[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mnfst--awesome-free-llm-apis":3,"tool-mnfst--awesome-free-llm-apis":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":80,"owner_twitter":79,"owner_website":81,"owner_url":82,"languages":79,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":87,"env_os":88,"env_gpu":89,"env_ram":90,"env_deps":91,"category_tags":94,"github_topics":95,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":107,"updated_at":108,"faqs":109,"releases":110},3160,"mnfst\u002Fawesome-free-llm-apis","awesome-free-llm-apis","Permanent Free LLM API List (API Keys) 😎🔑","awesome-free-llm-apis 是一个精心整理的开源清单，专门收录提供永久免费额度的大型语言模型（LLM）API 服务。在 AI 开发成本高昂的背景下，它解决了开发者难以寻找稳定、免费且无需信用卡即可试用的推理接口的痛点，让原型验证和个人项目不再受限于预算。\n\n这份资源非常适合独立开发者、学生、研究人员以及希望低成本探索 AI 应用的初创团队使用。其核心亮点在于严格筛选标准：仅收录真正的“永久免费”层级，明确排除了限时试用或需要预充值的临时优惠。清单详细分类了由模型原厂（如 Google Gemini、Cohere、智谱 AI）直接提供的接口，以及托管开源模型的第三方推理平台（如 Groq、Hugging Face、Cloudflare 等）。\n\n此外，awesome-free-llm-apis 不仅提供了直达 API 密钥获取页面的链接，还清晰标注了各服务的具体速率限制（如每分钟请求数、每日令牌量）和支持的代表性模型。绝大多数接口均兼容 OpenAI SDK，这意味着用户可以无缝切换后端服务，极大地降低了集成门槛和技术迁移成本，是构建免费 AI 应用的首选参考指南。","\u003Cdiv align=\"center\">\n\t\u003Cbr>\n\t\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmnfst_awesome-free-llm-apis_readme_8d2b3afdb3bc.png\" width=\"500\" alt=\"Awesome Free LLM APIs\">\n\t\u003Cbr>\n\t\u003Cbr>\n\t\u003Ca href=\"https:\u002F\u002Fawesome.re\">\n\t\t\u003Cimg src=\"https:\u002F\u002Fawesome.re\u002Fbadge-flat2.svg\" alt=\"Awesome\">\n\t\u003C\u002Fa>\n\t\u003Cbr>\n\t\u003Cbr>\n\t\u003Cp>LLM APIs with permanent free tiers for text inference.\u003C\u002Fp>\n\t\u003Cbr>\n\t\u003Cbr>\n\u003C\u002Fdiv>\n\n## Contents\n\n- [Provider APIs](#provider-apis)\n- [Inference providers](#inference-providers)\n\n## Provider APIs\n\nAPIs run by the companies that train or fine-tune the models themselves.\n\n- [Cohere](https:\u002F\u002Fdashboard.cohere.com\u002Fapi-keys) 🇺🇸 - Command A, Command R+, Aya Expanse 32B +9 more. 20 RPM, 1K\u002Fmo.\n- [Google Gemini](https:\u002F\u002Faistudio.google.com\u002Fapp\u002Fapikey) 🇺🇸 - Gemini 2.5 Pro, Flash, Flash-Lite +4 more. 5-15 RPM, 100-1K RPD. [^1]\n- [Mistral AI](https:\u002F\u002Fconsole.mistral.ai\u002Fapi-keys) 🇪🇺 - Mistral Large 3, Small 3.1, Ministral 8B +3 more. 1 req\u002Fs, 1B tok\u002Fmo.\n- [Zhipu AI](https:\u002F\u002Fopen.bigmodel.cn\u002Fusercenter\u002Fapikeys) 🇨🇳 - GLM-4.7-Flash, GLM-4.5-Flash, GLM-4.6V-Flash. Limits undocumented.\n\n## Inference providers\n\nThird-party platforms that host open-weight models from various sources.\n\n- [Cerebras](https:\u002F\u002Fcloud.cerebras.ai\u002F) 🇺🇸 - Llama 3.3 70B, Qwen3 235B, GPT-OSS-120B +3 more. 30 RPM, 14,400 RPD.\n- [Cloudflare Workers AI](https:\u002F\u002Fdash.cloudflare.com\u002Fprofile\u002Fapi-tokens) 🇺🇸 - Llama 3.3 70B, Qwen QwQ 32B +47 more. 10K neurons\u002Fday.\n- [GitHub Models](https:\u002F\u002Fgithub.com\u002Fmarketplace\u002Fmodels) 🇺🇸 - GPT-4o, Llama 3.3 70B, DeepSeek-R1 +more. 10-15 RPM, 50-150 RPD.\n- [Groq](https:\u002F\u002Fconsole.groq.com\u002Fkeys) 🇺🇸 - Llama 3.3 70B, Llama 4 Scout, Kimi K2 +17 more. 30 RPM, 1K RPD (14,400 for Llama 3.1 8B). [^3]\n- [Hugging Face](https:\u002F\u002Fhuggingface.co\u002Fsettings\u002Ftokens) 🇺🇸 - Llama 3.3 70B, Qwen2.5 72B, Mistral 7B +many more. $0.10\u002Fmo in free credits.\n- [Kluster AI](https:\u002F\u002Fplatform.kluster.ai\u002Fapikeys) 🇺🇸 - DeepSeek-R1, Llama 4 Maverick, Qwen3-235B +2 more. Limits undocumented.\n- [LLM7.io](https:\u002F\u002Ftoken.llm7.io) 🇬🇧 - DeepSeek R1, Flash-Lite, Qwen2.5 Coder +27 more. 30 RPM (120 with token).\n- [NVIDIA NIM](https:\u002F\u002Fbuild.nvidia.com\u002Fexplore\u002Fdiscover) 🇺🇸 - Llama 3.3 70B, Mistral Large, Qwen3 235B +more. 40 RPM.\n- [Ollama Cloud](https:\u002F\u002Follama.com\u002Fsettings\u002Fkeys) 🇺🇸 - DeepSeek-V3.2, Qwen3.5, Kimi-K2.5 +17 more. 1 concurrent model, light usage. [^2]\n- [OpenRouter](https:\u002F\u002Fopenrouter.ai\u002Fkeys) 🇺🇸 - DeepSeek R1, Llama 3.3 70B, GPT-OSS-120B +29 more. 20 RPM, 50 RPD (1K with $10+ in purchased credits). [^4]\n- [SiliconFlow](https:\u002F\u002Fcloud.siliconflow.cn\u002Faccount\u002Fak) 🇨🇳 - Qwen3-8B, DeepSeek-R1-Distill-Qwen-7B, GLM-4.1V-9B-Thinking +10 more. 1K RPM, 50K TPM.\n\n## Contributing\n\nKnow a free tier that's missing? [Open a PR](contributing.md). Include the provider, endpoint, rate limits (link to their docs), and a few notable models. Trial credits and time-limited promos don't count.\n\n## Footnotes\n\n- **RPM** -- requests per minute. **RPD** -- requests per day.\n- \"Limits undocumented\" means the provider doesn't publish their rate limits.\n- All endpoints are OpenAI SDK-compatible unless noted.\n- Each link points to the provider's API key page.\n- [^1]: Free tier not available in the EU, UK, or Switzerland ([available regions](https:\u002F\u002Fai.google.dev\u002Fgemini-api\u002Fdocs\u002Favailable-regions)).\n- [^2]: Ollama Cloud measures usage by GPU time, not tokens or requests. Free tier described as \"light usage\" with session limits resetting every 5 hours and weekly limits every 7 days. Pro (50x more) and Max (250x more) plans available. Not OpenAI SDK-compatible; uses [Ollama API](https:\u002F\u002Fdocs.ollama.com\u002Fcloud).\n- [^3]: 14,400 RPD only applies to Llama 3.1 8B Instant. Most other models (Llama 3.3 70B, Llama 4 Scout, Kimi K2, etc.) are limited to 1,000 RPD ([rate limits](https:\u002F\u002Fconsole.groq.com\u002Fdocs\u002Frate-limits)).\n- [^4]: Free models default to 50 RPD. A one-time purchase of $10+ in credits unlocks 1,000 RPD for free models. OpenRouter also offers a [Free Models Router](https:\u002F\u002Fopenrouter.ai\u002Fdocs\u002Fguides\u002Frouting\u002Frouters\u002Ffree-models-router) (`openrouter\u002Ffree`) and [model fallbacks](https:\u002F\u002Fopenrouter.ai\u002Fdocs\u002Fguides\u002Frouting\u002Fmodel-fallbacks) for chaining models in priority order.\n","\u003Cdiv align=\"center\">\n\t\u003Cbr>\n\t\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmnfst_awesome-free-llm-apis_readme_8d2b3afdb3bc.png\" width=\"500\" alt=\"Awesome Free LLM APIs\">\n\t\u003Cbr>\n\t\u003Cbr>\n\t\u003Ca href=\"https:\u002F\u002Fawesome.re\">\n\t\t\u003Cimg src=\"https:\u002F\u002Fawesome.re\u002Fbadge-flat2.svg\" alt=\"Awesome\">\n\t\u003C\u002Fa>\n\t\u003Cbr>\n\t\u003Cbr>\n\t\u003Cp>提供永久免费层级的文本推理 LLM API。\u003C\u002Fp>\n\t\u003Cbr>\n\t\u003Cbr>\n\u003C\u002Fdiv>\n\n## 目录\n\n- [提供商 API](#provider-apis)\n- [推理提供商](#inference-providers)\n\n## 提供商 API\n\n由训练或微调模型的公司自身运营的 API。\n\n- [Cohere](https:\u002F\u002Fdashboard.cohere.com\u002Fapi-keys) 🇺🇸 - Command A、Command R+、Aya Expanse 32B 等9种模型。20 RPM，每月1K次请求。\n- [Google Gemini](https:\u002F\u002Faistudio.google.com\u002Fapp\u002Fapikey) 🇺🇸 - Gemini 2.5 Pro、Flash、Flash-Lite 等5种模型。5–15 RPM，每日100–1K次请求。[^1]\n- [Mistral AI](https:\u002F\u002Fconsole.mistral.ai\u002Fapi-keys) 🇪🇺 - Mistral Large 3、Small 3.1、Ministral 8B 等4种模型。每秒1次请求，每月10亿token。\n- [Zhipu AI](https:\u002F\u002Fopen.bigmodel.cn\u002Fusercenter\u002Fapikeys) 🇨🇳 - GLM-4.7-Flash、GLM-4.5-Flash、GLM-4.6V-Flash。限流未公开。\n\n## 推理提供商\n\n托管来自不同来源的开源权重模型的第三方平台。\n\n- [Cerebras](https:\u002F\u002Fcloud.cerebras.ai\u002F) 🇺🇸 - Llama 3.3 70B、Qwen3 235B、GPT-OSS-120B 等4种模型。30 RPM，每日14,400次请求。\n- [Cloudflare Workers AI](https:\u002F\u002Fdash.cloudflare.com\u002Fprofile\u002Fapi-tokens) 🇺🇸 - Llama 3.3 70B、Qwen QwQ 32B 等48种模型。每天1万神经元。\n- [GitHub Models](https:\u002F\u002Fgithub.com\u002Fmarketplace\u002Fmodels) 🇺🇸 - GPT-4o、Llama 3.3 70B、DeepSeek-R1 等多种模型。10–15 RPM，每日50–150次请求。\n- [Groq](https:\u002F\u002Fconsole.groq.com\u002Fkeys) 🇺🇸 - Llama 3.3 70B、Llama 4 Scout、Kimi K2 等18种模型。30 RPM，每日1K次请求（Llama 3.1 8B为14,400次）。[^3]\n- [Hugging Face](https:\u002F\u002Fhuggingface.co\u002Fsettings\u002Ftokens) 🇺🇸 - Llama 3.3 70B、Qwen2.5 72B、Mistral 7B 等众多模型。每月有0.10美元的免费额度。\n- [Kluster AI](https:\u002F\u002Fplatform.kluster.ai\u002Fapikeys) 🇺🇸 - DeepSeek-R1、Llama 4 Maverick、Qwen3-235B 等3种模型。限流未公开。\n- [LLM7.io](https:\u002F\u002Ftoken.llm7.io) 🇬🇧 - DeepSeek R1、Flash-Lite、Qwen2.5 Coder 等29种模型。30 RPM（使用token可提升至120 RPM）。\n- [NVIDIA NIM](https:\u002F\u002Fbuild.nvidia.com\u002Fexplore\u002Fdiscover) 🇺🇸 - Llama 3.3 70B、Mistral Large、Qwen3 235B 等多种模型。40 RPM。\n- [Ollama Cloud](https:\u002F\u002Follama.com\u002Fsettings\u002Fkeys) 🇺🇸 - DeepSeek-V3.2、Qwen3.5、Kimi-K2.5 等18种模型。仅支持同时运行一个模型，适用于轻量级使用。[^2]\n- [OpenRouter](https:\u002F\u002Fopenrouter.ai\u002Fkeys) 🇺🇸 - DeepSeek R1、Llama 3.3 70B、GPT-OSS-120B 等30种模型。20 RPM，每日50次请求（购买10美元以上额度后可增至1K次）。[^4]\n- [SiliconFlow](https:\u002F\u002Fcloud.siliconflow.cn\u002Faccount\u002Fak) 🇨🇳 - Qwen3-8B、DeepSeek-R1-Distill-Qwen-7B、GLM-4.1V-9B-Thinking 等11种模型。1K RPM，每日5万TPM。\n\n## 贡献\n\n知道有哪些免费层级遗漏了吗？[提交 PR](contributing.md)！请包含提供商名称、API端点、速率限制（附上官方文档链接）以及几款值得关注的模型。试用额度和限时促销不计入免费层级。\n\n## 注释\n\n- **RPM** — 每分钟请求数。**RPD** — 每日请求数。\n- “限流未公开”表示提供商未公布其速率限制。\n- 除非另有说明，所有端点均兼容OpenAI SDK。\n- 每个链接都指向提供商的API密钥页面。\n- [^1]: 欧盟、英国和瑞士地区不可使用免费层级（[可用区域](https:\u002F\u002Fai.google.dev\u002Fgemini-api\u002Fdocs\u002Favailable-regions)）。\n- [^2]: Ollama Cloud以GPU时间计量用量，而非token或请求次数。免费层级被描述为“轻量级使用”，会每5小时重置一次会话限制，每周重置一次周度限制。另有Pro（用量为免费版的50倍）和Max（250倍）套餐可供选择。不兼容OpenAI SDK，使用的是[Ollama API](https:\u002F\u002Fdocs.ollama.com\u002Fcloud)。\n- [^3]: 每日14,400次请求仅适用于Llama 3.1 8B Instant。其他大多数模型（如Llama 3.3 70B、Llama 4 Scout、Kimi K2等）每日仅限1,000次请求（[速率限制](https:\u002F\u002Fconsole.groq.com\u002Fdocs\u002Frate-limits)）。\n- [^4]: 免费模型默认每日50次请求。一次性购买10美元以上的额度即可将免费模型的每日请求上限提升至1,000次。OpenRouter还提供[免费模型路由器](https:\u002F\u002Fopenrouter.ai\u002Fdocs\u002Fguides\u002Frouting\u002Frouters\u002Ffree-models-router)（`openrouter\u002Ffree`）以及[模型回退机制](https:\u002F\u002Fopenrouter.ai\u002Fdocs\u002Fguides\u002Frouting\u002Fmodel-fallbacks)，用于按优先级顺序串联多个模型。","# awesome-free-llm-apis 快速上手指南\n\n`awesome-free-llm-apis` 并非一个需要安装的软件包，而是一个精选列表，收录了提供**永久免费层级**（Free Tier）的大语言模型（LLM）API 服务商。本指南将帮助中国开发者快速筛选合适的国内\u002F国际服务，获取密钥并调用接口。\n\n## 环境准备\n\n在开始之前，请确保满足以下条件：\n\n*   **系统要求**：任意支持网络连接的开发环境（Windows, macOS, Linux）。\n*   **前置依赖**：\n    *   已安装 Python 3.8+ 或 Node.js（用于运行示例代码）。\n    *   能够访问目标服务商官网的网络环境（部分国际服务可能需要特殊网络配置）。\n    *   **推荐工具**：安装 OpenAI 官方 SDK 或兼容库，因为列表中绝大多数接口均兼容 OpenAI SDK 格式。\n    \n    ```bash\n    pip install openai\n    # 或者\n    npm install openai\n    ```\n\n## 安装步骤（获取 API 密钥）\n\n由于这是一个资源列表，\"安装\"过程实为**注册并获取 API Key**的过程。针对中国开发者，优先推荐以下国内可直接访问且提供免费额度的服务商：\n\n### 方案 A：国内首选（无需特殊网络）\n\n1.  **智谱 AI (Zhipu AI)**\n    *   **地址**：[https:\u002F\u002Fopen.bigmodel.cn\u002Fusercenter\u002Fapikeys](https:\u002F\u002Fopen.bigmodel.cn\u002Fusercenter\u002Fapikeys)\n    *   **特点**：提供 GLM-4-Flash 等模型，速度极快，国内访问稳定。限额未公开文档详细说明，但通常对个人开发者友好。\n    *   **操作**：注册账号 -> 进入控制台 -> 创建 API Key。\n\n2.  **硅基流动 (SiliconFlow)**\n    *   **地址**：[https:\u002F\u002Fcloud.siliconflow.cn\u002Faccount\u002Fak](https:\u002F\u002Fcloud.siliconflow.cn\u002Faccount\u002Fak)\n    *   **特点**：提供 Qwen3、DeepSeek-R1 等开源模型的高速推理。免费额度高达 1K RPM \u002F 50K TPM。\n    *   **操作**：注册账号 -> 个人中心 -> 创建访问令牌。\n\n### 方案 B：国际主流（需确认网络可达性）\n\n如果需要使用特定的国际模型（如 Llama 3.3 70B, Mistral 等），可选择以下平台：\n\n*   **Groq**: [https:\u002F\u002Fconsole.groq.com\u002Fkeys](https:\u002F\u002Fconsole.groq.com\u002Fkeys) (以极速推理著称，Llama 3.1 8B 免费额度极高)。\n*   **Cerebras**: [https:\u002F\u002Fcloud.cerebras.ai\u002F](https:\u002F\u002Fcloud.cerebras.ai\u002F) (提供超大上下文窗口模型)。\n*   **OpenRouter**: [https:\u002F\u002Fopenrouter.ai\u002Fkeys](https:\u002F\u002Fopenrouter.ai\u002Fkeys) (聚合平台，购买 $10 信用额后可解锁更高免费模型限速)。\n\n> **注意**：所有链接均指向各平台的 API Key 生成页面。请妥善保管您的 Key，不要提交到公共代码仓库。\n\n## 基本使用\n\n列表中的大多数提供商（除 Ollama Cloud 外）均兼容 **OpenAI SDK**。以下以 **智谱 AI** 和 **硅基流动** 为例，展示如何使用 Python 进行最简单的文本推理。\n\n### 示例 1：调用智谱 AI (GLM-4-Flash)\n\n```python\nfrom openai import OpenAI\n\n# 初始化客户端\n# base_url 需替换为智谱的兼容地址\nclient = OpenAI(\n    api_key=\"YOUR_ZHIPU_API_KEY\",  # 替换为您的智谱 API Key\n    base_url=\"https:\u002F\u002Fopen.bigmodel.cn\u002Fapi\u002Fpaas\u002Fv4\u002F\"\n)\n\nresponse = client.chat.completions.create(\n    model=\"glm-4-flash\",  # 或其他可用免费模型\n    messages=[\n        {\"role\": \"system\", \"content\": \"你是一个有用的助手。\"},\n        {\"role\": \"user\", \"content\": \"请用一句话介绍北京。\"}\n    ]\n)\n\nprint(response.choices[0].message.content)\n```\n\n### 示例 2：调用硅基流动 (Qwen3-8B)\n\n```python\nfrom openai import OpenAI\n\nclient = OpenAI(\n    api_key=\"YOUR_SILICONFLOW_API_KEY\",  # 替换为您的硅基流动 API Key\n    base_url=\"https:\u002F\u002Fapi.siliconflow.cn\u002Fv1\"\n)\n\nresponse = client.chat.completions.create(\n    model=\"Qwen\u002FQwen3-8B\", \n    messages=[\n        {\"role\": \"user\", \"content\": \"Hello, how are you?\"}\n    ]\n)\n\nprint(response.choices[0].message.content)\n```\n\n### 示例 3：调用 Groq (Llama 3.3 70B)\n\n```python\nfrom openai import OpenAI\n\nclient = OpenAI(\n    api_key=\"YOUR_GROQ_API_KEY\",\n    base_url=\"https:\u002F\u002Fapi.groq.com\u002Fopenai\u002Fv1\"\n)\n\nresponse = client.chat.completions.create(\n    model=\"llama-3.3-70b-versatile\",\n    messages=[{\"role\": \"user\", \"content\": \"Explain quantum computing in simple terms.\"}]\n)\n\nprint(response.choices[0].message.content)\n```\n\n### 关键参数说明\n*   `base_url`: 不同提供商的中继地址不同，请务必查阅对应平台的文档。\n*   `model`: 模型名称必须与提供商支持的免费模型列表完全一致（如 `glm-4-flash`, `llama-3.3-70b-versatile`）。\n*   **限速提示**：免费层级通常有 RPM (每分钟请求数) 和 RPD (每天请求数) 限制。生产环境请务必添加重试机制和错误处理。","一位独立开发者正在构建一款面向学生的多语言作文批改助手，需要集成多个大模型以支持不同语言的润色与评分功能。\n\n### 没有 awesome-free-llm-apis 时\n- **试错成本高昂**：为了寻找免费且稳定的 API，开发者需逐个访问 Google、Mistral、Cohere 等官网查阅文档，耗时数天且容易遗漏优质源。\n- **预算迅速超支**：因缺乏明确的免费额度信息，误选了按量付费或试用期极短的服务，导致项目尚未上线信用卡账单已激增。\n- **模型选择受限**：难以快速对比哪些平台提供特定的开源模型（如 Llama 3.3 70B 或 DeepSeek-R1），只能被迫使用性能较差的默认模型。\n- **接入标准混乱**：不同厂商的 SDK 接口差异巨大，需要编写多套适配代码，严重拖慢了原型开发进度。\n\n### 使用 awesome-free-llm-apis 后\n- **资源一键获取**：直接从中筛选出 Cohere、Google Gemini 和 Zhipu AI 等永久免费层，几分钟内即可收集到涵盖中、英、西语的多个有效 API Key。\n- **成本精准控制**：依据列表中清晰的速率限制（如 Mistral 每月 10 亿 Token、Groq 每日 1000 次请求），合理分配流量，确保零成本运行原型。\n- **模型灵活切换**：通过 Inference providers 板块快速定位托管了 Qwen2.5 和 Llama 3.3 的平台（如 Cerebras、SiliconFlow），轻松实现多模型并行测试。\n- **开发效率倍增**：利用列表注明的\"OpenAI SDK 兼容”特性，统一调用逻辑，无需为不同供应商重写底层代码，一天内即可完成多语言模块集成。\n\nawesome-free-llm-apis 将原本繁琐的调研与试错过程转化为标准化的资源索引，让开发者能零成本、高效率地调动全球顶级大模型能力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmnfst_awesome-free-llm-apis_8d2b3afd.png","mnfst","Manifest","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmnfst_1a66b7c1.png","The cost-saving platform for AI personal assistant users",null,"hello@manifest.build","https:\u002F\u002Fmanifest.build","https:\u002F\u002Fgithub.com\u002Fmnfst",1452,93,"2026-04-04T05:32:01","CC0-1.0",1,"","无需本地 GPU（基于云端 API 调用）","未说明",{"notes":92,"python":90,"dependencies":93},"该工具是一个免费 LLM API 列表集合，并非需要本地部署运行的软件。它列出了提供永久免费层级的文本推理 API 提供商（如 Cohere, Google Gemini, Groq 等）。用户只需通过 HTTP 请求调用这些云端服务即可，所有计算资源由服务商提供。大多数端点兼容 OpenAI SDK，部分服务商（如 Ollama Cloud）使用自有 API 协议。使用时需前往各提供商官网获取 API Key，并注意不同模型的具体速率限制（RPM\u002FRPD）及区域可用性限制。",[],[53,15,26,13],[96,97,98,99,100,101,102,103,104,105,106],"ai-agents","anthropic","gemini","llm","llm-router","llm-routing","ollama","openai","openclaw","openclaw-plugin","router","2026-03-27T02:49:30.150509","2026-04-06T08:46:25.435150",[],[]]