public-apis 深度评测:49 万 Star 的免费 API 清单,自带检查器报 624 条错、落进正文的只有 55 条

public-apis 深度评测:49 万 Star 的免费 API 清单,自带检查器报 624 条错、落进正文的只有 55 条

想给手头的小工具接一个免费数据源,多数人的第一反应都是去 GitHub 搜一份「免费 API 清单」。搜来搜去,基本都会落到同一个仓库:public-apis。近 49 万 Star,2016 年建仓,十年攒下两千多条接口。我把它拷进隔离沙箱翻了一遍,也跑了它自带的检查工具,撞见一处很难忽略的矛盾——这个仓库给自己配了一套格式检查器(也就是专门挑毛病的自动脚本),而这套脚本在仓库自己的主文件上,已经连续红了快一年。

清单就是产品,写代码的地方只有 23 个文件

先说清楚它是个什么。public-apis 不是软件,你没法安装它、也没有一个程序在后台运行。它的全部产品就是一个 Markdown 文件(README.md),一本两千多行的接口黄页。你想找天气、汇率、星座、公开财报、机场信息,翻这本黄页,按分类找到对应的接口,点进它给的官方文档。

去掉版本历史,整个仓库只有 23 个被跟踪的文件。绝大多数是图片和说明文档,真正算「代码」的只有四样:

组成 数量 干什么的
主清单 README.md 1 个,31.5 万字节、2679 行 就是那本黄页,52 个分类、2185 行表格条目
格式检查器 2 个脚本 检查每一条写得合不合规矩
自动检查的配置 3 个 让 GitHub 每次提交都自动跑一遍上面的脚本
脚本自测 2 个文件、31 条用例 验证检查器本身没写坏

所以它是一个「靠规矩维持的清单」。它给每条接口定了硬要求:分类内按字母排序、描述不超过 100 个字符、一次提交只能加一个链接、提交前先搜一遍有没有重复。这些规矩写在给贡献者的说明里,也写成脚本让机器执行。

这套机器分两层。上游是检查脚本,下游是 GitHub 的自动检查服务(CI,也就是每次有人提交代码,服务器自动跑一遍检查并把结果打回提交页)。过去十年,这个仓库的贡献者大多是路过的开发者,改一行加个链接就走。要维持两千条不出错,靠人盯是不现实的,只能靠机器。这是个很聪明的设计——省下的人工编辑,变成了两段脚本。

问题也恰好出在这里。

我跑了它的检查器:624 条报错,91% 跟清单内容无关

在沙箱里,我照着它的配置跑了一遍格式检查,结果是退出码 1,也就是「不通过」:全文件报出 624 条错误,分布在 129 行上。

六百多条听起来很吓人。但我把这 624 条按「报错落在文件的哪一段」摊开之后,结论完全变了:

报错落在哪 条数 占比 是什么
表格分隔行的写法 507 81% 机器没跟上清单的新写法
表头行、MCP 段、赞助段的表结构 62 10% 机器只认一种表格
主清单的条目行 55 9% 这才是清单正文

624 条里,只有 55 条落在清单正文上(9%);其余 569 条(91%)是检查器与清单格式演进之间的脱节。那 55 条也不是都白报——里面 30 条是「分类没按字母序」,真正要改条目文字的只有 25 条:12 条描述写超了 100 字上限,剩下是标题、标点、单元格空格这类小毛病,摊在两千多条里,属于正常磨损。

最能说明问题的是那 507 条,也就是占比八成的最大一块。Markdown 表格的分隔行有两种合法写法:|---| 和 |:---|(后者表示文字靠左排,渲染出来更整齐)。这个仓库近年把分隔行统一改成了带冒号的写法,而检查脚本里负责「跳过分隔行」的那一行判断,认的还是老写法。于是整整 47 行分隔行被当成了数据行去检查,每一行都报 5 条错,507 条错误就这么攒出来了。

中间那 62 条同理:仓库后来加了两张结构不同的表——放 MCP(简称,全称 Model Context Protocol,也就是让 AI 助手直接调用外部工具的一套通用接法)服务器的那张有五列(传输方式、安装入口),开头 APILayer 赞助区那张只有三列——而检查脚本只会按五列的规格去量每张表,量不了的就一路报错。

我做了个对照实验:只把 47 行分隔行改回老写法,其余一个字都不动,再跑一遍检查,报错从 624 条掉到 117 条,一下少了 81%。

顺便说一句,这不是检查器坏了。同一天我跑了它自带的单元测试——31 条全过。也就是说,工具本身的逻辑是好的,只是它对接的清单先演进了一步,脚本没跟着更新。

更值得说的:这个红叉,挂了快一年

一个检查常年失败的项目,为什么没人管?我去看了它的运行记录。

结果是:在 GitHub 的自动检查页面上,这个格式检查在仓库主分支上已经找不到一次成功记录。我把能翻到的记录都拉了一遍——838 次由提交触发的运行,失败 838 次,成功 0 次。GitHub 只保留最近约一年的记录,最早一条失败可回溯到 2025 年 11 月 4 日,更早的已经查不到。

对比之下,同一个仓库的单元测试在那段时间里全绿。

按常理,一个仓库的自动检查挂了,提交就该被拦住。但这里没有。我抽查了最近三个被合并的贡献(编号 #8000、#7999、#7998),合并的那一刻,检查结果全是红叉——红叉并没有挡住任何人。

原因不难猜:这两条检查被设成了「参考」,而不是「必须通过」。对维护者来说,红叉早就成了一种背景噪音,大家心照不宣地绕过去。

这就是整件事最有意思的地方:一套为了「用机器代替人工编辑」而写的检查器,最后变成了一个所有人都在忽略的摆设。它没有失效——它还在每天准点运行,还在输出结果——只是输出了快一年,没人再读。

它还值得用吗?值,但要会用

评价这类清单项目,得把「清单」和「清单的维护机器」分开看。

清单本身依然好用。两千多条里真正有问题的只有二十几条,不到 1.5%。按分类翻找、看有没有认证要求、支不支持 HTTPS 和跨域调用,这些列都在,省下的摸索时间是真的。它也是这套玩法的鼻祖——今天满大街的「Awesome 某某」清单,多半参考过它的表格格式和贡献规矩。

但它是「索引」,不是「保证」。清单只负责告诉你「有这个接口」,接口能不能用、要不要付费、限额多少,它一概不管。链接失效由另一个每天定时跑的脚本负责扫,和上面那个格式检查是两回事。

适合谁:想快速找一批候选数据源、做原型、写 Demo 的开发者;做技术选型时想先看全景的人。

不适合谁:想要「拿来就能上线」的稳定数据源的人——黄页只给电话簿,不保证对方一定接电话。用它找入口,用之前一定自己打一次。

顺着这个思路,站内还有几篇同样「把清单和证据分开看」的评测可以对照:想看成批技能的横评,可以翻 实测 12 款大模型能力增强 Skills;想看清单类内容怎么挑,可以翻 2026 年 8 月最热门 AI Skill 精选;关心成本和额度怎么算的,实测 9 款 Token 节省工具 那篇更直接。

结论:放进你的收藏夹,别放进你的依赖清单。它当好一本地图就够了,指路是它的本分,走路还得你自己迈腿。至于那个挂了快一年的红叉——它真正提醒的是另一件事:任何靠机器执行、靠人忽略的检查,最后都会变成没人读的噪音;检查要么能拦住发布,要么迟早沦为装饰。

关注 AI商业快讯,每天一篇 AI 热点深度解读。

OpenRouter 免费大模型全量拆解:447 个模型里 25 个免费,最贵的三笔账不在价格表上

OpenRouter 免费大模型全量拆解:447 个模型里 25 个免费,最贵的三笔账不在价格表上

OpenRouter 上的「免费大模型」,价格是 0,但从来不是没有代价。今天官方模型接口返回 447 条记录,输入与输出价格同时为 0 的只有 25 条,占 5.6%。我把这 25 个逐条拉了下来——模型页、端点、延迟、吞吐、供应商数量、数据条款——结论是:免费池真正的成本,写在三张不在价格表上的账单里。(文中价格、额度与性能数据截至 2026-09-19,下单前请以官网为准)

免费额度怎么算:20 次/分钟、50 次/天,充值 10 美元换 1000 次/天

OpenRouter 做的是模型路由:一个 key、一份账单,覆盖 447 个模型、88 家供应商。2026 年 8 月它被 Stripe 以 70 亿美元收购,成为支付巨头押注的「模型路由入口」。

免费模型在这套体系里的位置,官方规则一共三档:

档位 每分钟 每天 条件
免费变体(累计充值少于 10 美元) 20 次 50 次 注册即可
免费变体(累计充值至少 10 美元) 20 次 1000 次 一次性充值 10 美元
付费变体 无平台级请求上限 不适用 按 token 计费

这 25 条免费记录里,22 个是带 :free 后缀的文本变体,2 个是 Google Lyria 音乐生成模型,1 个是随机路由。三个细节决定了这套规则的真实手感。第一,:free 不是一个开关,而是模型目录里单独的一行,有自己的定价、上下文长度和端点。第二,开小号没有意义——官方原文是「额外账号或 API key 不会改变限流,容量按全局治理」。第三,免费额度不花 OpenRouter 的钱,端点由供应商自己挂:NVIDIA 5 个、Google AI Studio 4 个、Novita 3 个,其余 9 家各 1 到 2 个,一共 24 个免费端点,外加一个随机路由的 openrouter/free。

换句话说,免费池是供应商拿算力换曝光、换数据、换榜位的地方。这直接决定了下面三张账单。

账单之一:8 个免费模型,由「可能拿你的数据训练」的供应商托管

OpenRouter 给 88 家供应商都标了数据条款。整张表里,承认可能用提示词训练模型的只有 4 家:DeepSeek、Liquid、Thinking Machines、NVIDIA。除 DeepSeek 之外的 3 家正是免费池主力,一共托管了 8 个免费模型,占免费池的三分之一。

另外 10 个免费端点属于「保留提示词但不训练」:Google AI Studio 保留 55 天、Nex AGI 保留 30 天、Cohere 保留 30 天,Poolside 与 AtlasCloud 没有给出天数。真正零保留的只有 6 个:Novita 的 3 个 Ling、ModelRun 托管的小参数 Qwen、OpenInference 托管的是 DeepSeek V4 Flash、以及 Decart 托管的 GLM-5.2。

这里有个容易被忽略的开关:账户设置里,付费模型与免费模型的「允许训练」是两套独立设置。你关掉它,那 8 个免费模型会直接从可用列表里消失——免费档的「免费」,一部分就是用数据条款换来的。

账单之二:免费版只有一个供应商,付费版最多 26 个

这是全量拉取后最扎眼的一组数字。24 个免费端点,每一个都只有单一供应商;同一个模型的付费版本却动辄十几二十个源:DeepSeek V4 Flash 有 26 个、GLM-5.2 有 23 个、Qwen3.8 27B 有 16 个、Gemma 4 31B 有 12 个。付费端点的多源意味着挂了会自动切到别家,免费端点没有 fallback,供应商一抖就整个不可用。

还有 7 个免费模型在 OpenRouter 上根本没有付费版本:Nex-N2.5 的大小两档、Ling 3.0 Flash Sante、Dots3-Note Preview、LFM 2.5、Cohere North Mini Code、Nemotron 3 Nano。对它们来说,免费是唯一入口。

规格也不是同一份。免费的 GLM-5.2 上下文只有 32768,付费版是 1048576,相差 32 倍;免费的 Qwen3.8 27B 是 262144,付费 1000000;反过来 Nemotron 3 Ultra 的免费端点上下文 100 万,比付费版的 262144 还大。免费端点不是付费端点的打折通道,而是另一套参数完全不同的部署。

可用率同样不均匀。24 个端点里有 3 个状态异常;过去三天,Nemotron 3 Nano 的日可用率是 80.1%、83.8%、83.8%,Inkling 最低 88.2%,DeepSeek V4 Flash 最低 94.0%。72 个「模型乘日期」的样本里,19 个低于 99%。

账单之三:免费最强只有旗舰的 64.6%,而且用量榜第一并不是分数第一

模型接口自带 Artificial Analysis 的智能指数,全部 447 个模型里有 145 个给出了分数。把这 25 个免费模型放进去排序是这样的:

免费模型 上下文 智能指数 p50 往返延迟 吞吐 免费端点数据条款
DeepSeek V4 Flash 0731 1.05M 34.5 2064 ms 25 tok/s 零保留
GLM-5.2 32768 34.0 1164 ms 37 tok/s 零保留
Qwen3.8 27B 262K 33.9 626 ms 28 tok/s 零保留
Inkling 1.05M 25.5 1840 ms 35 tok/s 可能训练
Ling 3.0 Flash VL 262K 25.0 2361 ms 60 tok/s 零保留
Nemotron 3 Ultra 1M 23.4 3143 ms 19 tok/s 可能训练
Ling 3.0 Flash Fin 262K 23.0 1342 ms 136 tok/s 零保留
Gemma 4 31B 262K 15.4 1291 ms 22 tok/s 保留 55 天
Nemotron 3.5 Lightning 1M 13.6 5134 ms 16 tok/s 可能训练
Cohere North Mini Code 256K 9.9 601 ms 80 tok/s 保留 30 天

三个结论。免费最强 34.5 分,在 145 个有分模型里排第 40,只有付费旗舰 53.4 分的 64.6%——免费档够做事,但够不到第一梯队。用量榜第一不等于能力榜第一:官方按近 7 天真实 token 用量排的免费榜,第一是 Nemotron 3 Ultra(4.32T tokens),智能指数只有 23.4;分数第一的 DeepSeek V4 Flash 用量排第 4;分数第二的 GLM-5.2 连前 16 都没进。延迟与吞吐也和分数无关,最快的 LFM 2.5(2.6B 参数)吞吐 185 tok/s,最慢的 Lyria 只有 4 tok/s。

延迟高有一半要怪拥挤:官方 30 分钟统计窗口里,免费池一共处理了约 50.1 万次请求,其中 Nemotron 3 Ultra 一家 10.96 万次、DeepSeek V4 Flash 9.83 万次。这些请求共享 20 次/分钟的平台限流。

该不该用:三种用法可以,三种用法别碰

先说额度值多少钱。额度按请求数计,不按 token 计。以一次请求 800 输入加 300 输出 token 估算,同样是每天 1000 次,按各自最便宜的付费端点价折算:

免费模型 付费价(每百万 token 输入/输出) 1000 次折算 一个月折算
Inkling 0.95 / 4.05 美元 1.98 美元 59.2 美元
Nemotron 3 Ultra 0.50 / 2.20 美元 1.06 美元 31.8 美元
GLM-5.2 0.554 / 1.742 美元 0.97 美元 29.0 美元
Qwen3.8 27B 0.10 / 1.80 美元 0.62 美元 18.6 美元
Gemma 4 31B 0.09 / 0.34 美元 0.17 美元 5.2 美元
DeepSeek V4 Flash 0731 0.04 / 0.08 美元 0.06 美元 1.7 美元

同样是一次性充 10 美元解锁每天 1000 次,选错模型,一个月的额度只值 1.7 美元;选对模型值 59.2 美元,差 34 倍。这个换算的口径是请求数不是 token 数,长上下文任务的实际价值会更高。

还要留意免费池的周转速度:这 25 个免费模型里,14 个是最近 90 天上线的,23 个在半年内上线,最早的一个也只到 2026 年 2 月。名单变得很快,今天能用不代表下个月还在——官方 FAQ 的原话是「这些模型限额低,通常不适合生产使用」。

横向看,Google AI Studio 的免费层是按项目、按模型分别限额,官方文档已经把逐模型的免费额度移出文档页;Groq 的免费层是另一套独立限流。OpenRouter 免费档的独特点在于覆盖面:一个 key 能试到 NVIDIA、Google、Cohere、DeepSeek、Qwen、GLM 全家共 24 个模型,代价就是上面那三张账单。

三种用法可以:一是原型验证与选型,一个 key 横评多个实验室的模型;二是非实时批处理,每天 50 到 1000 次足够跑小批量实验,慢一点不影响结果;三是学习与风格对比,openrouter/free 随机路由反而适合感受不同模型的差异。

三种用法别碰:一是生产环境,单源、20 次/分钟、可用率最低到 80%;二是隐私敏感内容,三分之一的免费端点来自可能保留训练权的供应商;三是需要一致性的 agent 长链,额度按请求数计,一次 agent 任务动辄几十次请求,而随机路由每次换模型,行为无法复现。

判断很明确:OpenRouter 免费档值得开,但要把定位从「省钱的生产方案」改成「低成本试模型加非敏感批处理」。它是目前最便宜的横评 24 个模型的方式;把它当生产环境用,或者把敏感代码贴进 NVIDIA、Thinking Machines、Liquid 托管的模型里,那就是在拿另一样东西付费。

相关阅读:

AMD Token Factory 全景拆解:每天 10 美元的免费大模型 API,DeepSeek 与 Qwen 双协议真能白拿?

AMD Token Factory 全景拆解:每天 10 美元的免费大模型 API,DeepSeek 与 Qwen 双协议真能白拿?

如果你每个月在 AI 模型 API 上花钱,AMD 最近这个东西值得看一眼:不用买显卡,不用先开云实例,登录网页复制一个 Key,就能调用跑在 AMD 自己服务器上的大模型,官方标注「免费」。

它叫 Token Factory,挂在 AMD Radeon Cloud 上,目前标着 BETA。里面并列摆着 DeepSeek 和 Qwen 的模型,都支持 OpenAI 接口格式——也就是说,Cherry Studio、openCode、Cline 这类工具改个 Base URL 就能用;它同时还提供 Anthropic 格式接口,Claude Code 也能直接指过去。

但「免费」两个字后面藏着两个数字:一个算不平的额度,和一条没人细看的条款。这篇把官方文档翻了一遍,把该说的都摆出来。

它是什么:AMD 把免费 API 挂在自己的云上

AMD Radeon Cloud 是 AMD 官方的云端算力平台,分两层:

免费共享端点(Public Free Model APIs) —— 常开、不消耗任何东西、不用开实例。模型由 AMD 挑,你只管调用。Base URL 是 https://developer.amd.com.cn/radeon/api/v1。

专属端点(Dedicated Model APIs) —— 你自己开一个 GPU 实例、用 vLLM 或 SGLang 部署想跑的模型,这部分要烧 credits,不算免费。

免费层提供四个接口:OpenAI 的 /v1/chat/completions 和 /v1/models,Anthropic 的 /v1/messages 和 /v1/messages/count_tokens。注意它不提供 embeddings、rerank、音频、图像生成和 /v1/responses,打到这些路径一律 404——想做 RAG 的人得另找向量化服务。

拿 Key 的路径极短:打开 Token Factory 页面首次登录,Key 会自动签发,格式是 rc- 加 48 位十六进制;同一个 Key 通吃所有免费模型,换模型只改请求里的 model 字段,不用重新申请。Key 可通过 POST /api/profile/api-token 轮换,旧 Key 立刻失效。

登录方式对中国用户比较友好:手机号、邮箱、以及 GitHub / CSDN / 魔搭社区快捷登录都行。但站点有区域限制——中国站是 developer.amd.com.cn,国际站是 radeon-global.anruicloud.com,两边账号不互通,而且我实测打开国际站只有一个启动实例的控制台,没有 Token Factory 入口。所以现阶段,这基本是一份中国站限定福利。

现在免费能拿到什么

这是今天的实际目录(模型会变,官方明说可以随时增减):

模型 上下文 图片输入 思考模式
DeepSeek-V4-Flash-0731 1,048,576 不支持 默认关闭,可手动开
DeepSeek-V4-Flash-Vision-Exp 1,048,576 支持 默认关闭
Qwen3.8-Flash-Next 262,144 支持 默认开启
MiniCPM5-2B 131,072 不支持 不思考

两个值得说的点。一是 Qwen3.8-Flash-Next 是 Qwen4 架构的开放权重预览版,125B 总参数、每 token 只激活 6B,官方宣称在编程与 Agent 任务上超过 Qwen3.7-Plus;二是 百万 token 上下文和图片理解都在免费层里,这个组合在免费 API 里很少见。

但模型页里那几行「使用限制」才是真正的坑,而且官方文档写得很细:

  • Qwen3.8-Flash-Next 只接受一条 system 消息,且必须排在数组第一位,角色必须拼 system。 这不是网关规则,是它权重自带的 Jinja 模板强制的。新版 OpenAI SDK 会把 system 发成 developer,直接违反它自己的模板——用官方 SDK 反而报错。DeepSeek 两个模型没这毛病,system 消息位置随意、可多条。
  • 有一批参数会被静默丢弃,不报错、不提示。 stop、seed、logit_bias、logprobs、top_k、min_p、repetition_penalty 全在丢弃名单里。你以为设了停止词,其实是没设。
  • 思考模式的默认状态两个模型相反。 DeepSeek 不发 reasoning_effort 就不思考;Qwen3.8-Flash-Next 不发也在思考,而且默认档是它最长的 xhigh。要写一套跨模型代码,档位取 low 或 medium 才通用——顶层档位的名字不统一,Qwen 叫 xhigh,DeepSeek 还额外接受 max,两者不通用。

额度算不平:两个官方口径差了 74 倍

社区口径一致:每天约 10 美元的等值额度,每日重置、不过夜。这个 $10 在官方文档里能对上——GET /api/profile/model-usage 的示例响应里写着 daily_cost_limit_usd: 10。

问题在于,这 $10 到底能换多少 token,官方给了两套互相打架的口径。

口径一:模型卡上的积分换算。 展示价是输入 0.14 pts / 百万 token、输出 0.28 pts / 百万 token、缓存命中 0.0028 pts / 百万 token。这三个数字恰好等于 DeepSeek V4-Flash 涨价前的官方美元价。按这个算,$10 能换约 3570 万个输出 token。

口径二:官方 usage 接口的示例。 同一份文档里,示例响应写着「今天 142 次请求、88,214 token、花费 $1.8412」,last_30_days 是「2840 次请求、1,904,221 token、$39.77」。两条数据折算下来都是 每百万 token 约 20.9 美元。按这个算,$10 只能换约 48 万个 token。

两个口径差 74 倍。同一天花同样的钱,一个能跑三十多万字,一个只能跑几千字。

官方对这个问题的回答是:「上面的数字只是示例,你的真实限额以接口返回的为准——账号之间不一样,而且会变。」换句话说,注册完第一件事应该是调一次 GET /api/profile/model-usage,看自己账号到底记的是什么价,再决定要不要把它当主力通道。

作为参照系:DeepSeek 官方 API 现在的价格是 V4-Flash 输出 4.5 元/百万 token(空闲时段)到 9 元(高峰),折合 0.63 到 1.27 美元。如果 AMD 走的是口径一,那确实白拿;如果走口径二,那它按的是「原价」,只是不向你收钱。

额外提一句,AMD 的免费共享 API 和 Radeon Cloud 的 credits 是两套完全独立的账:免费模型不吃 credits,credits 只在跑 GPU 实例时消耗,而且实例闲置照样烧,一个账号同时只能开一个实例。别把「领了 100 美元云信用额」和「每天 10 美元模型额度」当成一回事。

限流和条款:真正卡住你的是这两样

额度之外还有两道独立的闸门,任一道都能把你拦下来:

  • 平台准入层:每个 Key 30 请求/分钟、每 IP 120 请求/分钟、每 Key 8 个并发,另有按模型、按服务进程、按平台全局三档并发限制。
  • 网关计量层:每个账号 20 请求/分钟(60 秒滑动窗口),外加每日消费上限。

账号级 20 RPM 比 Key 级 30 RPM 更严,这点很容易被忽略——只盯着 30 配限流的人会莫名撞 429。好在限流状态不用猜,每个成功响应都带余量头:X-RateLimit-Remaining-User-RPM 看分钟余量,X-RateLimit-Remaining-User-Daily-USD 看当天还剩多少额度。被限时返回 429 加 Retry-After(分钟限制给 60 秒,并发限制给 1 秒)。

需要提醒的是,文档里对「每日额度什么时候重置」有两处矛盾表述:一处说是「从你第一个计费请求起算的滚动周期,不是固定午夜边界」,另一处说是「按 Asia/Shanghai 每日重置」,示例又给了零点。以自己账号返回的 daily_reset_at 为准——这直接影响你的批处理任务会不会跑一半断在半夜。

真正需要逐字读的是服务条款,官方这次写得很直白,几条红线:

  • 一人一个 Key。 同一个人开多个账号持 Key,包括用邮箱加点、+tag 别名绕过,会导致 Key 被停用;共用、转让、出售 Key 同样停用。
  • 禁止任何形式的转售,包括藏在代理、网关、聚合器后面。 官方原话是:任何人都可以自己注册免费使用,没有任何第三方被授权转卖这项服务;把服务或模型包装成自己的产品、指示模型谎报自己是哪家的、池化账号提升团队容量,都在禁止之列。市面上那些「AMD 免费 API 中转站」,接入即违规。
  • 它记录你的 prompt 和模型输出。 官方明说会记录 API 请求内容,对话内容保留约 2 天滚动窗口后删除,元数据保留更久;不用于训练、不出售、不共享第三方。文档里那句写得很实在:「我们告诉你这件事是因为它属实,不是因为舒服——如果某段 prompt 你不希望被存下来,就别发。」
  • 禁止处理个人、健康、金融等敏感数据。 这是试用服务,机密内容一律不要发。
  • 它不是生产服务。 无 SLA、无可用性承诺、无支持义务;模型可随时增删,端点和 Key 可因运维原因重启或吊销。

和 NVIDIA、商汤、魔搭放在一起比

同量级的免费 API 通道不多,横向摆一下:

服务 免费形式 主要短板
AMD Token Factory 每日额度上限,OpenAI + Anthropic 双协议 中国站限定,账号级 20 RPM,记录 prompt
NVIDIA NIM 40 RPM,无每日上限,模型 100+ 全站共享 40 RPM,社区反馈经常超时
商汤 SenseNova 公测免费,滚动 5 小时 60k 积分 限时公测,付费档已在路上
魔搭 ModelScope 约 200 次/日 需阿里云实名,仅限个人非商用
火山方舟 每日 200 万 token 需注册实名

AMD 的差异点很清楚:唯一同时提供 OpenAI 和 Anthropic 两种接口格式的免费通道,意味着 Claude Code 这类只认 Anthropic 协议的客户端不用装任何转换中间件就能直连;再加上百万上下文和图片理解都在免费层,这个组合目前独一份。

输的地方也清楚:模型只有四个、目录随时变、账号级 20 RPM 比 NVIDIA 的 40 RPM 更紧、中国站限定。

适合谁:想免费跑 DeepSeek-V4-Flash 或 Qwen3.8-Flash-Next 写代码、搭 Agent、做长文档实验的个人开发者;手上有 Claude Code 想换个便宜后端的人。

不适合谁:要上生产的(无 SLA)、要发敏感数据的(记录 prompt)、要分享给团队或对外转发的(条款直接封)、要依赖 embeddings 做 RAG 的(免费层不提供)。

我的判断

值得注册,但别当主力。

它免费、官方托管、协议标准、接入成本几乎为零——对中国开发者来说,这是当前最容易白拿到 DeepSeek 旗舰和 Qwen4 预览版模型的途径之一,光这一点就值得花十分钟把 Key 拿到手。

但三个前提必须摆清楚:额度口径没算平(两个官方数字差 74 倍,注册后第一件事是查自己的实际计价);它记录 prompt(约 2 天滚动窗口,方便调试,但任何机密内容别发);它明说不是生产服务(模型今天有明天可能没,别硬编码模型名,用 GET /v1/models 现查)。

观望信号也很明确:等官方把计价口径写清楚,或者等它走出中国站。

顺便说一句,AMD 这几年在「开发者免费额度」上给得比硬件大方——AI 开发者计划里还有 100 美元 AMD Developer Cloud 信用额(约合单卡 MI300X 跑 50 小时)、50 美元 Fireworks AI 额度,不过云信用额激活后 30 天过期,领了不用的记得别放过期。

价格与额度截至 2026-09-10,以官网为准(官方文档多处标注 Last updated: 2026-09-10)。本文为独立评测,与 AMD 无利益关系,未接受任何形式的赞助或免费额度;本次未注册账号、未自购任何档位,以上为官方文档(含官方端点实测记录)与公开社区信息解析,非本人实测体验。

延伸阅读:

关注 AI 商业快讯,每天一篇 AI 热点深度解读。