API رایگان هوش مصنوعی؛ راهنمای انتخاب و مقایسه سرویس‌های LLM

راهنمای جامع انتخاب API رایگان هوش مصنوعی برای چت، برنامه‌نویسی، تولید متن و پروژه‌های فارسی؛ همراه با معیارهای سهمیه، امنیت، سازگاری و دسترسی ایران.

آخرین بازبینی: 2026-07-19

پاسخ سریع: یک API رایگان هوش مصنوعی زمانی برای پروژه مناسب است که نوع رایگان‌بودن آن روشن، محدودیت درخواست و توکن قابل‌قبول، روش احراز هویت امن، مستندات به‌روز و وضعیت دسترسی آن برای محل اجرای برنامه مشخص باشد. عبارت «رایگان» به‌تنهایی برای تصمیم فنی کافی نیست؛ باید بدانید سرویس سهمیه دائمی، اعتبار محدود، مدل‌های رایگان یا Trial ارائه می‌کند.

فهرست تاریخ‌دار سرویس‌ها و وضعیت فعلی هر Provider در کاتالوگ APIهای رایگان هوش مصنوعی منتشر می‌شود. داده‌ها ممکن است با تغییر سیاست Provider عوض شوند؛ بنابراین پیش از انتخاب نهایی، تاریخ آخرین بررسی، منابع رسمی و صفحه اختصاصی سرویس را ببینید. کد و داده‌های پروژه نیز در مخزن GitHub قابل بازبینی و مشارکت است.

API رایگان هوش مصنوعی دقیقاً چیست؟

API رابطی است که برنامه شما از طریق آن به یک مدل هوش مصنوعی درخواست می‌فرستد و پاسخ ساخت‌یافته دریافت می‌کند. برخلاف رابط چت وب، API برای اتصال به اپلیکیشن، ربات، سایت، ابزار سازمانی، خط پردازش داده یا Agent طراحی شده است. یک API رایگان می‌تواند امکان استفاده محدود بدون پرداخت اولیه را فراهم کند، اما معمولاً سقف مصرف، محدودیت سرعت یا شرایط ویژه دارد.

رایج‌ترین مدل‌های دسترسی رایگان عبارت‌اند از:

سهمیه رایگان دوره‌ای: تعداد مشخصی درخواست یا توکن در روز یا ماه قابل استفاده است.
مدل رایگان: فقط بعضی مدل‌ها بدون هزینه‌اند و مدل‌های دیگر تعرفه دارند.
اعتبار هدیه: حساب مقدار محدودی Credit می‌گیرد و پس از پایان آن پرداخت لازم می‌شود.
Trial: دسترسی رایگان برای مدت کوتاه یا تا مصرف مقدار معین فعال است.
مسیر ناشناس یا Community Gateway: بدون حساب یا با احراز هویت ساده قابل استفاده است، ولی پایداری و سیاست داده ممکن است متفاوت باشد.

هیچ‌کدام از این حالت‌ها تضمین دائمی نیست. Provider می‌تواند مدل، سهمیه، الزام کارت بانکی یا سیاست منطقه‌ای را تغییر دهد.

پیش از انتخاب چه سؤال‌هایی بپرسیم؟

انتخاب درست از تعریف دقیق نیاز شروع می‌شود. ابتدا مشخص کنید برنامه شما چه نوع خروجی می‌خواهد و چه مقدار مصرف خواهد داشت.

کاربرد اصلی چیست؟

برای چت و تولید متن، کیفیت زبان فارسی، طول Context، سرعت پاسخ و محدودیت خروجی اهمیت دارد. برای کدنویسی باید Tool Calling، Structured Output، کیفیت تولید کد و پایداری مدل را بررسی کنید. برای RAG وجود Endpoint واقعی Embedding، ابعاد بردار، Batch و سقف توکن مهم است. برای تولید تصویر یا صوت نیز نباید صرفاً از وجود نام مدل نتیجه بگیرید که API عمومی و رایگان در دسترس است.

بار تقریبی چقدر است؟

یک پروژه آزمایشی ممکن است با چند ده درخواست روزانه کار کند، اما ربات عمومی یا سرویس SaaS به ظرفیت بیشتر نیاز دارد. RPM، RPD، TPM و محدودیت هم‌زمانی را جدا بررسی کنید. گاهی سقف روزانه مناسب است ولی محدودیت دقیقه‌ای باعث خطای 429 می‌شود.

آیا کارت بانکی یا احراز هویت لازم است؟

«رایگان» لزوماً به معنی «بدون کارت» نیست. بعضی سرویس‌ها برای فعال‌کردن Trial یا جلوگیری از سوءاستفاده، روش پرداخت معتبر می‌خواهند. برخی نیز شماره تلفن، حساب ابری یا تأیید هویت منطقه‌ای دارند. مقدار requires_payment_method در کاتالوگ باید با منبع رسمی یا تجربه تاریخ‌دار پشتیبانی شود؛ مقدار نامشخص نباید به‌عنوان «بدون کارت» تبلیغ شود.

وضعیت دسترسی از ایران چیست؟

بازشدن وب‌سایت با قابل استفاده بودن API یکسان نیست. تست معتبر باید دسترسی به ثبت‌نام، ساخت حساب، دریافت API Key، مشاهده مدل و اجرای درخواست واقعی را از هم جدا ثبت کند. وضعیت unknown یعنی مدرک کافی وجود ندارد، نه اینکه سرویس حتماً کار می‌کند.

معیارهای فنی مقایسه APIها

سازگاری با OpenAI SDK

بسیاری از Providerها Endpoint سازگار با OpenAI دارند. در این حالت معمولاً با تغییر base_url، api_key و نام مدل می‌توان کد را جابه‌جا کرد. با این حال همه قابلیت‌ها یکسان نیستند. Streaming، Tool Calling، JSON Schema، Embedding و پارامترهای تولید ممکن است تفاوت داشته باشند.

نمونه امن و قابل‌انتقال:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["LLM_API_KEY"],
    base_url=os.environ["LLM_BASE_URL"],
    timeout=30.0,
    max_retries=2,
)

response = client.chat.completions.create(
    model=os.environ["LLM_MODEL"],
    messages=[
        {"role": "system", "content": "پاسخ دقیق و کوتاه بده."},
        {"role": "user", "content": "سه کاربرد API هوش مصنوعی در آموزش را نام ببر."},
    ],
)

print(response.choices[0].message.content)

کلید API نباید داخل کد، Issue عمومی، تصویر پنل یا فایل قابل Commit قرار گیرد. از متغیر محیطی و Secretهای CI استفاده کنید و در صورت نشت احتمالی کلید را فوراً Rotate کنید.

کیفیت و قابلیت مدل

بزرگ‌بودن مدل همیشه به معنی مناسب‌بودن آن برای پروژه نیست. برای پاسخ فارسی، نمونه‌های واقعی خودتان را آزمایش کنید. معیارها می‌تواند شامل رعایت دستور، صحت، خلاصه‌سازی، تولید کد، بازیابی اطلاعات، خروجی JSON و پایداری در چند اجرای تکراری باشد. یک Benchmark عمومی جهت می‌دهد، اما جای تست روی داده واقعی شما را نمی‌گیرد.

سرعت و پایداری

Latency فقط به مدل وابسته نیست؛ فاصله شبکه، Route، صف Provider و Streaming نیز اثر دارد. بهتر است زمان اتصال، زمان اولین توکن و زمان کامل پاسخ جدا اندازه‌گیری شود. یک تست موفق لحظه‌ای SLA محسوب نمی‌شود. برای Production باید Timeout، Retry محدود، Circuit Breaker و امکان تعویض Provider داشته باشید.

حریم خصوصی

پیش از ارسال داده حساس، سیاست نگهداری Prompt و پاسخ را بررسی کنید. رایگان‌بودن سرویس ممکن است با ثبت Metadata، محدودیت محرمانگی یا استفاده از داده برای بهبود مدل همراه باشد. اطلاعات پزشکی، مالی، هویتی، کد محرمانه و Secretها را بدون قرارداد مناسب ارسال نکنید.

انتخاب API بر اساس سناریو

پروژه دانشجویی و نمونه اولیه

اولویت با ثبت‌نام ساده، مستندات روشن، سهمیه قابل پیش‌بینی و امکان تعویض سریع Provider است. استفاده از یک لایه Adapter باعث می‌شود تغییر base_url و مدل بدون بازنویسی کل برنامه انجام شود.

ربات و سرویس عمومی

در کنار کیفیت، نرخ خطا، محدودیت هم‌زمانی، کنترل هزینه و رفتار هنگام 429 یا 5xx را بررسی کنید. Queue و Backoff اضافه کنید و از ارسال تکراری یک درخواست غیرقابل‌تکرار جلوگیری کنید.

پروژه فارسی

چند Prompt نماینده شامل متن رسمی، محاوره، اعداد فارسی، نیم‌فاصله و دستورهای چندمرحله‌ای بسازید. پاسخ‌ها را با معیار ثابت مقایسه کنید. شهرت مدل در زبان انگلیسی تضمین کیفیت فارسی نیست.

پروژه سازمانی

Free Tier برای Proof of Concept مناسب است، ولی برای داده حساس و سرویس حیاتی باید شرایط حقوقی، پشتیبانی، محل پردازش داده، SLA و امکان قرارداد تجاری بررسی شود.

خطاهای رایج

انتخاب بر اساس یک جدول قدیمی بدون بررسی تاریخ؛
فرض اینکه Website Reachability یعنی Inference موفق؛
قرار دادن API Key در JavaScript سمت مرورگر؛
وابستگی مستقیم به یک Provider بدون Adapter؛
نادیده‌گرفتن سقف Token و محدودیت هم‌زمانی؛
استفاده از Trial برای سرویسی که باید ماه‌ها پایدار بماند؛
ارسال اطلاعات محرمانه به Gatewayهای عمومی یا ناشناس؛
تغییر وضعیت دسترسی ایران بر پایه حدس یا تجربه بدون تاریخ.

چک‌لیست نهایی

کاربرد و حجم مصرف را بنویسید.
نوع Free Tier را از منبع رسمی مشخص کنید.
الزام پرداخت و احراز هویت را بررسی کنید.
وضعیت ایران و تاریخ Evidence را بخوانید.
یک درخواست واقعی با متغیر محیطی اجرا کنید.
خطاهای 401، 403، 404 مدل و 429 را آزمایش کنید.
کیفیت فارسی یا وظیفه تخصصی را با نمونه خود بسنجید.
سیاست داده و Terms را مرور کنید.
مسیر جایگزین برای قطعی یا تغییر شرایط داشته باشید.
وضعیت سرویس را پیش از انتشار Production دوباره بررسی کنید.

پرسش‌های متداول

بهترین API رایگان هوش مصنوعی کدام است؟

یک پاسخ ثابت برای همه پروژه‌ها وجود ندارد. بهترین گزینه به کاربرد، زبان، سهمیه، Region، نیاز به کارت، قابلیت مدل و سطح محرمانگی وابسته است. از فیلترهای کاتالوگ و API Finder برای ساخت فهرست کوتاه استفاده کنید و سپس تست واقعی انجام دهید.

آیا API رایگان برای استفاده تجاری مناسب است؟

بعضی Free Tierها استفاده تجاری را مجاز می‌دانند، اما شرایط هر Provider متفاوت است. Terms of Service، محدودیت سهمیه و سیاست داده را بررسی کنید. وجود Endpoint رایگان به‌تنهایی مجوز تجاری ایجاد نمی‌کند.

آیا API رایگان بدون کارت بانکی وجود دارد؟

بله، برخی Providerها طبق شرایط جاری کارت نمی‌خواهند، اما این وضعیت ممکن است تغییر کند. فقط سرویس‌هایی را «بدون کارت» معرفی کنید که منبع رسمی یا Evidence تازه دارند.

چگونه از تغییر ناگهانی سرویس آسیب نبینیم؟

کلاینت را از Provider جدا کنید، تنظیمات را در محیط نگه دارید، Timeout و Retry محدود داشته باشید، مدل جایگزین تعریف کنید و وضعیت Provider را دوره‌ای بررسی کنید.

راهنماهای مرتبط

لیست API رایگان LLM — مقایسه کامل همه APIهای رایگان LLM
API هوش مصنوعی در ایران — ارائه‌دهندگان تأییدشده قابل دسترس از ایران
جایگزین ChatGPT API — مقایسه تخصصی جایگزین‌های ChatGPT
GPT API رایگان بدون کارت بانکی — دسترسی GPT بدون پرداخت

جمع‌بندی

API رایگان هوش مصنوعی ابزار قدرتمندی برای یادگیری، نمونه‌سازی و حتی برخی بارهای واقعی است، اما تصمیم حرفه‌ای باید بر داده تاریخ‌دار و تست قابل بازتولید تکیه کند. سهمیه، دسترسی، کیفیت، امنیت و پایداری را هم‌زمان ببینید. برای مشاهده آخرین وضعیت، به کاتالوگ زنده مراجعه کنید و در صورت مشاهده تغییر مستند، از طریق GitHub پروژه گزارش Sanitized ثبت کنید.

مقایسه همه APIها راهنماهای فارسی