free-one-api

GitHub
797 108 中等 2 次阅读 昨天AGPL-3.0Agent语言模型插件
AI 解读 由 AI 自动生成,仅供参考

free-one-api 是一款开源项目,旨在通过标准的 OpenAI API 格式,帮助用户便捷地访问各类大语言模型的逆向工程接口。无论是 ChatGPT 免费版、gpt4free、Bard、Claude 还是通义千问,都能在这个平台上统一管理,无需为每个服务单独编写适配代码。

它主要解决了多模型接入标准不一、配置繁琐的痛点。对于开发者,它能加速 AI 功能的集成;研究人员可利用它对比不同模型的表现;技术爱好者则能以更低成本体验前沿技术。free-one-api 拥有自动负载均衡、心跳检测(自动屏蔽不可用渠道以确保服务持续可用)、Web 管理界面及流式输出等亮点功能,支持 Docker 部署,亦可与 one-api 配合使用。如果你正需要一个灵活稳定的多模型聚合方案,free-one-api 值得尝试。欢迎加入社区交流或参与贡献,共同完善适配器生态。

使用场景

独立开发者小张正在构建一个企业级智能问答系统,预算有限但急需验证 ChatGPT、Claude 及通义千问等多种模型在业务场景下的实际表现。

没有 free-one-api 时

  • 需要分别维护多个第三方平台的密钥与接口文档,集成工作繁琐且容易出错
  • 不同模型的请求参数差异巨大,导致代码耦合度高,切换模型需大量重构
  • 免费逆向服务波动频繁,缺乏统一监控,一旦某个渠道失效会导致整个服务瘫痪
  • 难以统计各模型的调用成本与响应速度,无法优化资源分配策略

使用 free-one-api 后

  • 所有模型统一封装为标准 OpenAI API 格式,现有代码几乎无需改动即可接入新模型
  • 内置自动负载均衡与心跳检测机制,自动禁用不可用渠道确保服务持续稳定运行
  • 通过 Web UI 界面灵活配置通道,秒级切换底层模型进行效果对比测试
  • 集中记录运行日志与健康状态,便于快速定位问题并评估各渠道性能

free-one-api 核心价值在于以零成本实现多模型统一接入,大幅降低开发门槛与维护复杂度。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes本工具为 API 转发网关,用于通过标准 OpenAI 格式访问 LLM 逆向库,非本地模型运行环境,通常无需特定 GPU 资源。支持 Docker 容器化部署,具备负载均衡、Web UI 及心跳检测功能。具体依赖与配置请查阅官方自部署文档。
python未说明
free-one-api hero image

快速开始

中文 | 英文

image

free-one-api

通过标准的 OpenAI API (应用程序编程接口) 格式访问所有的 LLM (大型语言模型) 逆向工程库

Static Badge GitHub release (latest by date) docker pull Wakapi Count

欲通过 OpenAI 标准 API (应用程序编程接口) 访问各个 LLM (大型语言模型) 的官方接口 (付费),可以使用 songquanpeng/one-apifree-one-api 亦可与 one-api 项目搭配使用。

需要贡献者!适配器太多了,而且又很不稳定,自己一个人忙不过来。希望各位能帮助测试各个适配器,寻找新的逆向工程库,提交 PR (拉取请求)。

功能点

  • 支持自动负载均衡。
  • 支持 Web UI (网页用户界面)。
  • 支持流模式。
  • 支持多个 LLM (大型语言模型) 逆向库。
  • 心跳检测机制、自动禁用不可用的渠道。
  • 运行日志记录。
截图展示

渠道页面:

image

添加渠道:

image

Curl (命令行工具):

image

文档

✨先点个 Star (收藏) 吧✨
部署、配置方式请参考文档:

社区

有问题、逆向交流、功能建议、参与贡献,加 QQ (即时通讯软件) 群:

  • 群①: 545300750(此群已满)

  • 群②: 1091113674

版本历史

v1.0.0-alpha.42023/09/26
v1.0.0-alpha.32023/09/22
v1.0.0-alpha.22023/09/22
v1.0.0-alpha.12023/09/22
v1.0.12024/04/02
v1.0.02024/03/31
v1.0.0-beta.42024/02/12
v1.0.0-beta.32023/10/18
v1.0.0-beta.22023/10/13
v1.0.0-beta.12023/10/06
v1.0.0-alpha.52023/10/05

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架