免费大模型 API 怎么选：20 个渠道、四类额度与通用调用代码

免费模型的真正问题不是"有没有"，而是"哪一家的免费额度能撑住你的任务"。这篇把国内外可公开申请的渠道拆成四类额度，标出各自的限速口径与门槛，再给一套改一行配置就能换平台的调用代码。

数据核对于 2026 年 11 月。免费政策平均每季度都会调整，接入前请以官方控制台的实际限额为准。

一、先分清四种"免费"，否则一定踩坑

平台都说自己免费，但计费逻辑完全不同。判断时先问三个问题：要不要实名或绑卡、额度按次数还是按 Token、数据会不会被用于训练。

第一种：永久限速免费层。 没有到期日，靠 RPM（每分钟请求数）、TPD（每日 Token 数）限制用量。Groq、智谱 Flash 系列、讯飞 Spark Lite 属于这一类。它们的容量是真实的，只是不快。

第二种：周期性刷新额度。 每天或每月重置。魔搭每日 2000 次、火山方舟每日签到额度、Google AI Studio 的每日请求数都在这里。注意刷新时区：Gemini 按太平洋时间午夜重置，魔搭按北京时间 0 点，OpenRouter 按 UTC。

第三种：一次性新人额度。 有金额、有有效期，用完即止。阿里云百炼、百度千帆、DeepSeek 新账号、Kimi 代金券都属于这一类。适合验证可行性，不适合长期跑。

第四种：本地推理。 Ollama、LM Studio、llama.cpp、vLLM，没有额度概念，成本换成显卡和电费。它是唯一真正不限量的方案。

一个常见误区是把"免费"等同于"零门槛"。硅基流动的免费模型要求账户完成实名并至少充值 1 元才能发起调用，零余额状态下连免费位也会返回 402。这类前置条件比额度本身更容易卡住人。

二、渠道清单：哪些能长期用

国内：实名之后的长期免费位

国内平台的免费位有一个共同特征：免费名单里几乎没有旗舰模型。真正放开的都是 10B 以下的小模型、Flash/Lite 版本，以及 embedding、重排、OCR、语音这类专用模型。

想用旗舰模型写复杂代码或做长链推理，免费额度基本兜不住。

火山方舟的额度分三层，别混着算。 安心体验是每个模型 50 万 Token 的一次性礼包，默认关闭，且关掉后无法重新开启。协作奖励计划的每日额度需要在控制台手动领取。Doubao-Lite 才是真正永久免费的那一档，但 QPS 只有 2。

另外，免费 Token 只抵扣在线推理。知识库、向量化、联网插件、缓存存储都会单独出账，不设额度上限的话容易产生小额欠费。

魔搭的次数和智谱的"不限量"不是一回事。 魔搭给的是请求次数，单次能塞多少内容取决于模型的 max_tokens。所以"一次调用改完整篇"比"拆成十次改十段"更省额度。智谱 Flash 不按次计数，但并发被压得很低，批量任务会一直在排队。

腾讯混元的默认行为最保守。 超额之后默认停服，需要手动开启后付费。这对测试账号是好事，至少不会一觉醒来收到账单。

海外：不绑卡也能跑的免费层

海外平台的免费层普遍不需要信用卡，但数据条款需要逐条看。Google 和 Mistral 都明确表示免费层的请求可能用于改进模型。

Groq 的额度要用 Token 算，不要用次数算。 gpt-oss-120b 每天 1000 次看起来很多，但每日 Token 上限是 20 万。按一次对话 1000 Token 估算，实际只有 200 轮左右。

反过来，Whisper 每天 28800 音频秒，等于 8 小时免费转写。这是被低估的一项。

OpenRouter 的免费位是流动的。 带 :free 的模型列表每周都在变，部分免费 endpoint 由愿意用数据换流量的供应商承接。它适合做多模型横向对比，不适合当生产依赖。

想筛选当前可用的免费模型，直接查模型列表比看第三方汇总可靠：

import requests

resp = requests.get("https://openrouter.ai/api/v1/models", timeout=30)
models = resp.json()["data"]
free_ids = sorted(m["id"] for m in models if m["id"].endswith(":free"))
print(len(free_ids), free_ids[:10])

本地：把额度问题变成硬件问题

如果任务是批量清洗、文档摘要、离线环境，本地模型比任何免费 API 都稳。Ollama 是最省事的入口，装完即可提供 OpenAI 兼容接口：

ollama pull qwen3:8b
ollama serve   # 默认监听 127.0.0.1:11434

调用时把 base_url 指向 http://127.0.0.1:11434/v1，api_key 随便填一个非空字符串即可，Ollama 不校验。

8B 量化模型在 16GB 内存的机器上大约占 6GB，输出速度每秒十几个 Token。做摘要和分类够用，做复杂推理会明显吃力。想要更高吞吐就上 vLLM，代价是要有独立显卡和一套运维。

三、动手：一套代码跑通所有平台

一张配置表接管所有平台

所有主流平台都兼容 OpenAI 的 Chat Completions 协议，差别只在 base_url、密钥和模型名。把这三点抽成配置表，换平台就不用改业务代码。

import os
import time
import random
from openai import OpenAI

PROVIDERS = {
    "zhipu": {
        "base_url": "https://open.bigmodel.cn/api/paas/v4",
        "key_env": "ZHIPU_API_KEY",
        "model": "glm-4.7-flash",
    },
    "modelscope": {
        "base_url": "https://api-inference.modelscope.cn/v1",
        "key_env": "MODELSCOPE_API_KEY",
        "model": "Qwen/Qwen3-8B",
    },
    "ark": {
        "base_url": "https://ark.cn-beijing.volces.com/api/v3",
        "key_env": "ARK_API_KEY",
        "model": "ep-你的推理接入点ID",   # 方舟填接入点 ID，不是模型名
    },
    "groq": {
        "base_url": "https://api.groq.com/openai/v1",
        "key_env": "GROQ_API_KEY",
        "model": "openai/gpt-oss-120b",
    },
    "gemini": {
        "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
        "key_env": "GEMINI_API_KEY",
        "model": "gemini-3.8-flash",
    },
}


def make_client(name: str) -> OpenAI:
    cfg = PROVIDERS[name]
    key = os.environ.get(cfg["key_env"])
    if not key:
        raise RuntimeError(f"缺少环境变量 {cfg['key_env']}")
    return OpenAI(base_url=cfg["base_url"], api_key=key, timeout=60)


def chat(prompt: str, order=("zhipu", "groq", "gemini"), max_tokens=1024):
    """按顺序尝试渠道，遇到 429 自动切下一个。"""
    last_error = None
    for name in order:
        cfg = PROVIDERS[name]
        try:
            resp = make_client(name).chat.completions.create(
                model=cfg["model"],
                messages=[{"role": "user", "content": prompt}],
                max_tokens=max_tokens,
                temperature=0.3,
            )
            return name, resp.choices[0].message.content
        except Exception as exc:
            last_error = exc
            if getattr(exc, "status_code", None) == 429:
                time.sleep(2 + random.random() * 2)
            continue
    raise RuntimeError(f"全部渠道失败，最后一个错误：{last_error}")


if __name__ == "__main__":
    used, text = chat("用三句话说明什么是向量数据库。")
    print(f"[{used}]\n{text}")

三个容易写错的地方

第一，方舟的 model 必须填 ep- 开头的接入点 ID，填模型名会返回 404。

第二，Gemini 的兼容层地址结尾带斜杠，少了会 404。

第三，ModelScope 的密钥是访问令牌，不是阿里云 AK/SK。

这套结构还带来一个额外好处：可以按任务分流。简单分类走智谱 Flash（不计次），长文摘要走 Gemini Flash（上下文大），语音转写走 Groq 的 Whisper，敏感数据走本地 Ollama。

每一档都用最合适的免费额度，而不是把所有请求压在一家平台上直到 429。

五个把额度用久的工程手段

按 Token 预算，不要按请求数预算。 多数平台同时限制 RPM 和 TPM，长上下文请求一次就能吃掉整分钟的配额。跑批量任务前先算清单次成本，中文粗略按 1.5 字/Token 估算。

利用缓存命中。 Groq 的 prompt caching 对命中部分不计入速率限制，DeepSeek 的缓存命中价格也低一个数量级。把固定不变的系统提示放在最前面、变量放在最后，能显著降低配额消耗。

控制上下文重发。 多轮对话每一轮都会重发全部历史，第 20 轮的输入量约是第 1 轮的 20 倍。换话题就开新会话，长文档先摘要再追问。

收紧 max_tokens。 很多客户端默认给到 4096 甚至更高，实际回答只需要几百 Token。这个值同时占用 TPM 预算，设大了等于自己压缩并发。

做好退避与降级。 429 时读 Retry-After，没有就指数退避加随机抖动；连续失败就切下一个渠道。免费层没有 SLA，任何把它当唯一依赖的设计都会在高峰期出问题。

四、活动、风险与选型

一次性额度：先看有效期，再看后付费

新用户礼包是最容易被浪费的一类资源。判断顺序应该是：先看有效期，再看是否需要绑定后付费，最后看数据条款。

• 阿里云百炼：各模型约 100 万 Token，有效期约 90 天，需要在控制台手动开启"用完即停"。
• 百度千帆：ERNIE-4.5 系列每模型约 100 万 Token，有效期约 3 个月。
• DeepSeek：新开发者账号约 500 万 Token，30 天有效。
• Kimi 开放平台：新用户约 15 元代金券，适合验证 200 万长上下文。
• 智谱：新用户约 2000 万 Token 礼包，与 Flash 系列的永久免费额度叠加使用。

云厂商的创业与教育计划额度更大，但都有资质门槛。Google Cloud for Startups、AWS Activate、Azure for Students、NVIDIA Inception 需要公司主体或在校身份，个人开发者通常拿不到。

黑客松和公测活动（如商汤 Token Plan、七牛云限免）是个人最容易参与的一类，代价是额度有明确截止日期。

领用之前务必确认一件事：默认后付费是不是开着的。多数平台的免费额度用完后会自动转按量计费，不做额度熔断就可能产生账单。腾讯混元默认停服、阿里云百炼需要手动开关，这两种设计对测试账号更友好。

四条必须确认的合规红线

数据是否用于训练。 Google AI Studio 免费层、Mistral Experiment 档、OpenRouter 的部分免费 endpoint 都会用请求数据改进模型。涉及客户信息、内部代码、个人隐私的任务，要么走付费层，要么走本地模型。

商用条款。 Cohere 的 trial key 明确仅限开发评估；部分平台的免费层禁止商业用途。上线前读一遍服务条款，比事后补救便宜。

第三方中转站的风险。 聚合路由（UnoRouter、Kilo Gateway、各类"免费 API 站"）确实能一把钥匙调上百个模型。但它们位于你和上游之间，能看到全部明文请求，也可能随时停止服务。用它们做实验可以，传敏感数据不行。

多账号刷额度违反条款。 同一主体注册多个账号绕过限额，被判定滥用后通常直接封禁，且不退款。免费层的正确用法是组合多个平台，不是绕过单个平台的限制。

三套现成组合

个人学习与写作。 主力用智谱 GLM-4.7-Flash（不计次、200K 上下文），需要多模态或更长上下文时切 Gemini Flash。两者都不花钱，覆盖日常 90% 的需求。

批量处理与数据清洗。 魔搭每日 2000 次做主力，Groq 做速度补充，超出部分交给本地 Ollama 的 8B 模型。关键是按 Token 估算而不是按条数估算。

产品原型与模型对比。 Gemini Flash 做默认通道，OpenRouter 的 :free 模型做横向评测，上线前必须准备一个付费兜底渠道。免费层不能写进任何 SLA。

每月维护清单

免费额度是会过期的基础设施，需要像依赖一样维护。

1. 每月查一次各平台的额度页与控制台限额，把数字记进配置注释。
2. 关注模型下线公告。Groq 已把部分 Llama 型号转为 enterprise 专属，旧代码会直接报错。
3. 更新 fallback 顺序，把当月额度最充裕的渠道排到前面。
4. 统计 429 比例。长期高于 5% 说明该渠道已不适合当前负载。
5. 检查是否有平台悄悄开启了后付费，尤其是测试账号。

免费额度的价值不在于省下多少钱，而在于让你在没有预算压力的情况下把想法跑通。真正需要付费时，你应该已经知道钱该花在哪个模型、哪个环节上。

想进一步压缩成本，可以参考DeepSeek 全家桶 API 的账单测算，以及AI 视频生成免费额度的三条省钱路径和AI 绘画免费工具的四条限制。

参考来源：Google Gemini API 定价与速率限制文档、Groq Console 速率限制文档、OpenRouter Limits 文档、ModelScope 免费资源说明页、智谱 BigModel 定价页、火山方舟模型与计费文档、阿里云百炼与百度千帆新用户额度说明。各平台政策以官方页面为准。