Repository · Pronto

tashfeenahmed/freellmapi

Analisi rapida del 19 settembre 2026, 05:44

Cambiato dopo l'ultima analisi

nuovi aggiornamenti al codice
nuova versione pubblicata: v0.11.1
README modificato

8,5

Stelle: 27.896
Licenza: MIT
Linguaggio: TypeScript
Ultimo aggiornamento su GitHub: 22 settembre 2026, 02:03

Voto complessivo: media pesata dei sei voti dell'analisi, da 1 a 10, 10 è meglio · stelle, licenza e date come le pubblica GitHub

Gateway locale e auto-ospitato che riunisce molti provider LLM gratuiti dietro API compatibili con OpenAI, con instradamento, quote e fallback automatici.

Riceve richieste da client compatibili con OpenAI, Anthropic, Gemini o Ollama e le inoltra al provider configurato più adatto. Tiene traccia delle quote per chiave, cambia provider quando una richiesta fallisce, conserva le chiavi cifrate in SQLite e offre una dashboard locale per gestire modelli, chiavi, catene di fallback e statistiche.

Categorie e capacità

Generazione di contenuti multimediali · Software auto-ospitato · Sviluppo assistito dall'IA

Uso

Adatto a

Sperimentare con molti modelli gratuiti da un computer personale.
Collegare strumenti di sviluppo e coding agent a un unico endpoint locale.
Usare provider diversi per chat, embedding, immagini, video, audio e trascrizione.
Impostare catene di fallback per continuare a lavorare quando un provider raggiunge il limite.
Gestire endpoint locali come Ollama, LM Studio, llama.cpp o vLLM insieme ai provider remoti.
Controllare quote, chiavi, richieste e prestazioni da una dashboard locale.

Non adatto a

Servizi di produzione che richiedono SLA, latenza stabile o modelli frontier.
Applicazioni che non possono dipendere dai limiti e dalle condizioni d'uso di provider gratuiti.
Installazioni esposte direttamente a Internet senza una configurazione di sicurezza aggiuntiva.
Scenari multiutente o aziendali: il progetto è pensato per uso locale e singolo utente.
Carichi che richiedono disponibilità garantita: il README segnala latenza variabile e quote che possono esaurirsi.

Che cosa serve per usarlo

Node.js 20.18 o superiore e inferiore alla versione 25, con npm 10 o superiore, per l'esecuzione da sorgente.
In alternativa, Docker e Docker Compose per l'installazione containerizzata.
Una o più chiavi dei provider che si desidera usare.
SQLite e il modulo nativo better-sqlite3 sono inclusi nella procedura di installazione; la compilazione può richiedere Python, make e un compilatore C++.
Per gli endpoint personalizzati serve un servizio compatibile con le API OpenAI.
Per l'uso con client esterni occorre configurare l'URL locale e la chiave unificata generata dalla dashboard.

Che cosa può andare storto

I provider gratuiti hanno limiti variabili e possono cambiare o ritirare modelli e quote.
Non offre modelli frontier né un SLA.
La qualità e la disponibilità effettive possono diminuire quando i modelli raggiungono i limiti giornalieri.
Per usare i provider remoti servono chiavi separate e il rispetto dei loro termini d'uso.
Il catalogo aggiornato in tempo reale è una funzione premium; l'installazione gratuita usa uno snapshot mensile con ritardo.
Il progetto dichiara esplicitamente di essere destinato a sperimentazione personale, non alla produzione.
Il dossier non dimostra l'affidabilità reale dei 635 endpoint dichiarati, ma descrive il catalogo e i meccanismi di instradamento.
Le richieste vengono inoltrate ai provider scelti dall'utente, quindi il trattamento dei dati dipende anche dai loro termini e dalle loro pratiche.
Un errore di configurazione può esporre l'endpoint locale alla rete; il file Docker Compose lo associa a localhost per impostazione predefinita.
La disponibilità dipende da servizi esterni gratuiti e da quote che possono cambiare senza preavviso.
Le chiavi sono cifrate a riposo, ma vengono decifrate in memoria durante le richieste.
Il catalogo dei modelli viene scaricato da freellmapi.co; il progetto verifica una firma Ed25519, ma l'adozione introduce comunque una dipendenza dal servizio di catalogo.
La licenza MIT non garantisce supporto, continuità del servizio o correttezza dei provider upstream.

Valutazione

Qualità tecnica9

Il progetto è organizzato in workspace TypeScript separati, include CI, lint, build Docker, migrazioni del database e una suite molto ampia di test per routing, provider, sicurezza, API e interfaccia.
Maturità8

Ha una versione pubblicata v0.11.0, una comunità molto ampia con 27189 stelle e 3711 fork, molti contributori e una struttura ricca. Il numero di versione inferiore a 1.0 e il focus sulla sperimentazione impediscono un voto più alto.
Documentazione9

Il README contiene avvio rapido, API, client compatibili, limiti, installazione e sicurezza. Il repository aggiunge documentazione organizzata per installazione, deployment, provider, architettura, test, fallback e troubleshooting, con esempi Docker e Python.
Facilità di integrazione9

Espone endpoint compatibili con OpenAI, Anthropic, Gemini e Ollama, offre Docker, applicazioni desktop e generatori di configurazione per molti client. L'integrazione richiede comunque la gestione delle chiavi dei provider e la scelta della catena di fallback.
Cura della manutenzione9

Il repository non è archiviato, dichiara una modifica recente, ha release, workflow CI, Dependabot, molte issue di test e documentazione di contributo. Il catalogo firmato e gli aggiornamenti automatici mostrano un'attività di manutenzione sostanziale.
Sicurezza e rischi6

La licenza MIT, la cifratura AES-256-GCM delle chiavi, i controlli di autenticazione e i test di sicurezza sono elementi positivi. Il voto resta contenuto perché il progetto dipende da molti provider esterni, da quote gratuite variabili e dichiara di non essere adatto alla produzione.

Fatti tecnici

Descrizione su GitHub	7.4 billion tokens per month. 34 free LLM providers. 635 free model endpoints. All behind one /v1 endpoint, plus any custom OpenAI-compatible endpoint. Smart routing, automatic failover, encrypted keys. Personal experimentation only.
Ultima versione pubblicata	v0.11.1
Copie derivate	3.819
Segnalazioni aperte	43
Argomenti	non pubblicato
Ramo predefinito	main
Creato su GitHub	21 aprile 2026, 15:38
Pagina del progetto	https://freellmapi.co
File nell'albero	1.158

Alternative interne

diegosouzapw/OmniRoute — È l'alternativa interna più vicina per l'idea di riunire più provider IA dietro un unico punto di accesso e gestire l'instradamento.

Fonti usate

Fatti pubblicati da GitHub su tashfeenahmed/freellmapi
README del progetto
Manifesto Dockerfile
Manifesto docker-compose.yml
Manifesto docs/README.md
Manifesto package.json
Albero dei file (1150 percorsi)

Quello che l'analisi ha davvero letto. L'analisi approfondita aggiunge il codice da cui si entra nel progetto, lo storico delle versioni, le segnalazioni e quello che se ne dice fuori da GitHub.

Note

Quello che hai visto provandolo. Le note non cambiano i voti dell'analisi e restano qui anche se scarti il repository.

Nessuna nota ancora.

Freschezza

Ultima analisi: Analisi rapida del 19 settembre 2026, 05:44
Ultimo controllo su GitHub: 22 settembre 2026, 07:37
Cambiamenti dopo l'ultima analisi: nuovi aggiornamenti al codice
nuova versione pubblicata: v0.11.1
README modificato

Il controllo guarda quello che GitHub pubblica: nessuna intelligenza artificiale, nessuna spesa. Archiviato su GitHub, licenza cambiata o versione principale nuova rendono la scheda «Da riverificare»; nuovo codice, README e argomenti restano un avviso. Una nuova analisi azzera gli avvisi.

Analisi

Analisi rapida del 19 settembre 2026, 05:44.

Costo di questa analisi: 0,012023 USD
Testo elaborato: 36.693 token in ingresso, 2.727 token in uscita

Il costo comprende tutto quello che questa analisi ha chiesto all'intelligenza artificiale: la scheda, la ricerca delle fonti esterne e il riassunto dei cambiamenti.

In tutto il catalogo: 42 schede da analisi rapida, nessuna scheda da analisi approfondita.

Il costo medio di un'analisi approfondita non è ancora disponibile: nessuna analisi ha registrato il costo.

Che cosa leggono le due analisi

Analisi rapida. Legge la scheda pubblica di GitHub, il file di presentazione, l'elenco dei file e i file di configurazione, poi fa una domanda al modello.

Analisi approfondita. Aggiunge i file da cui si entra nel programma, il diario delle modifiche, le ultime 10 versioni con le loro note, 30 segnalazioni aperte e 30 chiuse e 10 discussioni. Cerca inoltre su internet che cosa si dice del progetto fuori da GitHub. Solo dopo rifà la scheda da zero: due domande al modello, più una terza per raccontare che cosa è cambiato.

La scheda non acquista campi in più: voti, capacità e usi restano gli stessi. Cambiano le informazioni su cui sono fondati, visibili nella sezione «Fonti usate».

1 esecuzione ▾

Analisi rapida · 19 settembre 2026, 05:44 — completata