chatgpt---mirror-station-summary

GitHub
782 78 非常简单 1 次阅读 2天前Apache-2.0语言模型
AI 解读 由 AI 自动生成,仅供参考

chatgpt---mirror-station-summary 是一个致力于汇总各类 ChatGPT 镜像站点的开源项目,旨在帮助国内用户在常规网络环境下便捷地访问 GPT-3.5、GPT-4 等多模态大模型。它有效解决了因网络限制导致无法直接使用官方服务,以及用户难以甄别众多第三方站点可用性与安全性的痛点。

该项目不仅收录了无需登录即可免费试用的快捷入口,也整理了需注册或付费的高级服务选项,并特别标注了已失效的链接,确保信息的时效性与准确性。其独特的社区协作模式鼓励开发者与普通用户共同提交新的可用站点(通过 Issue 或 PR),实现了资源的持续更新与众筹维护。

无论是急需 AI 辅助工作的普通用户、希望低成本体验大模型能力的学生,还是寻找替代方案的研究人员与开发者,都能从中快速找到适合自己的工具入口。作为一个动态更新的导航清单,chatgpt---mirror-station-summary 以开放共享的精神,降低了大众使用前沿 AI 技术的门槛,是探索大模型应用的实用指南。

使用场景

某国内初创团队的产品经理急需利用 GPT-4 进行竞品分析,但受限于网络环境和昂贵的官方订阅费用,难以稳定获取大模型服务。

没有 chatgpt---mirror-station-summary 时

  • 寻找成本极高:需要在搜索引擎中盲目关键词检索,花费数小时筛选,且极易遇到钓鱼网站或失效链接。
  • 服务极不稳定:偶然找到的免费镜像站往往在使用中途突然“已嘎”(如 README 中标记的 2023-8-30 失效站点),导致长文档分析中断且无法恢复。
  • 功能限制不明:不清楚哪些站点支持多模态、是否需要登录或有隐藏的次数限制,反复试错消耗了大量宝贵的工作时间。
  • 信息滞后严重:无法及时获知最新可用的免费节点,只能依赖过时的教程,导致团队在关键决策期缺乏 AI 辅助。

使用 chatgpt---mirror-station-summary 后

  • 资源一键直达:直接查阅汇总列表,快速定位到如"mfzn"等无需登录、无次数限制且吐字快的稳定站点,即刻开始工作。
  • 状态实时可控:通过清晰的“已嘎”标记和持续更新的列表,自动避开失效链接,确保分析任务连续不中断。
  • 需求精准匹配:根据标签快速筛选出支持 GPT-4、Midjourney 画图或特定上下文长度的镜像站,完美契合复杂分析需求。
  • 协作效率提升:团队可共享这份动态维护的清单,全员立即获得可靠的访问入口,将原本用于找工具的时间全部投入业务创新。

chatgpt---mirror-station-summary 通过聚合与实时维护,将不确定的网络访问转化为稳定、高效的生产力资源,彻底消除了国内用户获取大模型服务的门槛。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该项目并非一个需要本地部署运行的 AI 模型或软件工具,而是一个 ChatGPT 镜像站点的汇总列表(README)。它主要收集了各类在线可用的网页链接、浏览器插件以及可自行部署的开源项目地址。因此,该列表本身没有操作系统、GPU、内存、Python 版本或依赖库的安装需求。用户只需使用浏览器访问列出的网址,或根据列表中提供的其他开源项目链接去查看其具体的部署文档。
python未说明
chatgpt---mirror-station-summary hero image

快速开始

ChatGPT 镜像站汇总

个人能力有限,搜集到的不多,求大家多多贡献啊!众人拾柴火焰高!

介绍

汇总所有 ChatGPT 镜像站,帮助国内在正常网络下的同学访问 GPT。

欢迎大家一起贡献,请直接提交 issue 或者 PR (只能提交普通网络下就可以访问成功的)

无需登录直接可用的:

已嘎:

登录后可以免费使用的:

已嘎:

需要付费的:

已嘎:

开源的,可以自己部署到本地的:

插件:

国内自研大模型汇总:

国外其它大模型汇总:

其它多模态 AI 技术:

AI工具集导航网站:

提醒:

所有内容均由大家共同创建, 若发现链接失效或分类不符合标题, 请及时提issue进行纠正. 无效的链接在一段时间后将被移除

相似工具推荐

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

141.5k|★★☆☆☆|今天
开发框架Agent语言模型

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像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|★★☆☆☆|昨天
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|★★★☆☆|2天前
Agent图像开发框架

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

75k|★★★☆☆|今天
语言模型图像开发框架