免费LLM API真相：无账号可用，但限额远超想象

免费LLM API的现状：2026年的洗牌

如果你还在参考网上那些"每天1000次免费请求"的列表，是时候更新认知了。据YouTube频道Big Iron在2026年10月19日发布的指南，多个曾承诺慷慨免费额度的服务已经关停或大幅收缩，而大多数在线列表并未跟上这一变化。

这一年的免费层级经历了显著收缩：GitHub Models于7月退役，Cerebras在8月结束了免费层级，Gemini CLI和QN Code背后的免费登录也在6月和4月先后关闭。作者在视频中明确指出，这些关停并非毫无征兆——先削减配额，再发布弃用通知，最后文档悄然更改，形成了一套可识别的模式。

剩余选项仍然有用，但运作方式已经不同。作者强调，所有数据均来自各提供商当周的官方页面，由于作者没有创建账号，限额是"文档所述"而非"实测所得"。

目前真正可用的免费选项

OpenCode Xen：零门槛的入门选择

最省事的选择是OpenCode内置的Xen提供商，完全不需要账号。作者在全新安装环境下确认，它轮换提供10到14个免费模型，包括Big Pickle、GLM 5.3 Flash和DeepSeq V4.1 Flash。所有模型均标记为"限时免费"，未公布明确限额。

实测中，列出的10个模型全部通过了小型编程任务，仅有一个超时。对于想零成本试用编码代理的人来说，这是门槛最低的路径。

OpenRouter：最大目录，但限额需精打细算

OpenRouter提供了最大的免费模型目录。作者在10月19日记录到471个模型中有17个免费，外加一个免费自动路由器。限额为每分钟20次请求、每天50次。

一个值得注意的机制是：一次性购买10美元额度后，每日上限提升至1000美元额度——即使你已经花掉了这些额度。然而，正如后文将分析的，这个"慷慨"的数字对代理式使用来说并不宽裕。

自动路由器（Auto Router） 是 OpenRouter 提供的一项路由机制：用户无需手动指定具体模型，而是由平台根据请求内容、模型可用性和成本等因素自动选择后端模型。对于免费层级而言，自动路由器通常也会优先调用免费模型池，但其行为不透明——用户无法预知本次请求落到哪个模型、该模型是否处于限流状态。这意味着自动路由器虽然省去了选模型的麻烦，却也把 429 风险转嫁给了平台调度逻辑：一旦其选中的单一主机繁忙，请求同样会失败。因此代理式工作流中，显式指定模型并准备备用方案，往往比依赖自动路由更可控。

Google AI Studio：Gemini的免费通道

Google AI Studio覆盖Gemini Flash、Flashlight、2.5 Pro和Gemma 4。但Google不再公布每个模型的免费限额，作者建议查看自己的仪表盘而非旧数据。需要权衡的是：免费层级的内容会被用于改进Google产品。

Grok：速度快，但令牌上限极紧

Grok文档标注的限制是每分钟30次请求、每天1000次、每个模型每天20万令牌。但关键在于每分钟仅8000令牌，且限额按组织计算——多建几个密钥并无帮助。

其他小型选项

Cloudflare Workers每天提供10000个免费神经元（UTC午夜重置），但神经元与令牌之间没有简单换算关系。用户报告约每分钟40次请求，且会被记录日志。Mistral的实验计划据报告允许约每秒一次请求，请求可能被用于训练。Hugging Face则每月提供10美分额度。

免费层级的"墓地"：这些推荐已经过时

作者列出了四个已失效的选项，并警告：如果任何指南或视频推荐它们，无论发布时间多近，都已经过时。

• GitHub Models：整个服务已退役
• Cerebras免费层级：运行至8月17日，被一次性5美元额度取代，需要支付方式且30天后过期
• Gemini CLI免费个人登录：6月18日停止
• QN Code免费托管模型：4月15日关闭

这些工具本身仍然存在且开源，结束的是背后的免费模型。现在两者都需要密钥——Gemini可以搭配免费的AI Studio密钥（仅Flash模型，限额低于旧登录），或指向其他提供商。

作者总结的关停模式值得记住：先削减配额（QN Code从每天1000次降至100次，然后关闭），提前数周发布弃用通知，向现有用户发送邮件，文档悄然更改。如果依赖的免费层级削减配额或要求绑卡，应在关停通知前就开始迁移。

免费模型目录的"周级"波动

免费列表不仅会消失，还在持续变动。作者在一次性虚拟机上记录了OpenCode的无账号免费列表：UTC 2:04时列出12个免费模型，2:09时变为10个——三个消失，一个新增。随后50分钟内的五次快照完全一致，而前一晚阅读的Zen文档页面列出的是14个。

OpenRouter的变动较慢但方向相同：17个免费模型中最老的3月加入，测试当周新增两个。一位在6月编制免费列表的作者在10月报告，其中无一仍然免费。

由此得出的实践建议很直接：永远不要硬编码免费模型ID，不要围绕某个模型的特性养成习惯，模型重新出现时重新检查数据条款。作者提供了两个无需密钥即可读取当前列表的端点：OpenRouter的公共模型端点（用JQ筛选ID以":free"结尾的模型）和OpenCode的模型列表（筛选其自有提供商）。

代理式使用：为什么"每天50次"远不够用

免费层级宣传两类限制：每分钟速率和每日配额。人们担心速率，但真正卡住的是配额。聊天窗口每条消息一次请求，代理不是。

作者统计了OpenCode在10个免费模型上的调用次数：修复一个bug中位数为5次调用、4万输入令牌；两个文件中的两个bug为7次调用、6.7万令牌，最多达15次调用、14.9万令牌。此外OpenCode每个会话还会发起一次小调用生成标题。因此一个小修复约等于6次请求。

即便只是要求模型回复"pong"，也消耗了约7700输入令牌——这是每次调用都会发送的代理系统提示和工具定义基线。换句话说，每个代理请求在问题开始前就携带了数千令牌。

将这些数字套入文档限额：OpenRouter每天50次请求约等于6到8个小修复；购买10美元后每天1000次约等于120到160个，除非主机先拒绝。Grok则是令牌先耗尽，每天3到5个修复，且每分钟8000令牌比单次Claude Code请求还小。

这些还都是单文件小任务。真实会话消耗数倍于此，更重的运行框架成本更高：测试虚拟机上Claude Code的首次请求为64.8KB，而OpenCode为31.1KB。提示缓存不节省配额，因为一次请求仍然算一次请求。

429错误：免费模型的真正痛点

关于OpenRouter免费模型最常见的抱怨不是每日上限，而是几乎没怎么用就收到429（请求过多）。一位测试者在9月发现19个免费模型中有4个从测试虚拟机拒绝请求并返回429。

原因在于：OpenRouter上每个免费模型都只有一个主机。作者检查了全部17个。当该主机繁忙时，没有故障转移的余地。前一天的公布正常运行时间从100%到21%不等。因此，把429理解为"该模型不可用"，直接切换模型即可。

HTTP 429（Too Many Requests） 是标准的限流状态码，表示客户端在给定时间窗口内发送的请求超过了服务端允许的速率。响应通常附带 Retry-After 头，指示建议的重试等待时间。在 OpenRouter 免费模型的场景中，429 的产生有两种来源：一是用户自身触发了每分钟 20 次的速率限制；二是上游单一主机因全局负载过高而拒绝请求。前者可通过退避重试解决，后者则意味着该模型当前不可用，重试往往无效。区分二者对代理式工作流至关重要：前者应等待，后者应切换模型。许多 SDK 默认对 429 做指数退避重试，在单主机场景下反而会白白耗尽每日配额。

实用策略：如何组合使用免费层级

大多数提供商都支持OpenAI聊天补全API，因此一次请求可以通用：改基础URL、改密钥、改模型即可。作者用故意错误的密钥测试端点——401说明URL正确，404说明错误。OpenCode Zen则完全不需要密钥。

密钥和环境变量应妥善保存，绝不写入提交的脚本。限额存在于实际执行的位置，因此应在那里检查：OpenRouter的速率限制响应头、Grok控制台的页面上限、AI Studio项目、Cloudflare仪表盘。作者建议在信任任何免费层级前，先记录一周的响应头和状态码。

按任务选择工具：想零注册试用编码代理，用OpenCode免费模型；想跨多个模型实验，用OpenRouter（预期429和变动）；需要Gemini且接受数据条款，用AI Studio；追求速度，用Grok；涉及隐私或每天都要运行的任务，用本地模型——没有上限、没有变动、没有数据条款。

免费仍然可用，前提是阅读当前列表、在限额被执行的地方核实、并在遇到问题时切换模型而非反复重试。作者同时提醒，名单周周变化，有时在几分钟内就变。

OpenAI 聊天补全 API 兼容性 已成为行业事实标准：大量第三方提供商（OpenRouter、Groq、Mistral、本地 Ollama/vLLM 等）都暴露与 /v1/chat/completions 结构一致的端点，请求体与响应格式基本兼容。这使得“改基础 URL、改密钥、改模型名”即可切换后端，无需重写客户端代码。但兼容并不等于完全一致：各家的错误码语义、限流响应头命名（如 x-ratelimit-remaining-requests 的有无）、流式响应细节、工具调用格式可能存在差异。因此文中建议用错误密钥探测端点（401 表示 URL 正确、404 表示路径错误）并记录一周的响应头，本质上是在验证兼容层的实际行为，而非假设它与会话式 API 完全等价。

背景补充

提示缓存（Prompt Caching） 是多家 LLM 提供商推出的一项优化：当多次请求共享相同的前缀（如系统提示、工具定义、长文档）时，服务端缓存这部分计算结果，后续请求只需处理新增内容，从而降低延迟和计费令牌数。但需要注意，缓存优化的是令牌计费与延迟，并不改变请求次数的统计口径。对于以“每分钟请求数/每天请求数”为限额单位的免费层级，缓存不会让一次代理调用变成半次——代理每发起一轮工具调用、每读取一次文件，仍各算一次请求。这正是文中强调“提示缓存不节省配额”的原因：免费层级的瓶颈在请求次数而非令牌，缓存对此无能为力。