển khai API có hiệu suất cao.

2. https://openrouter.ai/meta-llama/llama-4-scout:free

Kiến trúc: Thành phần hỗn hợp (MoE) với định tuyến tối ưu Tham số: 109B tổng, 17B hoạt động mỗi lần truyền (16 chuyên gia) Độ dài ngữ cảnh: 512.000 token (10 triệu là giới hạn lý thuyết tối đa) Ngày phát hành: 5 tháng 4, 2025 Chế độ: Văn bản + Hình ảnh → Văn bản

Scout đại diện cho một biến thể tối ưu hóa hơn cho việc triển khai kiến trúc Llama 4, sử dụng ít chuyên gia hơn trong khi vẫn duy trì số lượng tham số hoạt động giống như Maverick.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Triển khai hiệu quả trên phần cứng tiêu dùng, kịch bản điện toán biên, xử lý độ dài ngữ cảnh cao với hạn chế bộ nhớ và phân tán đa phiên bản.

3. https://openrouter.ai/moonshotai/kimi-vl-a3b-thinking:free

Kiến trúc: MoE nhẹ với lập luận hình ảnh chuyên biệt Tham số: 16B tổng, 2.8B hoạt động mỗi bước Độ dài ngữ cảnh: 131.072 token Ngày phát hành: 10 tháng 4, 2025 Chế độ: Văn bản + Hình ảnh → Văn bản

Kimi-VL-A3B-Thinking đại diện cho một thành tựu kỹ thuật trong mô hình hóa đa phương thức tối ưu hóa hiệu suất, cung cấp khả năng mạnh mẽ với kích hoạt tham số tối thiểu.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Lập luận hình ảnh trong điều kiện hạn chế tài nguyên, giải quyết vấn đề toán học với đầu vào hình ảnh, triển khai đa phương thức hiệu quả và các ứng dụng AI biên cần sự hiểu biết về hình ảnh.

4. https://openrouter.ai/nvidia/llama-3.1-nemotron-nano-8b-v1:free

Kiến trúc: Transformer đã chỉnh sửa với tối ưu hóa NVIDIA Tham số: 8B Độ dài ngữ cảnh: 8.192 tokens Chế độ: Văn bản → Văn bản

Đóng góp của NVIDIA tận dụng kiến trúc Llama 3.1 với các tối ưu hóa sở hữu từ hệ thống Nemotron của họ.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Môi trường suy diễn tối ưu hóa NVIDIA, các ứng dụng yêu cầu tính toán song song tensor hiệu quả, các triển khai thân thiện với lượng tử hóa và các kịch bản yêu cầu cân bằng giữa kích thước và hiệu suất.

5. https://openrouter.ai/google/gemini-2.5-pro-exp-03-25:free

Kiến trúc: Kiến trúc dựa trên Transformer với các cơ chế bộ nhớ hồi quy Tham số: Không công bố (ước tính 300B-500B) Độ dài ngữ cảnh: 1.000.000 token Ngày phát hành: 25 tháng 3, 2025 Chế độ: Văn bản + Hình ảnh → Văn bản

Gemini 2.5 Pro Experimental triển khai các tiến bộ mới nhất của Google trong mô hình ngôn ngữ quy mô lớn với khả năng lập luận nâng cao.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Xử lý ngữ cảnh siêu dài, chuỗi lập luận phức tạp, giải quyết các nhiệm vụ khoa học và toán học, tạo mã với các phụ thuộc phức tạp và hiểu biết đa phương thức với các tham chiếu ngữ cảnh rộng lớn.

6. https://openrouter.ai/mistralai/mistral-small-3.1-24b-instruct:free

Kiến trúc: Transformer tiên tiến với cơ chế chú ý cửa sổ trượt Tham số: 24B Độ dài ngữ cảnh: 96.000 tokens (128K là giới hạn lý thuyết tối đa) Ngày phát hành: 17 tháng 3, 2025 Chế độ: Văn bản + Hình ảnh → Văn bản

Mistral Small 3.1 đại diện cho tối ưu hóa kỹ thuật của Mistral AI về quy mô tham số 24B, mang lại hiệu suất hiệu quả với khả năng đa phương thức.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Gọi API chức năng, đầu ra có cấu trúc JSON, triển khai sử dụng công cụ và các ứng dụng yêu cầu sự cân bằng giữa hiệu suất và hiệu quả triển khai.

7. https://openrouter.ai/openrouter/optimus-alpha

Kiến trúc: Transformer với các cơ chế chú ý chuyên biệt Tham số: Không công bố Chế độ: Văn bản → Văn bản

Mô hình Optimus Alpha do OpenRouter phát triển tập trung vào khả năng trợ lý đa năng với các tối ưu hóa cho các mẫu sử dụng API phổ biến.

Thông số kỹ thuật:

Trường hợp sử dụng kỹ thuật: Triển khai API có độ trễ thấp, ứng dụng chatbot yêu cầu đặc điểm phản hồi nhất quán và tạo văn bản đa năng với trọng tâm vào việc theo dõi hướng dẫn.

8. https://openrouter.ai/openrouter/quasar-alpha

Kiến trúc: Transformer với chú ý tăng cường kiến thức Tham số: Không công bố Chế độ: Văn bản → Văn bản

Quasar Alpha đại diện cho biến thể chuyên biệt của OpenRouter tập trung vào lập luận và đại diện kiến thức.

Thông số kỹ thuật:

Trường hợp sử dụng kỹ thuật: Nhiệm vụ lập luận có cấu trúc, ứng dụng yêu cầu kiến thức, hệ thống xác minh thực tế và các ứng dụng yêu cầu theo dõi tính nhất quán logic.

9. https://openrouter.ai/deepseek/deepseek-v3-base:free

Kiến trúc: Transformer tiên tiến với tối ưu hóa miền kỹ thuật Tham số: Không công bố Chế độ: Văn bản → Văn bản

DeepSeek V3 Base đại diện cho mô hình cơ sở từ thế hệ mới nhất của DeepSeek, với những điểm mạnh đặc biệt trong các lĩnh vực kỹ thuật.

Thông số kỹ thuật:

Trường hợp sử dụng kỹ thuật: Tạo nội dung kỹ thuật, hỗ trợ lập trình yêu cầu kiến thức chuyên ngành, tạo tài liệu và các ứng dụng truy xuất kiến thức kỹ thuật.

10. https://openrouter.ai/qwen/qwen2.5-vl-3b-instruct:free

Kiến trúc: Transformer hiệu quả với khả năng đa phương thức Tham số: 3B Chế độ: Văn bản + Hình ảnh → Văn bản

Qwen2.5-VL-3B-Instruct cung cấp khả năng đa phương thức trong kiến trúc nhỏ gọn được tối ưu hóa cho hiệu suất.

Thông số kỹ thuật:

Trường hợp sử dụng kỹ thuật: Ứng dụng đa phương thức trong điều kiện hạn chế bộ nhớ, triển khai thiết bị biên để hiểu biết hình ảnh và các ứng dụng yêu cầu xử lý hình ảnh nhanh chóng với tài nguyên tối thiểu.

11. https://openrouter.ai/deepseek/deepseek-chat-v3-0324:free

Kiến trúc: Transformer tối ưu hóa cho đối thoại Tham số: Không công bố Chế độ: Văn bản → Văn bản

Một biến thể chuyên biệt của mô hình cơ sở DeepSeek tập trung vào các tương tác đối thoại với quản lý đối thoại được cải thiện.

Thông số kỹ thuật:

Trường hợp sử dụng kỹ thuật: Các hệ thống đối thoại đa lượt, các hệ thống đối thoại yêu cầu theo dõi trạng thái, chatbot nhất quán về nhân cách và các ứng dụng có yêu cầu quản lý cuộc trò chuyện phức tạp.

12. https://openrouter.ai/deepseek/deepseek-r1-zero:free

Kiến trúc: Transformer chuyên biệt cho lập luận Tham số: Không công bố Chế độ: Văn bản → Văn bản

DeepSeek R1 Zero tập trung vào các nhiệm vụ nghiên cứu và lập luận khoa học với các sửa đổi kiến trúc chuyên biệt.

Thông số kỹ thuật:

Trường hợp sử dụng kỹ thuật: Phân tích văn học khoa học, hỗ trợ nghiên cứu, giải quyết vấn đề kỹ thuật và các ứng dụng yêu cầu lập luận kỹ thuật chính xác hoặc các công thức toán học.

13. https://openrouter.ai/nousresearch/deephermes-3-llama-3-8b-preview:free

Kiến trúc: Llama 3 đã chỉnh sửa với tinh chỉnh chuyên biệt Tham số: 8B Chế độ: Văn bản → Văn bản

DeepHermes-3 đại diện cho tối ưu hóa của Nous Research về kiến trúc Llama 3 để có hiệu suất cân bằng trong một triển khai nhỏ gọn.

Thông số kỹ thuật:

Hiệu suất tiêu chuẩn:

Trường hợp sử dụng kỹ thuật: Các ứng dụng yêu cầu hiệu suất cân bằng trong các môi trường điện toán hạn chế, theo dõi hướng dẫn đa năng với các giới hạn tài nguyên và các hệ thống yêu cầu sử dụng tham số hiệu quả.

Cách sử dụng API OpenRouter với Python

Truy cập các mô hình này qua OpenRouter bao gồm việc triển khai API đơn giản theo các mẫu tương thích với OpenAI. Dưới đây là một ví dụ về triển khai kỹ thuật:

import requests
import json

API_KEY = "your_openrouter_api_key"
MODEL_ID = "meta-llama/llama-4-maverick:free"  # Mô hình ví dụ

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "HTTP-Referer": "<https://your-app-domain.com>",  # Tùy chọn cho phân tích
    "X-Title": "Tên ứng dụng của bạn",  # Tùy chọn cho phân tích
    "Content-Type": "application/json"
}

payload = {
    "model": MODEL_ID,
    "messages": [
        {"role": "system", "content": "Bạn là một trợ lý AI hữu ích."},
        {"role": "user", "content": "Giải thích tính toán lượng tử bằng các thuật ngữ kỹ thuật."}
    ],
    "temperature": 0.7,
    "max_tokens": 1024,
    "stream": False,
    "top_p": 0.95
}

response = requests.post(
    "<https://openrouter.ai/api/v1/chat/completions>",
    headers=headers,
    data=json.dumps(payload)
)

print(response.json())

Đối với các mô hình đa phương thức, đầu vào hình ảnh có thể được tích hợp bằng cách sử dụng mã hóa base64:

import base64

# Tải và mã hóa hình ảnh
with open("image.jpg", "rb") as image_file:
    encoded_image = base64.b64encode(image_file.read()).decode('utf-8')

# Tải trọng đa phương thức
multimodal_payload = {
    "model": "moonshotai/kimi-vl-a3b-thinking:free",
    "messages": [
        {"role": "system", "content": "Bạn là một trợ lý hình ảnh hữu ích."},
        {"role": "user", "content": [
            {"type": "text", "text": "Mô tả hình ảnh này một cách chi tiết:"},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encoded_image}"}}
        ]}
    ],
    "temperature": 0.3,
    "max_tokens": 1024
}
💡
Khi triển khai kiểm tra cho các ứng dụng dựa trên API, các nhà phát triển và kiểm thử ngày càng chuyển sang các công cụ chuyên dụng như Apidog, một lựa chọn thay thế hoàn chỉnh cho Postman giúp đơn giản hóa chu trình phát triển API. 
button

Kết luận

Bộ sưu tập các mô hình AI miễn phí của OpenRouter đại diện cho một bước tiến đáng kể trong việc dân chủ hóa các khả năng AI. Từ các kiến trúc MoE tinh vi như Llama 4 Maverick đến các triển khai hiệu quả như Kimi-VL-A3B-Thinking, các mô hình này cung cấp khả năng kỹ thuật trước đây chỉ có thể truy cập thông qua đầu tư tài chính lớn.

Sự đa dạng kỹ thuật giữa các mô hình này—bao gồm các số lượng tham số khác nhau, các cách tiếp cận kiến trúc, khả năng đa phương thức và các tối ưu hóa chuyên biệt—đảm bảo rằng các nhà phát triển có thể chọn mô hình phù hợp nhất cho các yêu cầu kỹ thuật cụ thể và các giới hạn triển khai của họ.

Khi cảnh AI tiếp tục phát triển nhanh chóng, các nền tảng như OpenRouter đóng một vai trò quan trọng trong việc làm cho các khả năng kỹ thuật tiên tiến trở nên dễ dàng truy cập đối với cộng đồng nhà phát triển rộng hơn, thúc đẩy đổi mới mà không có chi phí cản trở thường gặp trong việc triển khai AI tiên tiến.

Thực hành thiết kế API trong Apidog

Khám phá cách dễ dàng hơn để xây dựng và sử dụng API

Đăng ký miễn phíTải xuống