搜「免费 AI API」的人，一半是想省钱，一半是被「永久免费」四个字骗过一次。这个领域的信息噪音很大：有人确实拿到了稳定的免费额度，也有人把密钥填进某个来路不明的站点，第二天发现对话记录出现在别人的数据集里。下面把免费额度的真实供给、常见套路和成本账摊开讲，你自己判断该选哪条路。
大厂为了拉开发者，普遍会给新账号一笔试用额度，或者一个免费的轻量模型层。常见的有：Google AI Studio 给 Gemini 系列提供免费调用层；Groq 用自研推理芯片，对小参数模型给了比较宽松的免费额度；OpenRouter 上有一批带 :free 后缀的模型；国内几家云厂商（硅基流动、阿里百炼、火山方舟、智谱等）也长期给新用户送额度或提供免费模型。这些渠道的共同点是——背后有明确的主体公司，不太会突然消失。
需要提醒的是，具体额度大小和免费模型名单变化很快，今天能领到的额度下个月可能就没了。设计架构时不要把免费额度当成基础设施，只把它当作验证阶段的临时资源。
这三条限制里，速率是最致命的。批量任务被限速之后，总耗时取决于排队而不是你的机器性能。一批本该十分钟跑完的活，因为限速要跑两个多小时，而且你没法加班加点解决，只能等。
推理成本是真金白银。厂商送额度是为了换取开发者留存和后续付费转化，一旦转化率不达预期，免费层就会被收紧：要么砍速率，要么把模型降级，要么干脆改成纯付费。所以你按今天的免费政策设计架构，三个月后很可能要重写。
注册就送一个很高的额度，界面做得挺漂亮，用两个月突然无法访问，域名打不开。如果这时候你已经把它的地址写进了生产环境的配置文件，损失的不只是钱，还有停机时间，以及跟用户解释的麻烦。
免费服务的成本总得有人付。有的站点靠分析你的请求内容变现，你的 prompt 里如果带了客户信息、内部代码、订单数据，等于免费送出去。用之前先问自己一句：这些内容能不能公开。
判断方法很实际：看服务方的商业模式。如果它没有明确的付费产品，又提供了大量免费调用，那它总得从别的地方赚钱，你的数据是最可能的变现对象。
宣传是旗舰模型，实际路由到便宜的小模型，输出质量肉眼可见地差。更隐蔽的做法是偷偷截断上下文——你发 8000 token 的历史，它只吃 2000，模型「忘了」前面说的话，你还在怀疑自己的提示词写得不对，白白调一整天。
不告诉你速率上限，只在高峰期让你慢慢等。做聊天工具时，用户看到的就是「转圈半天不回复」，然后卸载。
| 对比项 | 厂商免费额度 | 按次计费 |
|---|---|---|
| 速率上限 | 每分钟几次，跑批量必被限 | 单 Key 每秒三到五路，批量够用 |
| 可用模型 | 多是上一代或小参数模型 | 最新旗舰全系列 |
| 额度有效期 | 30 到 90 天，到期清零 | 用多少扣多少，不设期限 |
| 数据用途 | 可能被用于改进模型 | 按条款留存，商用前先确认 |
| 出问题找谁 | 基本没有支持渠道 | 有客服和账单可查 |
这张表不是让你别用免费额度，而是让你在掏钱之前看清自己买的到底是什么：买的是速率、稳定和可追责，省下的单价只占一小部分。
为了绕开速率限制，你得写排队、重试、多账号轮询的逻辑。多账号意味着多套密钥、多个失效点，维护成本最后会超过省下的那点调用费。按一个开发者时薪折算，折腾一整天去省 50 块钱，账是亏的。
算得更细一点：多账号轮询意味着你要处理密钥失效、IP 限制、额度耗尽三种异常，每种都要写状态机和告警。这些代码没有任何业务价值，却会持续产生维护负担，还会在深夜给你发告警。
免费服务没有 SLA，也没有工单渠道。线上出问题时你没人可问，只能等。付费服务至少有个能催的对象，这本身就是一种保险。
每换一个服务商，就要重测一遍提示词效果、重调一遍参数。如果一开始选的就是 OpenAI 兼容协议的服务，迁移只是改一个 base_url，这个成本才压得住。所以选型的第一个问题不是「多便宜」，而是「以后好不好搬」。
市面上有两套计价：按 token 计费（输入输出分别算钱，随上下文长度线性上涨）和按次计费（一次对话固定价格，不看 token）。做长上下文任务时，前者账单不可控，后者可以精确预算。
一次带 2 万 token 上下文的请求，走按 token 结算，输入侧就是一笔可观的支出；走按次计费，gemini-2.5-pro 是 0.031 元，grok-4.1 是 0.05 元。一天跑 200 次，成本在 6 到 10 元之间，一个月不到 300 元。相比之下，为了省这笔钱去维护一套多账号免费额度轮询，时间和故障成本远高于此。
还有一种情况常被忽略：免费额度往往不支持最新的旗舰模型。如果你的产品卖点就是「用最新最强的模型」，免费额度根本撑不起这个卖点，用户一用就发现效果不对，然后就走了。
个人学习、验证一个想法、写个玩具项目、低频的自动化脚本。这些场景一个月调用几百次，官方免费额度完全撑得住。真正需要付费的是：有真实用户、要求响应速度、或者调用量上到每天几百次以上。
| 模型 | 计费方式 | 单价 |
|---|---|---|
| gemini-2.5-pro | 按次计费 | 0.031 元 |
| gemini-3-pro-preview | 按次计费 | 0.05 元 |
| grok-4.1 | 按次计费 | 0.05 元 |
| deepseek-v3.2-thinking | 按次计费 | 0.049 元 |
| claude-sonnet-4-5-thinking | 按次计费 | 0.09 元 |
| claude-opus-4-5-thinking | 按次计费 | 0.12 元 |
| gpt-5.3-pro | 按次计费 | 0.3 元 |
| kimi-k2.5 | 按次计费 | 0.09 元 |
按 0.05 元一次算，7 元是 140 次调用；按 0.031 元一次算，是 225 次。这个量级足够把一个完整的对话应用从头到尾测一遍，包括异常分支和边界情况。最低充值 7 元，用支付宝或微信付即可，不用绑海外卡，也不用为了测试去注册一堆账号。
调用量稳定且量大的场景，按次计费累计起来也会变成一笔固定成本。这类需求可以看无限卡套餐，把单次成本进一步摊薄，适合已经跑通、进入放量阶段的业务。反过来，如果每天只调几十次，按次计费更灵活，别为了「看起来划算」提前买套餐。
注册后在 https://xyuai.cc 充值 7 元，拿到一个 API Key。这个 Key 能调用全系列模型，不需要为每个厂商分别开账号、分别绑卡。
装了 Chatbox、Cherry Studio、酒馆（SillyTavern）、Tavo 这类客户端的话，直接把 base_url 填 https://xyuapi.top/v1，模型名填 grok-4.1 或 gemini-2.5-pro，就能开始对话。VSCode 里用 Cline / RooCode / KiloCode，或者 Claude Code 配合 cc-switch，也都走同一套地址。
from openai import OpenAI
#迁移只需替换 base_url，其余代码原样保留
client = OpenAI(api_key="你的密钥", base_url="https://xyuapi.top/v1")
resp = client.chat.completions.create(
model="deepseek-v3.2-thinking",
messages=[{"role": "user", "content": "帮我审一下这段 SQL 有没有注入风险"}],
)
print(resp.choices[0].message.content)这段代码的核心只有两个参数：base_url 和 model。任何声称 OpenAI 兼容的服务，迁移过来都只是替换这两个值，其余逻辑原样保留。这是选型时最该优先考虑的一点，比单价重要。
先用更划算的型号把链路和提示词调稳，关键节点再切到贵一点的型号。国内直连、不降智不限速，这个特性决定了它可以放进对延迟敏感的产品里，而免费额度通常做不到——免费层的延迟恰恰是最不可控的部分。
这五条里，第 1 条和第 3 条权重最高。接口不兼容意味着未来的迁移成本不可控；支付方式不顺意味着每次续费都要折腾，团队里总有人会因此放弃使用。
重点看两句话：请求内容会不会被留存、会不会被用于训练。如果条款写得含糊，或者干脆没有隐私条款，那就别往里放敏感数据。任何免费服务都应默认为「不可信输入」，这条对免费和低价服务同样适用。
标着 OpenAI 兼容的服务，用官方 SDK 的调用方式跑一遍就能验出来，不需要先读它的文档：
curl -s https://xyuapi.top/v1/chat/completions \
-H "Authorization: Bearer $XYU_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gemini-2.5-pro","messages":[{"role":"user","content":"只回复两个字：兼容"}]}'返回结构和官方一致，说明以后换服务商只改 base_url；返回结构不一样，迁移那天就得动代码。这一条比看任何宣传都可靠。
免费额度用来学习和验证，付费按次计费用来跑真实业务。两者不冲突，怕的是拿免费服务承载生产流量——省下的钱，最后会用故障和返工还回去。
具体的分工建议：开发环境用官方免费额度做基础验证，测试和生产用按次计费的付费接口。两套环境并存，成本很低，但能避免把线上流量交给一个随时可能消失的服务。