免费白嫖Gemini 4与Claude Sonnet 5.5?实测Free.pi教程

实测 Free.pi CLI:GitHub 登录日领 1.5 万积分,免费调用 Gemini 4 Argon 与 Claude Sonnet 5.5。
文章记录了跟随 YouTube 视频实测 Free.pi 平台的完整流程。该平台提供网页端模型库与 CLI 工具,用户可在本地项目中调用 Gemini 4 Argon、Claude Sonnet 5.5 等模型。配置步骤为:在项目目录运行 `npx free-pi-cli` 安装授权,通过 `/login` 使用 GitHub 登录(每日可获 15,000 积分,远高于初始 600 积分),重启终端同步积分后用 `/model` 切换模型。实测中两个模型的文本对话均正常响应,Claude Sonnet 5.5 还完成了一次 3D 室内设计网站的代码生成任务。文章同时提醒,积分政策可能变动、代理模型版本与限制存疑、测试较为浅层,生产环境需谨慎评估稳定性与合规性。
AI 模型越来越强,但 API 调用费用也让不少开发者头疼。最近有 YouTube 博主实测了一个名为 Free.pi 的平台,声称通过其 CLI 工具可以免费调用包括 Gemini 4 Argon、Claude Sonnet 5.5 在内的多个模型。我跟着视频走了一遍流程,并整理了关键步骤与值得留意的细节。
Free.pi 是什么?模型列表与积分机制
Free.pi 提供了一个网页端模型库,用户浏览后可通过命令行工具在本地项目里调用。视频中重点展示了两个模型:Gemini 4 Argon 和 Claude Sonnet 5.5。说个细节,Gemini 4 Argon 存在两个版本——带 premium 标签的和带 flex 标签的。博主对比后发现两者输入/输出 token 上限与上下文窗口完全一致,区别仅在于 flex 版本运行在更慢、更便宜的服务层。对于不追求低延迟的任务,flex 版本性价比更高。
每个模型在使用前都应先查看其 usage limit,避免中途触发限制。平台会给新用户发放初始积分,视频中博主登录后获得了 600 积分作为起步额度。

文中提到的 token 上限与上下文窗口是理解模型差异的两个关键指标。上下文窗口指模型单次请求中能够“看到”的全部 token 总量,包括输入提示和输出内容,超出后早期内容会被截断或直接报错。输入/输出 token 上限则分别约束单次请求中提示词和生成结果的长度。两个模型版本若这些数值一致,说明它们在单次请求能力上没有差别,差异体现在服务层:flex 这类低价层通常通过排队、降低优先级或限制并发来压缩成本,表现为首 token 延迟更高、吞吐更低,但对批量、离线、不追求实时响应的任务影响有限。
从零配置:CLI 安装与 GitHub 登录
配置流程并不复杂。在目标项目文件夹打开命令提示符,运行 npx free-pi-cli 即可启动安装。安装过程中会请求系统权限,按提示授权即可。
首次使用需要登录,支持 GitHub 或 Gmail 账号。博主特别提到一个关键点:用 GitHub 账号登录后,每天可获得 15,000 积分,远高于初始的 600 积分。操作方式是在 CLI 中输入 /login,选择 GitHub 账号完成授权。授权后需要重启应用,关闭终端再重新运行 npx free-pi-cli,积分便会同步到账户中。

npx 是 Node.js 生态自带的包执行工具,随 npm(5.2 及以上版本)一同安装。它的作用是临时下载并运行某个 npm 包的可执行文件,而不需要事先 npm install -g 全局安装。因此运行 npx free-pi-cli 时,npx 会先检查本地或远程仓库中是否存在该包,拉取最新版本到缓存目录,再执行其入口脚本。这解释了为什么首次运行时会出现下载等待和权限请求——CLI 需要写入缓存、创建配置文件,可能还要注册命令别名。对于只想快速试用、不希望污染全局环境的开发者,npx 是较为干净的方式;但每次升级或缓存清理后,可能需要重新下载。
实测:两个模型都能正常响应
积分到账后,在 CLI 中输入 /model 打开模型选择列表,可以看到 Gemini 4 Argon、Claude Sonnet 5.5 以及众多其他模型。
博主首先选择 Gemini 4 Argon(非 flex 版),发送测试消息“hey how can you help me”,很快收到回复。接着切换回 /model 选择 Claude Sonnet 5.5,同样发送文本消息,也顺利得到回应。两个模型的对话功能均正常工作。

代码任务测试:用 Claude Sonnet 5.5 生成 3D 室内设计网站
为了验证实际编码能力,博主给 Claude Sonnet 5.5 下达了一个更复杂的指令:构建一个 3D 室内设计网站。模型开始处理任务,最终返回了结果。视频未展示生成代码的完整质量,但至少说明该模型在免费通道下能够执行代码生成类任务。
对于想测试更多模型的用户,博主建议按同样方法在 /model 列表中切换尝试。
一些需要冷静看待的地方
这类免费调用平台通常存在几个不确定性。其一,积分政策可能随时调整,15,000 积分/天的承诺是否长期有效无法保证。其二,平台转售或代理的模型版本是否与官方完全一致、是否存在速率或上下文限制,需要实际使用中观察。其三,视频中展示的测试较为浅层——文本对话和一次代码生成,并未涉及长上下文、复杂推理或高并发场景。
如果你只是想低成本体验新模型、做些小规模实验,Free.pi 这类工具确实降低了门槛。但若用于生产环境,仍需谨慎评估稳定性与合规性。

此类平台通常扮演“API 代理/转售”角色:它自己持有一批上游模型厂商的密钥或额度,再通过统一接口分发给用户,并用积分体系做配额控制。这带来两个技术层面的观察点。一是版本一致性,代理层可能对请求做参数改写、截断上下文或注入系统提示,导致实际行为与官方 API 存在偏差。二是速率与稳定性,共享额度意味着高峰期可能排队或触发 429 限流,且服务条款、数据留存策略往往不如官方透明。评估时可关注响应头中的速率限制信息、长上下文任务是否被静默截断,以及平台是否声明数据用途。
快速上手步骤总结
- 访问 Free.pi 网站,浏览模型列表并查看 usage limit。
- 在项目目录运行
npx free-pi-cli,授权安装。 - 通过
/login使用 GitHub 账号登录,获取每日积分。 - 重启终端,重新运行 CLI,确认积分到账。
- 输入
/model选择目标模型,开始对话或下达编码任务。
整个过程最耗时的部分是账号授权和积分同步,模型调用本身响应速度尚可。对于想免费试玩 Gemini 4 Argon 和 Claude Sonnet 5.5 的开发者,这是一条值得尝试的路径。
相关推荐

Agent Skills全解析:渐进式披露架构与MCP对比
深入解析Agent Skills架构:什么是渐进式披露、Skills如何让Agent获得模块化扩展能力、与MCP和Function Calling及Multi-Agent的区别,以及自定义Skills开发的学习路径。

AI短剧剪辑提速10倍:豆包+剪映自动剪辑实战
B站UP主张Mark分享AI短剧后期剪辑实战:用豆包工作安装剪映editor技能,将爆款剪辑逻辑写成指令交给AI自动完成素材拼接、节奏裁切、配乐字幕,一分钟成片从半天缩短到十几分钟,附手动精修要点。

同一模型跑分差22分:Agent Harness才是关键变量
同一模型在不同 harness 下 Terminal-Bench 2.0 得分相差 22 分:Opus 4.6 从 60.45% 到 82.02%,GPT-5.5 从 66.07% 到 88.09%。本文解读 agent harness 的五层架构、主流 SDK 对比、最小 Python 循环实现,以及成本追踪、权限与沙箱等工程要点。