想零成本调用大模型 API，目前只有三条路：用厂商的免费额度、用公共免费池、或者自己部署开源模型。这篇把三条路的实际体验和限制讲清楚。
| 路线 | 代表 | 优点 | 坑 |
|---|---|---|---|
| 官方免费额度 | 各家云厂商的新用户额度 | 稳定、有 SLA、文档全 | 额度用完就停，通常要绑卡 |
| 公共免费池 | Kilo、OpenCode 等聚合的免费模型 | 真免费、模型多、无需注册上游 | 限流严重、随时下线、隐私无保障 |
| 开源自建 | Ollama / vLLM 跑开源模型 | 数据不出门、可无限调用 | 要有显卡，电费和维护成本不低 |
这类池子通过 OpenRouter、Kilo、OpenCode 等渠道聚合，把别人提供的免费额度转成 OpenAI 兼容接口。当前实测能返回结果的包括：
| 模型 | 特点 | 响应速度 |
|---|---|---|
reflection/beam-free | 通用对话，稳定 | 约 0.6 s |
cohere/north-mini-code:free | 偏代码，适合补全 | 约 1.0 s |
nvidia/nemotron-3.5-lightning:free | 轻量快速 | 约 1.0 s |
nvidia/nemotron-3-ultra-550b-a55b:free | 大参数量，推理强 | 约 0.8 s |
poolside/laguna-s-2.1:free | 代码模型 | 约 1.7 s |
dots-studio/dots-3-note-preview:free | 长文本 | 约 2.1 s |
recursive/flint-v1.0:free | 通用 | 约 2.5 s |
openrouter/free | OpenRouter 免费路由 | 约 2.2 s |
liquid/lfm-2.5-2.6b:free | 小模型，快 | 约 11 s（波动大） |
stealth/glyph-cluster | 通用 | 约 17 s（慢） |
OpenCode 那一路（big-pickle、deepseek-v4.1-flash-free、glm-5.3-flash-free 等）额度经常被跑空，返回 429 Free usage limit reached，额度恢复后会自动可用。
公共池通常封装成 OpenAI 兼容接口，换一个 base_url 就能用现成的 SDK：
curl https://api.forsienna.art/v1/chat/completions \
-H "Authorization: Bearer sk-你的密钥" \
-H "Content-Type: application/json" \
-d '{"model":"reflection/beam-free",
"messages":[{"role":"user","content":"用一句话解释什么是向量数据库"}]}'Python 只需两行改动：
from openai import OpenAI
client = OpenAI(base_url="https://api.forsienna.art/v1", api_key="sk-...")
print(client.chat.completions.create(
model="reflection/beam-free",
messages=[{"role": "user", "content": "你好"}],
).choices[0].message.content)免费池的额度由上游决定，可能一分钟前还能用，下一分钟就 429。写代码时必须把失败当成正常分支处理：重试、换模型、降级。
上游下线一个模型不会通知你。生产环境不要硬编码单一免费模型名，用「模型组 + 自动降级」更稳。
免费通道的运营方可能记录你的提示词用于改进或审核。不要在里面贴密码、身份证、公司内部文档。这条比前两条重要。
出现下面任一情况，就说明该上付费了：