it's free*.ai

vLLM

vLLM — движок сервинга, который реально использует прод: PagedAttention, непрерывная батчинг, OpenAI-совместимый сервер на localhost:8000/v1. GPU приносите свою.

vLLM — движок сервинга, который реально использует прод: PagedAttention, непрерывная батчинг, OpenAI-совместимый сервер на localhost:8000/v1. GPU приносите свою.

`vllm serve Qwen/Qwen3-8B` — и готово. CUDA или ROCm; на Mac лучше MLX. Ни квоты, ни ключа, ничего не покидает машину.

Макс. контекст
Set with --max-model-len
Бесплатный тариф
Безлимит и приватность
Требование
Ничего — без аккаунта

Эндпоинт

Базовый URLhttp://localhost:8000/v1
Лимит скоростиNone — it is your machine

Примеры кода

npm install openai
import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'http://localhost:8000/v1',
  apiKey: 'not-needed'
})

const response = await client.chat.completions.create({
  model: 'Qwen/Qwen3-8B',
  messages: [{ role: 'user', content: 'Explain closures in one paragraph.' }]
})

console.log(response.choices[0].message.content)

Стоит знать

Модели, которые вы получаете бесплатно5