8 API AI miễn phí tháng 10/2026: hạn mức thật, không cần thẻ

Bạn muốn thử một ý tưởng LLM cuối tuần này, nhưng form thanh toán hiện ra ngay ở bước lấy API key. Thẻ Visa debit của bạn thì vừa bị một provider nước ngoài từ chối lần thứ ba.

Bài này liệt kê 8 nhà cung cấp còn cho gọi API LLM ở mức $0 mà không cần đăng ký thẻ, kèm hạn mức cụ thể của từng bên — toàn bộ số liệu dưới đây được tác giả nguồn đối chiếu với tài liệu chính thức của chính các provider vào ngày 22/10/2026.

Free tier thật khác trial như thế nào

Nguồn đặt ra ba điều kiện cho một free tier thật: dùng được với $0, không phải thêm phương thức thanh toán, và quota được làm mới theo ngày hoặc theo tháng chứ không cạn sau một lần. Theo cách phân loại này, khoản credit tặng một lần là trial, không phải free tier.

Phân biệt này quan trọng với dev Việt Nam hơn là với dev ở Mỹ: rào cản của chúng ta nằm ở bước xác thực thẻ, không phải ở giá. Một provider tặng $5 credit nhưng bắt verify thẻ trước vẫn là cửa đóng.

Bảng 8 nhà cung cấp (số liệu ngày 22/10/2026)

Provider	Hạn mức free	Cần thẻ?	Base URL kiểu OpenAI
Google Gemini API	Free tier cho Flash, Flash-Lite, 2.5 Pro, Gemma; hạn mức hiện trong AI Studio	Không	https://generativelanguage.googleapis.com/v1beta/openai/
Groq	30 RPM, 1.000 request/ngày, 8K token/phút, 200K token/ngày	Không	https://api.groq.com/openai/v1
OpenRouter (:free)	20 RPM, 50 request/ngày	Không	https://openrouter.ai/api/v1
Mistral (Free mode)	Không công bố số; xem trong admin panel	Không	https://api.mistral.ai/v1
Cloudflare Workers AI	10.000 neuron/ngày, reset 00:00 UTC	Không ghi rõ	https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1
NVIDIA API Catalog	Truy cập prototyping miễn phí, rate tuỳ model	Không ghi rõ	https://integrate.api.nvidia.com/v1
Cohere (trial key)	1.000 API call/tháng, 20 chat request/phút	Không ghi rõ	https://api.cohere.ai/compatibility/v1
SambaNova Cloud	20 RPM, 20 request/ngày, 200.000 token/ngày mỗi model	Tài liệu ghi không cần	https://api.sambanova.ai/v1

Ba lựa chọn đủ sức chạy prototype thật

Groq công bố số rõ nhất trong cả nhóm. Tab Free Plan của trang rate limit ghi openai/gpt-oss-120b được 30 RPM, 1.000 request/ngày, 8K token/phút và 200K token/ngày; openai/gpt-oss-20b và qwen/qwen3.8-27b cùng mức. Model speech-to-text whisper-large-v3 được 20 RPM và 2.000 request/ngày. Trần bạn chạm đầu tiên là 8K token/phút — không phải quota ngày — nên hãy batch request thay vì bắn song song. FAQ billing của Groq ghi chỉ cần đăng ký thanh toán khi nâng từ Free lên Developer.

Gemini có dải model free rộng nhất. Trang giá niêm yết input/output "miễn phí" cho Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 2.5 Pro, 2.5 Flash, họ Gemma 4 và Gemini Embedding 2. Phần không free: nguồn ghi rõ "Gemini 4 Argon không dùng được ở free tier", và các model ảnh, Veo, Lyria cũng vậy. Một nguồn thứ hai về free tier Gemini mô tả cùng hướng — dải model còn đó nhưng hẹp hơn trước, và Gemini 4 Argon cùng model ảnh/video chỉ còn ở bản trả phí.

Hai chi tiết vận hành dễ làm bạn mất buổi debug. Google không còn đăng số RPM/RPD theo từng model trên trang rate limit nữa; hạn mức hiệu lực hiện trong AI Studio, áp theo project chứ không theo key, và reset lúc nửa đêm giờ Thái Bình Dương. Quan trọng hơn: điều khoản của Google nói nội dung thuộc quota chưa trả phí được dùng để cải thiện sản phẩm và người thật có thể đọc. Đừng đẩy dữ liệu khách hàng hay log nội bộ qua Gemini free tier. Với team làm outsourcing ở VN, đây là điều khoản phải đọc trước khi demo cho khách.

OpenRouter cho bạn thử nhiều model nhất trên một key. Mọi model ID kết thúc bằng :free đều miễn phí. Tài khoản mua dưới 10 credit bị giới hạn 20 request/phút và 50 request/ngày; mua một lần ít nhất 10 credit thì trần ngày lên 1.000. Tính đến 22/10/2026 có 18 ID :free trong danh sách endpoint công khai, gồm google/gemma-4-31b-it:free, nvidia/nemotron-3-super-120b-a12b:free và poolside/laguna-s-2.1:free. Danh sách này đổi hàng tháng, nên đừng hardcode model ID vào config production.

Năm lựa chọn còn lại: đọc kỹ phần chữ nhỏ

Cloudflare Workers AI cho 10.000 neuron/ngày trên mọi tài khoản, áp cho cả Workers plan Free lẫn Paid. Neuron là đơn vị tính toán của Cloudflare: @cf/meta/llama-3.1-8b-instruct tốn 25.608 neuron cho mỗi triệu token input và 75.147 neuron cho mỗi triệu token output, tức khoảng 130K token output mỗi ngày với model đó. Text generation được 300 request/phút, quota reset 00:00 UTC — giờ này rơi vào 7 giờ sáng VN, tiện cho job chạy đêm. Một số model mới hơn (vài bản Kimi, GLM, DeepSeek) đòi phương thức thanh toán trả phí.

Mistral gọi free tier của họ là "Free mode" và không công bố con số; quickstart chỉ ghi "truy cập API được bật mặc định, không cần thẻ tín dụng. Giới hạn sử dụng và rate limit được áp dụng". Bạn phải tự xem hạn mức trong admin panel ở mục API > Limits. Tài liệu cũng mô tả lỗi 402 Payment Required khi tài khoản không có phương thức thanh toán.

NVIDIA API Catalog mở endpoint NIM miễn phí cho thành viên NVIDIA Developer Program, nhưng chỉ để prototyping — production cần license NVIDIA AI Enterprise. Rate "khác nhau tuỳ model được query" và NVIDIA không công bố số RPM chính thức; nguồn lưu ý con số "40 RPM" hay được dẫn lại là từ bài đăng của người dùng, không phải từ NVIDIA.

Cohere tự tạo trial key khi bạn đăng ký: 1.000 API call/tháng, 20 chat request/phút mỗi model, 2.000 embedding input/phút, 10 rerank request/phút. Ràng buộc đáng chú ý là trial key "không được phép dùng cho mục đích production hoặc thương mại".

SambaNova là bên cần cẩn thận nhất. Tài liệu rate limit định nghĩa Free Tier áp dụng khi tài khoản chưa liên kết phương thức thanh toán, mỗi model (gồm Meta-Llama-3.3-70B-Instruct, gpt-oss-120b, DeepSeek-V3.2, gemma-4-31B-it) được 20 RPM, 20 request/ngày và 200.000 token/ngày. Nhưng trang plan lại ghi khác: thẻ Free nói phải thêm phương thức thanh toán và mua credit mới chạy được request đầu tiên. 20 request/ngày đủ để smoke test, không đủ để dựng prototype.

Những thứ đã hết miễn phí

Bốn câu trả lời quen thuộc trên các diễn đàn giờ không còn đúng. GitHub Models đã "ngừng hoàn toàn từ ngày 30/07/2026". Hugging Face Inference Providers không còn credit hàng tháng cho user free; user PRO được $2/tháng. Together AI yêu cầu mua credit tối thiểu $15. xAI và OpenAI đều chạy trên credit trả trước — mức "Free" của OpenAI là giới hạn chi tiêu, không phải credit được tặng.

Nhóm tặng starter credit bị nguồn xếp riêng vì là trial hoặc vì cần thẻ: Cerebras $5 hết hạn sau 30 ngày; Vercel AI Gateway $5/tháng cho một nhóm model "Free Tier"; Fireworks AI $1 và 10 RPM khi chưa đăng ký thanh toán; Nebius Token Factory $1 dùng trong 30 ngày; Scaleway Generative APIs miễn phí 1.000.000 token đầu nhưng cần phương thức thanh toán đã xác minh.

Một client, đổi hai giá trị

Cả 8 base URL trong bảng đều nói chuyện được bằng định dạng chat completions của OpenAI, nên bạn giữ nguyên code và chỉ hoán đổi base_url với tên model. Ví dụ minh hoạ:

PROVIDERS = {
    "groq":       ("https://api.groq.com/openai/v1", "GROQ_API_KEY", "openai/gpt-oss-120b"),
    "gemini":     ("https://generativelanguage.googleapis.com/v1beta/openai/", "GEMINI_API_KEY", "gemini-3.8-flash"),
    "openrouter": ("https://openrouter.ai/api/v1", "OPENROUTER_API_KEY", "google/gemma-4-31b-it:free"),
}
base_url, key_env, model = PROVIDERS[os.environ.get("PROVIDER", "groq")]

Đây là đoạn minh hoạ, không phải code production — nhưng nó cho thấy chiến lược đúng: viết lớp provider ngay từ đầu, vì free tier là thứ thay đổi hàng tháng.

Chọn gì cho việc gì

Cần throughput để chạy thử một pipeline: bắt đầu từ Groq, canh trần 8K token/phút. Cần thử nhiều model khác nhau trong một tuần: OpenRouter với đúng 50 request/ngày để so sánh output. Cần context dài hoặc embedding: Gemini, với điều kiện dữ liệu không nhạy cảm. Cần quota ổn định cho job nền: Cloudflare Workers AI, reset 00:00 UTC.

Việc nên làm trước khi code: mở trang rate limit của provider bạn định dùng và tự kiểm lại con số — nguồn đã chốt số ngày 22/10/2026, và nhóm này thay đổi nhanh hơn bất kỳ phần nào khác của hạ tầng AI.