2026年プログラミング向け最高の無料OpenRouter AIモデル

jason chen

無料のAIコーディングモデルは、小さなユーティリティ関数を書くだけでなく、はるかに多くのことに役立ちます。開発者は現在、エラーのデバッグ、テストの生成、コンポーネントのリファクタリング、移行の計画、そしてコーディングエージェントの駆動にそれらを利用しています。

OpenRouterは、変化する無料モデルの選択肢に1つのOpenAI互換APIを通じてアクセスできるようにすることで、その実験を容易にします。しかし、すべての無料モデルがプログラミングに同様に役立つわけではありません。コーディングエージェント向けに特別に作られたものもあれば、高速な反復に適したものもあり、また非常に大量のリポジトリコンテキストにわたって推論できるため貴重なものもあります。

このガイドでは、2026年8月11日時点で利用可能な、プログラミング向けの最良の無料OpenRouter AIモデルを紹介します。また、無料モデルが開発ワークフローのどこに適合するか—そして、より安定したマルチモデルAPI戦略に移行するのが理にかなう場合についても説明します。

重要: 無料モデルの利用可能性、レート制限、プロバイダーのポリシーは変更される可能性があります。 モデルがまだその :free バリアントをOpenRouter上に持っていることを、ワークフローに組み込む前に確認してください。

クイックアンサー: 最良の無料OpenRouterコーディングモデル

最適な用途モデルモデルID特筆すべき点
日常のコーディングとターミナルタスクNorth Mini Codecohere/north-mini-code:freeコード生成とエージェント型ソフトウェアエンジニアリングのために明示的に設計されています
複雑なコーディングエージェントタスクLaguna S 2.1poolside/laguna-s-2.1:freeソフトウェアエンジニアリング、推論、ツール駆動のワークフロー向けに構築されています
軽量なエージェント型コーディングLaguna XS 2.1poolside/laguna-xs-2.1:free長いコンテキストを備えた、より小規模なコーディングエージェントオプション
大規模なリポジトリと仕様Nemotron 3 Ultranvidia/nemotron-3-ultra-550b-a55b:free長文脈の計画と分析のための1Mトークンのコンテキスト

ほとんどの開発者にとって、 North Mini Code が最適な出発点です。自律型コーディングエージェントを使用して複数ステップのソフトウェアタスクを処理している場合は、 を試してみてください Laguna S 2.1 次に。

これらのモデルを選んだ方法

これは、1つのモデルがすべてのベンチマークやコードベースで勝利するという主張ではありません。以下の推奨事項は、3つの実用的な基準に基づいています。

  1. そのモデルは現在OpenRouterで無料としてリストされています。
  2. その文書化された機能は、プログラミング、ソフトウェアエンジニアリング、ツールの使用、コーディングエージェントの作業に適合しています。
  3. そのコンテキストウィンドウとアーキテクチャは、実際の開発タスクに適しています。

その目的は、独自のプロンプト、リポジトリの規約、評価スイートでモデルをテストする前に、有用な最終候補リストを作成できるようにすることです。

1. Cohere North Mini Code: 日常的なプログラミングに最適な無料モデル

モデルID: cohere/north-mini-code:free
コンテキストウィンドウ: 256Kトークン
最適な用途： コード生成、デバッグ、ターミナルタスク、テスト、対象を絞ったリファクタリング

North Mini Code は、無料のOpenRouterコーディングモデルを探している開発者にとって、最も明確なおすすめです。

Cohereは、コード生成、エージェント型ソフトウェアエンジニアリング、ターミナルタスク向けにこれを設計しました。これは、合計30Bパラメータと3Bのアクティブパラメータを持つスパースな混合エキスパートモデルです。その比較的小さなアクティブフットプリントは、本格的なコーディング作業に十分な能力を維持しながら、効率性を高めることを目的としています。

このモデルは、256Kトークンのコンテキストウィンドウ、最大64Kの出力トークン、インターリーブされた推論、ツールの使用、構造化されたJSON形式のワークフローをサポートしています。これらの機能は、単体のコードスニペットを要求する以上のことを行う場合に重要です。

North Mini Codeの使用用途：

  • 関数、APIルート、スクリプト、UIコンポーネントの作成。
  • エラーの説明と、対象を絞った修正案の提案。
  • ユニットテストと統合テストの生成。
  • コードベースの特定部分のリファクタリング。
  • コーディングエージェントツールにおけるターミナル指向のワークフロー。
  • 要件を実装チェックリストに変換する。

North Mini Code の良いプロンプトには、言語、フレームワーク、既存の規約、制約、期待される出力を含めるべきです。例：

あなたは Zod と Prisma を使った TypeScript Next.js アプリで作業しています。

次の API ルートのバリデーションバグを修正してください。既存のレスポンス形式を維持し、無効な入力と重複メールの処理に対するテストを追加し、新しい依存関係を導入しないでください。

[関連ファイルをここに貼り付け]

その主な制限はこのモデルに固有のものではありません。大規模なアーキテクチャ上の決定には、依然として慎重な人間のレビューが必要です。前提条件の明示、テストの生成、提案された破壊的変更の説明を依頼してください。

2. Poolside Laguna S 2.1: コーディングエージェント向けの最高の無料モデル

モデルID: poolside/laguna-s-2.1:free
コンテキストウィンドウ: 262Kトークン
最適な用途: マルチステップ実装、リポジトリタスク、コーディングエージェント、ツール使用

Poolside Laguna S 2.1 は、タスクがオートコンプリートではなくソフトウェアエンジニアリングのように見える場合に、より適しています。

これは、合計118Bパラメータと8Bアクティブパラメータを持つコーディングエージェントモデルです。OpenRouterは、ソフトウェアエンジニアリングとエージェント型コーディングワークフロー向けに設計されていると説明しており、262Kトークンのコンテキストウィンドウを挙げています。Poolsideはまた、モデルページでTerminal-Bench 2.1とDeepSWEのベンチマーク結果を報告しています。

これは、エージェントに次のことをさせたい場合にテストするモデルです:

  • 失敗しているテストスイートを調査する。
  • 複数のファイルにわたって機能を計画し、実装する。
  • 変更を加える前に、関連するソースファイルを読んでください。
  • ツールを使用してコードを検査、編集、検証してください。
  • 構造化されたバグ修正計画に沿って作業してください。
  • リスクとロールバック手順を含む移行パスを提案してください。

最良の結果を得るには、単に “リポジトリを修正する.” と言わないでください。モデルに完了の定義を与えてください:

タスク: ログインエンドポイントにレート制限を追加します。

要件:
- 既存のAPI契約を維持します。
- プロジェクトの現在のRedisクライアントを使用します。
- 15分間で5回失敗した後、HTTP 429を返します。
- ユニットテストと1つの統合テストを追加します。
- 実装後に関連するテストコマンドを実行します。
- 変更されたファイルと前提条件を報告します。

重要な考慮事項: OpenRouterは、Lagunaの無料エンドポイントを通じて送信された入力と出力が、モデルのトレーニングと改善に使用される可能性があると述べています。該当するデータポリシーを確認して同意しない限り、シークレット、認証情報、顧客のプライベートデータ、または専有コードを送信しないでください。

3. Poolside Laguna XS 2.1: 最高の軽量コーディングエージェント

モデルID: poolside/laguna-xs-2.1:free
コンテキストウィンドウ: 262Kトークン
最適な用途: エージェント実験, 長コンテキストのコーディングタスク, ツール呼び出し

Laguna XS 2.1 は、Poolside のコーディングエージェントファミリーにおける、よりコンパクトな代替品です.

これは、エージェンティックコーディング向けに設計された33B-A3Bモデルであり、推論、ツール呼び出し、および262Kトークンのコンテキストウィンドウを組み合わせています. その小型アーキテクチャにより、常にフラッグシップ規模のモデルを使用せずにエージェンティックワークフローをテストしたいチームにとって、実用的な候補となります.

使用用途:

  • コーディングエージェントの概念実証を構築する.
  • ツールベースのコードレビューワークフロー.
  • イシュー記述から実装計画を生成する。
  • 複数のソースファイルとテスト結果を扱う。
  • エージェンティックコーディングが製品に適しているかどうかを評価する。

Laguna XS 2.1 は、Laguna S 2.1 より自動的に「優れている」わけではありません。これは有用な比較候補と考えてください。同じタスクを両方のモデルで実行し、正確性、ツール使用、レイテンシ、および必要な手動介入の量を確認してください。

Laguna S 2.1 と同様に、現在のプロバイダーポリシーを独自に確認しない限り、無料エンドポイントは機密資料には不適切として扱ってください。

4. NVIDIA Nemotron 3 Ultra: 巨大なコードベースのコンテキストに最適

モデルID: nvidia/nemotron-3-ultra-550b-a55b:free
コンテキストウィンドウ: 1M トークン
最適な用途： 大規模なリポジトリ、長大な仕様書、エージェントの計画、ドキュメント横断的な分析

Nemotron 3 Ultra は、コンテキスト長が真のボトルネックである場合に検討すべき選択肢です。

これは、550Bパラメータの混合専門家（Mixture-of-Experts）モデルで、55Bのアクティブパラメータと1Mトークンのコンテキストウィンドウを備えています。OpenRouterは、長時間実行されるエージェント的ワークフロー、コーディングエージェント、多段階計画、ディープリサーチ向けに位置づけています。

その大きなコンテキストウィンドウは、プログラミングタスクで複数の情報源を考慮する必要がある場合に特に役立ちます：

  • リポジトリの大部分。
  • 製品要件と技術設計ドキュメント。
  • エラーログ、テスト失敗、オブザーバビリティデータ。
  • API仕様と移行ノート。
  • 関連する複数のサービスまたはライブラリ。

1Mトークンのコンテキストウィンドウがあるからといって、すべてのプロンプトにすべてを貼り付けるべきだと思わないでください。大きなプロンプトは、動作が遅くなる可能性があり、有料モデルではコストがかかり、モデルが優先順位を付けるのも難しくなります。タスクに最も関連性の高いファイルから始めて、必要に応じてコンテキストを段階的に追加してください。

NVIDIAの無料エンドポイントに関する通知には、セキュリティおよび製品改善を目的として使用状況が記録される旨が記載されています。機密コードや個人データをこのワークフローに含めないでください。

試す価値のある他の無料モデル

上記の4つのモデルは、コーディング、ソフトウェアエンジニアリング、または長いコンテキストでの開発作業に直接対応しているため、この記事の焦点として最も有力です。

適切なワークフローでは、さらに2つの無料モデルが役立つ可能性があります：

NVIDIA Nemotron 3 Super

モデルID: nvidia/nemotron-3-super-120b-a12b:free
コンテキストウィンドウ: 262K トークン

Nemotron 3 Super は、純粋なコード生成特化モデルというよりも、エージェント型の推論・計画モデルとして位置づける方が適切です。技術計画、マルチエージェントオーケストレーション、アーキテクチャレビュー、そしてより長い実装ワークフローに役立ちます。

OpenAI gpt-oss-20b

モデルID: openai/gpt-oss-20b:free
コンテキストウィンドウ: 131K トークン

OpenAI gpt-oss-20b は、構成可能な推論、関数呼び出し、ツール使用、構造化出力サポートを備えたオープンウェイトの汎用モデルです。JSON駆動の開発ワークフロー、軽量コーディングアシスタント、予測可能な出力構造が重要な自動化タスクでテストする価値があります。

無料のOpenRouterコーディングモデルをテストする方法

OpenRouterはOpenAI互換のAPIを使用します. 特定の無料モデルをテストするにはモデルIDをその :free バリアントに設定します.

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="YOUR_OPENROUTER_API_KEY",
)

response = client.chat.completions.create(
    model="cohere/north-mini-code:free",
    messages=[
        {
            "role": "system",
            "content": "You are a careful senior software engineer. Write production-ready code, explain assumptions briefly, and include tests where appropriate."
        },
        {
            "role": "user",
            "content": "Create a FastAPI user-registration endpoint with input validation, password hashing, duplicate-email handling, and tests."
        },
    ],
)

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

モデルを公平に比較するにはすべての候補に同じ評価プロンプトを使用します. 次に各応答を同じ基準で採点します:

評価基準確認する項目
正確性コードは実行され、すべての要件を満たしていますか?
テストカバレッジ成功ケース、失敗ケース、エッジケースはテストされていますか？
コードベースへの適合使用言語、フレームワーク、プロジェクトの規約に従っていますか？
ハルシネーション存在しないパッケージ、API、ファイルをでっち上げていませんか？
ツールの使用根拠のない仮定をするのではなく、検査と検証を行っていますか？
速度意図したワークフローにとってレイテンシは許容範囲ですか？
信頼性モデルは繰り返し実行しても一貫してタスクを完了できますか?

無料モデルは評価用—常に本番運用向けとは限りません

無料モデルは、学習、プロトタイプ、社内ツール、ハッカソン、初期段階のモデル評価に最適です。また、低ボリュームの個人ワークフローにも十分な場合があります。

ただし、無料アクセスには運用上の制限があります。OpenRouterは、購入クレジットが$10未満のアカウントについて、1日あたり50件の無料モデルリクエストというベースライン制限を記載しています。個々の無料モデルの利用可能性も変更される可能性があり、無料トラフィックは有料リクエストよりも優先度が低くなる場合があります。 OpenRouterの現在の無料モデルガイダンスを参照してください.

顧客向け製品でモデルを使用する前に、以下を計画してください:

  • 安定した主要モデル.
  • 障害や容量の問題に備えたフォールバックモデル.
  • リクエストログとエラーモニタリング。
  • モデルと環境ごとのコスト監視。
  • すべてのプロバイダーエンドポイントのプライバシーレビュー。
  • 本番トラフィックを変更する前に、再現可能なモデル評価。

無料モデルのテストから本番コーディングワークフローへ

無料のOpenRouterモデルは、重要な最初の質問に答えるのに役立ちます： このAIワークフローは私たちのプログラミングタスクを解決できるでしょうか？

次の質問は運用面です： モデルファミリーごとに別々の統合、請求設定、プロバイダー関係を維持することなく、本番環境で適切なモデルをどのように使用するのでしょうか？

そこで、統合モデルゲートウェイが役立ちます。

TokenHub 単一の統合を通じて主要なモデルファミリーにアクセスして比較するための、OpenAI互換のAPIを提供します。チームは、品質、レイテンシ、コンテキスト長、コストについてモデルを評価し、プロバイダーごとにアプリケーションコードを書き直すことなく、適切な本番ルートを選択できます。

妥当なワークフローは次のようになります。

  1. 無料モデルでプロンプトをテストして、ユースケースを検証します。
  2. 実際のコーディングタスクと失敗事例から、小さな評価セットを構築します。
  3. 本番対応モデルをその評価セットと比較します。
  4. プライマリモデルとフォールバックモデルを選択します。
  5. 単一のAPIレイヤーにトラフィックをルーティングすることで、モデルの切り替えを統合の書き直しではなく設定の決定にします。

たとえば、実験から本番に移行する際、アプリケーション構造はOpenAI互換のままにできます。

from openai import OpenAI

client = OpenAI(
    base_url="https://us-api.tokenhub.com/v1",
    api_key="YOUR_TOKENHUB_API_KEY",
)

response = client.chat.completions.create(
    model="YOUR_APPROVED_TOKENHUB_MODEL_ID",
    messages=[
        {
            "role": "user",
            "content": "Review this pull request diff. Identify bugs, security risks, missing tests, and suggested fixes."
        }
    ],
)

統合を公開する前に、TokenHub ワークスペースで現在利用可能なモデル ID を選択し、その価格、制限、データポリシーを確認してください。

FAQ

プログラミングに最適な無料の OpenRouter AI モデルはどれですか？

日常的なコーディングタスクのほとんどでは、North Mini Code が最適な最初の選択肢です。コード生成、ターミナルタスク、エージェンティックソフトウェアエンジニアリングに特化して設計されているためです。より複雑なコーディングエージェントのワークフローでは、Laguna S 2.1 をテストしてください。

OpenRouter の無料モデルは本当に無料ですか？

モデルのうち、 :free という接尾辞が付くものは、OpenRouter でのトークン価格がゼロです。ただし、無料アクセスにはリクエスト制限、利用可能状況の変更、プロバイダー固有のポリシーが適用されます。

OpenRouter の無料モデルをコーディングエージェントで使用できますか？

はい。OpenRouter の OpenAI 互換 API は、多くのコーディングエージェントツールやカスタム開発ワークフローで利用できます。使用するエージェントが必要とする機能、特にツール呼び出しと構造化出力を、そのモデルがサポートしているか確認してください。

使うべきか “openrouter/free プログラミング用に?

使用してください openrouter/free 無料の推論を試してみたい場合かつ特定のモデルが必要ない場合. 再現可能なコーディング評価には, 特定の :free モデルIDを選択してくださいそうすれば結果がより一貫します.

無料モデルはプロプライエタリなコードに対して安全ですか?

そうであるとは想定しないでください. 各プロバイダーの現在のデータポリシーを確認し, ポリシーが明示的に許可している場合を除いて, 秘密情報, 資格情報, 顧客データ, またはプロプライエタリなソースコードを無料エンドポイントに送信しないようにしてください.

最終的な推奨

まず North Mini Code を日常のプログラミング、テスト、デバッグ、ターミナル作業に使用してください。 次に Laguna S 2.1 または Laguna XS 2.1 をコードエージェントのワークフローを評価したい場合に使用してください。 最後に Nemotron 3 Ultra をコード、ドキュメント、ログ、要件にわたって異常に大きなコンテキストを必要とするタスクに選択してください。

無料モデルを使用してワークフローを学習し、検証してください。信頼性、ルーティング、コスト管理、およびマルチプロバイダーアクセスが重要になった場合は、TokenHubなどの統合APIレイヤーを通じて本番モデルを評価してください。

次へKimi K3 レビュー: ベンチマーク、API価格、コミュニティデモ
このページの目次