Free-GPT4-WEB-API
Free-GPT4-WEB-API 是一款支持自托管的开源 Web API 工具,旨在让用户免费、无限制地访问包括 GPT-4、Gemini、Claude 和 DeepSeek 在内的多种前沿大语言模型。它通过统一的 HTTP 接口屏蔽了不同模型供应商的复杂差异,用户无需注册账号或购买昂贵的 API 密钥,即可直接调用强大的 AI 能力。
该工具主要解决了当前主流 AI 服务存在的使用门槛高、费用昂贵以及请求频率受限等痛点。其核心亮点在于完全免费且无速率限制,支持纯文本响应以方便集成,并内置智能超时重试机制以确保稳定性。此外,它还提供了一个可选的网页图形界面(GUI),让用户能通过浏览器轻松完成配置和管理,同时完美支持 Docker 容器化部署,极大简化了安装流程。
Free-GPT4-WEB-API 非常适合开发者快速构建 AI 应用原型、研究人员进行大规模模型测试,以及希望私有化部署 AI 服务的普通技术爱好者。无论是想通过简单的 curl 命令获取回答,还是需要在 Python 项目中集成智能对话功能,它都能提供灵活高效的解决方案,让每个人都能轻松拥有自己的本地 AI 服务中枢。
使用场景
某初创团队正在开发一款集成多模型能力的智能客服系统,需要在本地测试环境中频繁调用 GPT-4、Claude 和 Gemini 等主流大模型进行响应质量对比。
没有 Free-GPT4-WEB-API 时
- 高昂的测试成本:团队需为每个成员购买多个模型的 API 订阅密钥,每月产生数千元的额外测试费用。
- 复杂的集成工作:开发人员必须分别对接不同厂商的 SDK,处理各异的鉴权方式和速率限制逻辑,代码维护极其繁琐。
- 开发流程受阻:受限于免费额度和并发限制,自动化测试脚本经常因触发限流而中断,严重拖慢迭代速度。
- 隐私数据风险:将内部测试数据发送至公共云服务存在泄露隐患,且无法完全掌控数据流向。
使用 Free-GPT4-WEB-API 后
- 零成本无限调用:通过 Docker 一键部署本地服务,团队无需任何 API Key 即可无限制地访问最新模型,彻底消除测试预算压力。
- 统一接口简化开发:所有模型被封装为标准的 HTTP 文本接口,开发人员只需修改一个参数即可切换底层模型,大幅降低集成复杂度。
- 流畅的自动化测试:移除速率限制后,CI/CD 流水线可全天候高频运行大规模回归测试,显著提升了版本交付效率。
- 数据完全自主可控:服务运行在私有服务器上,结合可选的密码保护功能,确保敏感业务数据不出内网,满足安全合规要求。
Free-GPT4-WEB-API 通过提供统一、免费且私有的本地化接口,让开发者能够以最低门槛高效构建和验证多模型驱动的智能应用。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Free-GPT4-WEB-API
自托管的 Web API,通过一个简单统一的 HTTP 接口,提供对现代大语言模型提供商的免费、无限访问权限。它包含一个可选的 Web GUI 用于配置,并支持通过 Python 或 Docker 运行。
核心特性
- 免费使用:无需 API 密钥或订阅
- 无限制请求:无速率限制
- 简单的 HTTP 接口:返回纯文本响应
- 可选 Web GUI:可通过浏览器轻松配置
- Docker 支持:提供开箱即用的容器
- 智能超时处理:自动重试并优化超时设置
注意:演示服务器在可用时可能会过载,因此不一定总能响应。
目录
- 特性
- 截图
- 快速开始
- 使用 Docker 运行
- 从源码运行
- 使用方法
- 快速示例(浏览器、curl、Python)
- 文件输入
- Web GUI
- 命令行选项
- 配置
- Cookies
- 代理
- 模型和提供商
- 私密模式与密码
- Siri 集成
- 系统要求
- 星标历史
- 贡献指南
- 许可证
截图
快速开始
选项 A:使用 Docker 运行
拉取镜像并运行,可选择挂载 cookies.json 文件及端口映射。在 Docker 中,建议设置 GUI 密码(某些部署环境则为必填项)。
- 最简版本(无 cookies):
docker run -p 5500:5500 d0ckmg/free-gpt4-web-api:latest
- 带 cookies(只读挂载):
docker run \
-v /path/to/your/cookies.json:/cookies.json:ro \
-p 5500:5500 \
d0ckmg/free-gpt4-web-api:latest
- 覆盖容器端口映射:
docker run -p YOUR_PORT:5500 d0ckmg/free-gpt4-web-api:latest
- docker-compose.yml:
version: "3.9"
services:
api:
image: "d0ckmg/free-gpt4-web-api:latest"
ports:
- "YOUR_PORT:5500"
#volumes:
# - /path/to/your/cookies.json:/cookies.json:ro
注意:
- 如果计划在 Docker 中使用 Web GUI,请务必设置密码(参见“命令行选项”)。
- API 在容器内监听 5500 端口。
选项 B:从源码运行
- 克隆仓库
git clone https://github.com/aledipa/Free-GPT4-WEB-API.git
cd Free-GPT4-WEB-API
- 安装依赖
pip install -r requirements.txt
- 启动服务器(基础版)
python3 src/FreeGPT4_Server.py
安全提示
使用 Web GUI 时,请务必设置安全密码:
python3 src/FreeGPT4_Server.py --enable-gui --password your_secure_password
使用方法
API 默认返回纯文本。
- 浏览器快速测试:
- 启动服务器
- 打开:http://127.0.0.1:5500/?text=Hello
示例:
- GET http://127.0.0.1:5500/?text=Write%20a%20haiku
- 如果您更改了关键字参数(参见
--keyword),请将text替换为您选择的关键字。
curl 示例
- 简单文本提示:
curl "http://127.0.0.1:5500/?text=Explain%20quicksort%20in%20simple%20terms"
- 文件输入(参见选项中的
--file-input):
fileTMP="$1"
curl -s -F file=@"${fileTMP}" http://127.0.0.1:5500/
Python 示例
import requests
resp = requests.get("http://127.0.0.1:5500/", params={"text": "Give me a limerick"})
print(resp.text)
Web GUI
- 启动时启用 GUI:
python3 FreeGPT4_Server.py --enable-gui
通过 GUI 可以配置常用选项(如模型、提供商、关键字、历史记录、Cookies 等)。
命令行选项
显示帮助:
python3 src/FreeGPT4_Server.py [-h] [--remove-sources] [--enable-gui]
[--private-mode] [--enable-history] [--password PASSWORD]
[--cookie-file COOKIE_FILE] [--file-input] [--port PORT]
[--model MODEL] [--provider PROVIDER] [--keyword KEYWORD]
[--system-prompt SYSTEM_PROMPT] [--enable-proxies] [--enable-virtual-users]
选项:
- -h, --help 显示帮助并退出
- --remove-sources 从响应中移除来源信息
- --enable-gui 启用图形化设置界面
- --private-mode 需要私密令牌才能访问 API
- --enable-history 启用消息历史记录
- --password PASSWORD 设置或更改设置页面的密码
- 注意:在某些 Docker 环境中为必填项
- --cookie-file COOKIE_FILE 使用 Cookie 文件(例如 /cookies.json)
- --file-input 启用文件输入功能(参见 curl 示例)
- --port PORT HTTP 端口(默认:5500)
- --model MODEL 使用的模型(默认:gpt-4)
- --provider PROVIDER 使用的提供商(默认:Bing)
- --keyword KEYWORD 更改输入查询关键字(默认:text)
- --system-prompt SYSTEM_PROMPT 用于引导回答的系统提示
- --enable-proxies 使用一个或多个代理以减少被封禁的风险
- --enable-virtual-users 启用虚拟用户功能,以便将请求分配给多个用户
配置
Cookies
部分提供商需要 Cookies 才能正常工作。对于 Bing 模型,仅需 _U Cookie 即可。
- 通过文件传递 Cookies:
- 从源码运行时使用
--cookie-file /cookies.json - 在 Docker 中,以只读方式挂载您的 Cookies 文件:
-v /path/to/cookies.json:/cookies.json:ro
- 从源码运行时使用
- GUI 也提供了与 Cookies 相关的设置选项。
代理
启用代理可以有效缓解被封禁的问题:
- 启动时添加
--enable-proxies - 如果需要 SOCKS/HTTP 代理,请确保您的环境已正确配置 aiohttp/aiohttp_socks。
模型和提供商
- 模型:gpt-4、gpt-4o、deepseek-r1 等现代大语言模型
- 默认模型:
gpt-4 - 默认提供商:
DuckDuckGo(可靠的备用方案) - 提供商回退机制:自动在 Bing、DuckDuckGo 等之间切换
- 健康监测:实时跟踪各提供商的状态
可通过标志或在 GUI 中进行更改:
--model gpt-4o --provider Bing
可靠性特性
- 智能超时处理:优化了30秒超时机制,并支持自动重试
- 提供商回退:当主提供商出现故障时自动切换
- 健康监测:持续监控提供商状态
- 黑名单机制:自动排除存在问题的提供商
私密模式与密码
--private-mode需要私密令牌才能访问 API--password用于保护设置页面(在 Docker 部署中为必填项)- 安全增强:认证系统已加固,防止绕过攻击
- 日志记录:所有认证尝试都会被记录,便于安全监控
- 如果将 API 暴露到本地主机之外,请使用强密码
重要提示:使用 Web GUI 时务必设置密码,以防止未经授权的访问。
Siri 集成
使用 GPTMode 的 Apple 快捷指令,即可通过 Siri 向您自托管的 API 提问。
快捷指令:
对 Siri 说“GPT Mode”,并在提示时提出您的问题。
系统要求
- Python 3.8+
- Flask[async]
- g4f(来自 https://github.com/xtekky/gpt4free)
- aiohttp
- aiohttp_socks
- Werkzeug
- requests(用于增强 HTTP 处理)
开发与测试所需:
- pytest
- pytest-asyncio
故障排除
常见问题
- 超时错误:系统现已自动重试,并启用回退提供商
- 提供商被封禁:健康监测功能会自动切换至可用的提供商
- 认证问题:请确保设置强密码,并检查日志以了解失败尝试
- Docker 权限问题:对于 cookies.json 等敏感文件,请使用只读挂载
获取帮助
如遇问题:
- 查看应用日志以获取详细的错误信息
- 在 Web GUI 中验证您的提供商配置
- 确保 Cookie 格式正确(如适用)
- 尝试通过回退系统切换不同的提供商
星标历史
贡献
欢迎贡献!您可以随时提交问题和拉取请求,以改进功能、文档或可靠性。
许可证
GNU 通用公共许可证 v3.0
详情请参阅 LICENSE 文件。
版本历史
1.1.22026/01/021.1.12025/10/131.1.02025/08/301.0.72025/02/201.0.62025/02/161.0.52025/02/031.0.42024/11/171.0.32024/11/031.0.22024/10/121.0.12024/05/311.0.02024/05/21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。
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
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。
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。
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。
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。
