免费LLM API一站汇总260免费模型的额度速查与上手指南【免费下载链接】genshin_impact_assistant原神小助手 Genshin Assistant (CN/EN) | 自动战斗,秘境,领日常,半自动委托项目地址: https://gitcode.com/GitHub_Trending/ge/genshin_impact_assistant想在自己的项目里跑大模型第一反应往往是调 API。但商业接口一单就是几十块起步免费的又总被限额卡脖子——每分钟只能跑几次哪些模型是真免费而不是首月免费free-llm-api-resources 就是干这件事的它把各家平台的免费LLM API 聚合成一份持续更新的免费API资源列表连每个模型的额度限制都帮你查好了。一句话讲清它是什么说白了free-llm-api-resources 可以理解为一本持续更新的免费大模型API黄页谁提供免费接口、每个模型每天能调多少次、每分钟多少 token它都替你核对一遍整理成一张 Markdown 表格。相当于给每个免费模型都建了一张额度名片你打开文档就能直接对着表选型。生成的文档大致长这样示意模型提供商限额标注Llama 3.3 70B InstructOpenRouter20 requests/minute, 50 requests/dayGemma 3 27B InstructGoogle AI Studio按 token 配额标注核心能力速览 先用几个数字建立量级认知15 家提供商OpenRouter、Google AI Studio、Groq、Cohere、GitHub、Lambda、Hyperbolic 等一家家对接、互不干扰。260 条模型映射src/data.py 里维护了从模型 ID 到可读名称的映射字典你看到的是Llama 3.3 70B Instruct而不是meta-llama/llama-3.3-70b-instruct:free这种字符串。额度多维度标注requests/minute、requests/day、tokens/minute 按需标注不同平台按自家规则来不硬凑统一格式。双运行模式顺序执行 / 并发执行一键切换适配不同的网络环境。自动目录模型多了也不怕迷路文档头部自动生成可跳转的 TOC。换句话说这是一份结构化的免费大模型API聚合清单而且每次运行都会重新拉取最新数据。数据从哪来一条流水线讲明白整个采集过程就四步用大白话讲并发拉取数据采集脚本 同时向 15 家平台发请求每家一个独立 logger出问题一眼能看出是谁的锅。过滤定价字段不为 0 的不收OpenRouter 上只看免费档位名字像 LLM 实际是图像模型的比如 FLUX、StableDiffusion也扔进忽略列表。名称映射把各家风格迥异的模型 ID 翻译成统一的可读名称映射关系就长这样——MODEL_TO_NAME_MAPPING { meta-llama/llama-3.3-70b-instruct:free: Llama 3.3 70B Instruct, # ... 260 条 模型ID → 可读名称 }生成表格把过滤后的数据拼成 Markdown 表格附上限额标注和自动目录一份文档搞定。核心思路很简单数据源是动态的表格永远以最近一次拉取为准所以你看到的限额是当下的而不是三个月前的。主流平台额度一览同样是查额度各家的路子完全不同。挑几个有代表性的平台额度怎么拿特点OpenRouter读 pricing 字段promptcompletion 都为 0 且 id 带:free才收聚合平台限额统一标注为 20 次/分钟、50 次/天Google AI Studio调 Cloud Quotas API逐模型列出 token 配额精确到每个模型的刷新周期-1 表示不限量Groq发一个最小 chat 请求从x-ratelimit-*响应头读实时配额文本、语音转文字whisper、TTS 三类分开处理各给各的口径Cohere分页拉取顺着 next_page_token 翻完为止模型多靠分页避免一次性吃满内存GitHub逐页翻用 404 判断翻到尽头社区模型来源需要容忍偶发的接口抖动Lambda / Hyperbolic不做复杂解析靠忽略列表兜底只过滤已知有问题的模型其余原样收录这相当于一份现成的 LLM API限额查询 对照表——你不用挨个平台翻文档看这一列就知道谁给得多、谁标得细。拿到这份数据后怎么用回到实际使用这份数据能帮你做四件事按任务选模型写代码优先看 DeepSeek Coder、CodeLlama 这类专用模型通用对话选 Llama 3.3、Gemini 系列多语言场景考虑 Qwen、BGE 多语言模型。先筛任务类型再看额度够不够。多平台轮询突破单平台限额单家平台每天 50 次那就把 OpenRouter、Google AI Studio、Groq 排成一个轮询队列请求均摊出去谁限流就跳到下一家。生产环境混合部署免费接口做主力、付费接口做兜底。免费版一旦调整配额这很常见服务不中断只是多花一点钱。缓存与监控把频繁查询的结果本地缓存起来降低对上游 API 的调用同时给数据更新设个定时任务额度变化能第一时间进日志。把表格当参考别当承诺限额是采集那一刻的快照真正上线前用自己的 key 实测一轮最稳妥。踩坑前先看这里 ⚠️跑采集脚本之前这四个坑值得提前知道问题某个平台偶尔 404 或超时。原因分页场景下 404 往往是翻完最后一页的信号不一定是故障。建议脚本已带超时和异常捕获遇到非致命错误会记录后继续不用人工干预。问题并发拉取时个别平台拒绝服务。原因15 家同时打请求网络不稳时容易触发限流。建议把环境变量FETCH_CONCURRENTLY设为 false退回顺序执行慢一点但稳fetch_concurrently os.getenv(FETCH_CONCURRENTLY, false).lower() true问题模型列表很大时内存吃紧。原因有的平台一次吐几百个模型。建议脚本对这类接口走分页追加不是一把全 load 进内存正常跑不用管。问题JSON 解析失败。原因个别接口返回的并非标准格式。建议脚本会把原始响应文本记进日志排查时直接翻日志比盲猜快得多。后续可以期待什么按项目现在的骨架几个方向顺理成章给各平台包一层统一调用接口让换提供商只改一行配置集成推理速度和吞吐的基准对比选模型不光看额度还看快慢再配一个社区提交与验证流程新出现的免费接口由用户提报、自动核验后入库。最后说句实在话这份列表的价值不在多而在省得你自己挨家翻文档、算配额。想白嫖免费额度的翻完表格就能开工想上生产的记得配上付费兜底和监控再动手。项目源码和生成文档都在仓库里自己跑一遍采集脚本拿到的就是最新版额度黄页。【免费下载链接】genshin_impact_assistant原神小助手 Genshin Assistant (CN/EN) | 自动战斗,秘境,领日常,半自动委托项目地址: https://gitcode.com/GitHub_Trending/ge/genshin_impact_assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/21 1:59:20 · 阅读 1.2k 免费LLM API一站汇总：260+免费模型的额度速查与上手指南
免费LLM API一站汇总260免费模型的额度速查与上手指南【免费下载链接】genshin_impact_assistant原神小助手 Genshin Assistant (CN/EN) | 自动战斗,秘境,领日常,半自动委托项目地址: https://gitcode.com/GitHub_Trending/ge/genshin_impact_assistant想在自己的项目里跑大模型第一反应往往是调 API。但商业接口一单就是几十块起步免费的又总被限额卡脖子——每分钟只能跑几次哪些模型是真免费而不是首月免费free-llm-api-resources 就是干这件事的它把各家平台的免费LLM API 聚合成一份持续更新的免费API资源列表连每个模型的额度限制都帮你查好了。一句话讲清它是什么说白了free-llm-api-resources 可以理解为一本持续更新的免费大模型API黄页谁提供免费接口、每个模型每天能调多少次、每分钟多少 token它都替你核对一遍整理成一张 Markdown 表格。相当于给每个免费模型都建了一张额度名片你打开文档就能直接对着表选型。生成的文档大致长这样示意模型提供商限额标注Llama 3.3 70B InstructOpenRouter20 requests/minute, 50 requests/dayGemma 3 27B InstructGoogle AI Studio按 token 配额标注核心能力速览 先用几个数字建立量级认知15 家提供商OpenRouter、Google AI Studio、Groq、Cohere、GitHub、Lambda、Hyperbolic 等一家家对接、互不干扰。260 条模型映射src/data.py 里维护了从模型 ID 到可读名称的映射字典你看到的是Llama 3.3 70B Instruct而不是meta-llama/llama-3.3-70b-instruct:free这种字符串。额度多维度标注requests/minute、requests/day、tokens/minute 按需标注不同平台按自家规则来不硬凑统一格式。双运行模式顺序执行 / 并发执行一键切换适配不同的网络环境。自动目录模型多了也不怕迷路文档头部自动生成可跳转的 TOC。换句话说这是一份结构化的免费大模型API聚合清单而且每次运行都会重新拉取最新数据。数据从哪来一条流水线讲明白整个采集过程就四步用大白话讲并发拉取数据采集脚本 同时向 15 家平台发请求每家一个独立 logger出问题一眼能看出是谁的锅。过滤定价字段不为 0 的不收OpenRouter 上只看免费档位名字像 LLM 实际是图像模型的比如 FLUX、StableDiffusion也扔进忽略列表。名称映射把各家风格迥异的模型 ID 翻译成统一的可读名称映射关系就长这样——MODEL_TO_NAME_MAPPING { meta-llama/llama-3.3-70b-instruct:free: Llama 3.3 70B Instruct, # ... 260 条 模型ID → 可读名称 }生成表格把过滤后的数据拼成 Markdown 表格附上限额标注和自动目录一份文档搞定。核心思路很简单数据源是动态的表格永远以最近一次拉取为准所以你看到的限额是当下的而不是三个月前的。主流平台额度一览同样是查额度各家的路子完全不同。挑几个有代表性的平台额度怎么拿特点OpenRouter读 pricing 字段promptcompletion 都为 0 且 id 带:free才收聚合平台限额统一标注为 20 次/分钟、50 次/天Google AI Studio调 Cloud Quotas API逐模型列出 token 配额精确到每个模型的刷新周期-1 表示不限量Groq发一个最小 chat 请求从x-ratelimit-*响应头读实时配额文本、语音转文字whisper、TTS 三类分开处理各给各的口径Cohere分页拉取顺着 next_page_token 翻完为止模型多靠分页避免一次性吃满内存GitHub逐页翻用 404 判断翻到尽头社区模型来源需要容忍偶发的接口抖动Lambda / Hyperbolic不做复杂解析靠忽略列表兜底只过滤已知有问题的模型其余原样收录这相当于一份现成的 LLM API限额查询 对照表——你不用挨个平台翻文档看这一列就知道谁给得多、谁标得细。拿到这份数据后怎么用回到实际使用这份数据能帮你做四件事按任务选模型写代码优先看 DeepSeek Coder、CodeLlama 这类专用模型通用对话选 Llama 3.3、Gemini 系列多语言场景考虑 Qwen、BGE 多语言模型。先筛任务类型再看额度够不够。多平台轮询突破单平台限额单家平台每天 50 次那就把 OpenRouter、Google AI Studio、Groq 排成一个轮询队列请求均摊出去谁限流就跳到下一家。生产环境混合部署免费接口做主力、付费接口做兜底。免费版一旦调整配额这很常见服务不中断只是多花一点钱。缓存与监控把频繁查询的结果本地缓存起来降低对上游 API 的调用同时给数据更新设个定时任务额度变化能第一时间进日志。把表格当参考别当承诺限额是采集那一刻的快照真正上线前用自己的 key 实测一轮最稳妥。踩坑前先看这里 ⚠️跑采集脚本之前这四个坑值得提前知道问题某个平台偶尔 404 或超时。原因分页场景下 404 往往是翻完最后一页的信号不一定是故障。建议脚本已带超时和异常捕获遇到非致命错误会记录后继续不用人工干预。问题并发拉取时个别平台拒绝服务。原因15 家同时打请求网络不稳时容易触发限流。建议把环境变量FETCH_CONCURRENTLY设为 false退回顺序执行慢一点但稳fetch_concurrently os.getenv(FETCH_CONCURRENTLY, false).lower() true问题模型列表很大时内存吃紧。原因有的平台一次吐几百个模型。建议脚本对这类接口走分页追加不是一把全 load 进内存正常跑不用管。问题JSON 解析失败。原因个别接口返回的并非标准格式。建议脚本会把原始响应文本记进日志排查时直接翻日志比盲猜快得多。后续可以期待什么按项目现在的骨架几个方向顺理成章给各平台包一层统一调用接口让换提供商只改一行配置集成推理速度和吞吐的基准对比选模型不光看额度还看快慢再配一个社区提交与验证流程新出现的免费接口由用户提报、自动核验后入库。最后说句实在话这份列表的价值不在多而在省得你自己挨家翻文档、算配额。想白嫖免费额度的翻完表格就能开工想上生产的记得配上付费兜底和监控再动手。项目源码和生成文档都在仓库里自己跑一遍采集脚本拿到的就是最新版额度黄页。【免费下载链接】genshin_impact_assistant原神小助手 Genshin Assistant (CN/EN) | 自动战斗,秘境,领日常,半自动委托项目地址: https://gitcode.com/GitHub_Trending/ge/genshin_impact_assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考