今天发现一个 Github 宝藏项目：free-llm-api-resources。它是一个免费 LLM API 资源列表，汇总了可以免费访问的 AI 模型资源，涉及各种规模，甚至包括 400B+ 参数的巨型模型。
⚠️ 使用过程中注意保护个人数据
1. 免费提供商列表
1.1 OpenRouter
- 限制：20 请求/分钟，50 请求/天（可通过 $10 终身充值提升至 1000 请求/天）
- 支持模型：
- Hermes 3 Llama 3.1 405B（4050亿参数）
- Llama 3.3 70B Instruct（700亿参数）
- google/gemma-4-26b-a4b-it（260亿参数）
- nvidia/nemotron-3-super-120b-a12b（1200亿参数）
- openai/gpt-oss-120b（1200亿参数）
1.2 Google AI Studio
- 数据使用：在欧盟/欧洲经济区/瑞士/英国之外使用时，数据可能用于训练
- 主要模型：
- Gemini 3 Flash：250,000 token/分钟，20 请求/天
- Gemma 3 27B Instruct：15,000 token/分钟，14,400 请求/天
- Gemma 3 12B Instruct：15,000 token/分钟，14,400 请求/天
1.3 NVIDIA NIM
- 要求：需要手机号验证
- 限制：40 请求/分钟
- 特点：上下文窗口有限，支持各种开源模型
1.4 Mistral
- 免费层：需要选择加入数据训练，需要手机号验证
- 限制：1 请求/秒，500,000 token/分钟，1,000,000,000 token/月
- 支持模型：开放和专有的 Mistral 模型
1.5 Groq
- 支持模型：
- Llama 3.3 70B：1,000 请求/天，12,000 token/分钟
- openai/gpt-oss-120b：1,000 请求/天，8,000 token/分钟
- qwen/qwen3-32b：1,000 请求/天，6,000 token/分钟
1.6 Cerebras
- 支持模型：
- gpt-oss-120b：30 请求/分钟，60,000 token/分钟
- Llama 3.1 8B：30 请求/分钟，60,000 token/分钟
1.7 Cloudflare Workers AI
- 限制：10,000 神经元/天
- 支持模型：
- @cf/nvidia/nemotron-3-120b-a12b（1200亿参数）
- @cf/openai/gpt-oss-120b（1200亿参数）
- Llama 3.3 70B Instruct（700亿参数）
2. 提供试用额度的服务商
2.1 Fireworks
- 额度：$1
- 支持模型：各种开源模型
2.2 Baseten
- 额度：$30
- 计费方式：按计算时间付费
- 支持模型：任何支持的模型
2.3 Hyperbolic
- 额度：$1
- 支持模型：
- DeepSeek V3 0324
- Llama 3.3 70B Instruct
- deepseek-ai/deepseek-r1-0528
- qwen/qwen3-coder-480b-a35b-instruct（4800亿参数）
2.4 SambaNova Cloud
- 额度：$5（3个月）
- 支持模型：
- Qwen/Qwen3-235B（2350亿参数）
- deepseek-ai/DeepSeek-V3.2
- openai/gpt-oss-120b（1200亿参数）
2.5 Scaleway Generative APIs
- 额度：1,000,000 免费token
- 支持模型：
- Llama 3.3 70B Instruct
- gpt-oss-120b（1200亿参数）
- qwen3-235b-a22b-instruct-2507（2350亿参数）
- qwen3.5-397b-a17b（3970亿参数）
3. 如何选择适合的免费服务
3.1 根据需求选择：
需要最大模型（400B+ 参数）：
- OpenRouter：Hermes 3 Llama 3.1 405B
- Hyperbolic：qwen/qwen3-coder-480b-a35b-instruct（480B）
- Scaleway：qwen3.5-397b-a17b（397B）
需要高请求频率：
- Google AI Studio：14,400 请求/天（Gemma 系列）
- Mistral：1 请求/秒
需要大上下文窗口：
- 注意：NVIDIA NIM 等服务的上下文窗口有限
需要多种模型选择：
- OpenRouter：模型种类最多
- GitHub Models：需要 Copilot 订阅
4. 使用建议
4.1 避免滥用
- 遵守每个服务的限制条件
- 不要创建多个账户规避限制
- 合理使用，确保这些免费资源能够长期存在
4.2 性能优化
- 批处理请求：尽可能批量发送请求
- 缓存结果：对重复查询进行缓存
- 错误处理：实现重试机制和优雅降级
4.3 成本控制
- 监控使用量：定期检查 API 使用情况
- 设置限制：在客户端设置请求频率限制
- 备用方案：准备多个服务商作为备用
5. 使用示例
5.1 Python 示例代码：
import requests
import json
# OpenRouter API 示例
def call_openrouter(prompt, model="openai/gpt-oss-120b"):
url = "https://openrouter.ai/api/v1/chat/completions"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
data = {
"model": model,
"messages": [{"role": "user", "content": prompt}],
"max_tokens": 1000
}
response = requests.post(url, headers=headers, json=data)
return response.json()
# Google AI Studio 示例
def call_google_ai(prompt, model="gemini-3-flash"):
import google.generativeai as genai
genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel(model)
response = model.generate_content(prompt)
return response.text
5.2 环境变量配置：
# .env 文件示例
OPENROUTER_API_KEY=your_openrouter_key
GOOGLE_AI_API_KEY=your_google_ai_key
GROQ_API_KEY=your_groq_key
MISTRAL_API_KEY=your_mistral_key
6. 常见问题解答
Q1：这些服务真的完全免费吗？
A：大多数服务提供有限的免费额度，超过后可能需要付费或等待重置。部分服务如 OpenRouter 提供 $10 终身充值选项。
Q2：400B+ 参数模型的实际性能如何？
A：400B+ 参数模型在复杂推理、代码生成和多语言任务上表现优异，但响应时间可能较长，且对上下文长度有限制。
Q3：如何避免被限流或封禁？
A：
- 严格遵守速率限制
- 不要发送垃圾或恶意内容
- 使用合理的请求间隔
- 监控 API 响应状态码
Q4：这些服务适合生产环境吗？
A：对于非关键任务和小规模应用可以，但对于生产级应用，建议：
- 使用多个服务商实现冗余
- 设置降级策略
- 考虑付费方案以获得更好的 SLA
7. 更新和维护
这个列表会定期更新，但 AI 领域变化迅速，建议：
- 定期查看原仓库更新
- 关注各服务商的公告
- 参与社区讨论获取最新信息
8. 贡献指南
如果你发现新的免费 LLM API 资源：
- 验证服务的合法性
- 确认免费额度详细信息
- 提交 Pull Request 到原仓库
- 保持列表的准确性和实用性
⚠️ 服务条款和限制可能随时变更，使用前请务必阅读各服务商的最新条款和条件