开发场景下国内各家免费模型哪些可用？哪些不可用？

[10012174052 (133****4713)]

---

免费模型有请求速率限制，对于日常使用来说是没问题的，对于我们开发来说总是卡停，我排除了很多家免费模型，最后只剩两家可用，请求限制几乎没有！

---

一、可用免费模型

1、硅基流动

这是我的邀请连接：https://cloud.siliconflow.cn/i/UrxHjIFT

baseUrl：https://api.siliconflow.cn/v1
apiKey申请：https://cloud.siliconflow.cn/me/account/ak
免费模型列表：https://siliconflow.cn/pricing

可用模型：

模型id	说明	tags	类型	模型限制 (Level:0)
Qwen/Qwen3.5-4B	Qwen3.5是由通义千问团队推出的新一代4B参数多模态大语言模型，集成统一视觉-语言基础架构、高效混合架构和可扩展强化学习技术，原生支持256k上下文长度并可扩展至1,010k；在知识推理、代码生成、多语言理解等任务中表现优异，MMLU-Pro达79.1，C-Eval达85.1，LiveCodeBench v6达55.8，支持图像、视频输入，模型通过早期融合训练实现了统一的视觉语言基础能力，支持文本、图像和视频理解，在同规模模型中表现优异，多项指标超越 GPT-5-Nano 和 Gemini-2.5-Flash-Lite。模型默认启用思考模式（Thinking Mode），支持工具调用，并覆盖 201 种语言和方言	New, Tools, 视觉, 4B, 256K, 推理模型	多模态	RPM:1000, TPM:80000,
Qwen/Qwen3-8B	Qwen3-8B 是通义千问系列的最新大语言模型，拥有 8.2B 参数量。该模型独特地支持在思考模式（适用于复杂逻辑推理、数学和编程）和非思考模式（适用于高效的通用对话）之间无缝切换，显著增强了推理能力。模型在数学、代码生成和常识逻辑推理上表现优异，并在创意写作、角色扮演和多轮对话等方面展现出卓越的人类偏好对齐能力。此外，该模型支持 100 多种语言和方言，具备出色的多语言指令遵循和翻译能力	对话, Tools, 推理模型, 8B, 128K, 通用助手, 文案创作, Vibe Coding	对话	RPM:1000, TPM:50000,
deepseek-ai/DeepSeek-R1-0528-Qwen3-8B	DeepSeek-R1-0528-Qwen3-8B 是通过从 DeepSeek-R1-0528 模型蒸馏思维链到 Qwen3 8B Base 获得的模型。该模型在开源模型中达到了最先进（SOTA）的性能，在 AIME 2024 测试中超越了 Qwen3 8B 10%，并达到了 Qwen3-235B-thinking 的性能水平。该模型在数学推理、编程和通用逻辑等多个基准测试中表现出色，其架构与 Qwen3-8B 相同，但共享 DeepSeek-R1-0528 的分词器配置	推理模型, 8B, 128K, 通用助手, 数学推理	对话	RPM:1000, TPM:50000,
deepseek-ai/DeepSeek-R1-Distill-Qwen-7B	DeepSeek-R1-Distill-Qwen-7B 是基于 Qwen2.5-Math-7B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调，展现出优秀的推理能力。在多个基准测试中表现出色，其中在 MATH-500 上达到了 92.8% 的准确率，在 AIME 2024 上达到了 55.5% 的通过率，在 CodeForces 上获得了 1189 的评分，作为 7B 规模的模型展示了较强的数学和编程能力	FIM, Prefix, Tools, 推理模型, 7B, 128K, Math, 通用助手, 数学推理	对话	RPM:1000, TPM:50000,
THUDM/GLM-Z1-9B-0414	GLM-Z1-9B-0414 是 GLM 系列的小型模型，仅有 90 亿参数，但保持了开源传统的同时展现出惊人的能力。尽管规模较小，该模型在数学推理和通用任务上仍表现出色，其总体性能在同等规模的开源模型中已处于领先水平。研究团队采用了与大模型相同的一系列技术进行训练，使其在资源受限的场景中能够实现效率与效果的绝佳平衡，为寻求轻量级部署的用户提供强大选择。特别是在资源受限的场景下，该模型可以很好地在效率与效果之间取得平衡，为需要轻量化部署的用户提供强有力的选择	Tools, 9B, 128K, 推理模型, 旗舰全能, 长文本处理, RAG	对话	RPM:1000, TPM:50000,
THUDM/GLM-4.1V-9B-Thinking	GLM-4.1V-9B-Thinking 是由智谱 AI 和清华大学 KEG 实验室联合发布的一款开源视觉语言模型（VLM），专为处理复杂的多模态认知任务而设计。该模型基于 GLM-4-9B-0414 基础模型，通过引入“思维链”（Chain-of-Thought）推理机制和采用强化学习策略，显著提升了其跨模态的推理能力和稳定性。作为一个 9B 参数规模的轻量级模型，它在部署效率和性能之间取得了平衡，在 28 项权威评测基准中，有 18 项的表现持平甚至超越了 72B 参数规模的 Qwen-2.5-VL-72B。该模型不仅在图文理解、数学科学推理、视频理解等任务上表现卓越，还支持高达 4K 分辨率的图像和任意宽高比输入	视觉, 9B, 64K, 旗舰全能, 长文本处理, 数学推理	对话	RPM:1000, TPM:50000,
PaddlePaddle/PaddleOCR-VL-1.5	PaddleOCR-VL-1.5 是 PaddleOCR-VL 系列的全新升级版本，在文档解析权威评测集 OmniDocBench v1.5 上取得 94.5% 的精度，超越全球顶尖通用大模型与文档解析专用模型。该版本创新支持文档元素的异形框定位，在扫描、倾斜、屏幕拍摄等真实场景下表现稳健，全面保持 SOTA 性能。同时，模型集成印章识别与文本检测识别任务，关键指标持续领先，推动部署效率与精准度双重提升。	对话, 视觉, OCR, 0.9B, 多模态理解 / 识别	对话	RPM:1000, TPM:80000,
PaddlePaddle/PaddleOCR-VL	PaddleOCR-VL 是一款专为文档解析设计的 SOTA 且资源高效的模型。其核心组件 PaddleOCR-VL-0.9B 是一个紧凑而强大的视觉语言模型（VLM），它集成了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型，以实现精确的元素识别。这款创新模型高效支持 109 种语言，在识别复杂元素（如文本、表格、公式和图表）方面表现出色，同时保持极低的资源消耗。通过在广泛使用的公共基准和内部基准上进行全面评估，PaddleOCR-VL 在页面级文档解析和元素级识别方面均达到了 SOTA 性能。它显著优于现有解决方案，与顶级 VLM 相比展现出强大的竞争力，并提供快速的推理速度。这些优势使其非常适合在实际场景中进行部署	对话, 视觉, OCR, 0.9B, 多模态理解 / 识别	对话	RPM:1000, TPM:80000,
deepseek-ai/DeepSeek-OCR	DeepSeek-OCR 是由深度求索（DeepSeek AI）推出的一个视觉语言模型，专注于光学字符识别（OCR）与“上下文光学压缩”。该模型旨在探索从图像中压缩上下文信息的边界，能够高效处理文档并将其转换为如 Markdown 等结构化文本格式	限免, 对话, 视觉, OCR, 3B, 8K, 多模态理解 / 识别	对话	RPM:1000, TPM:80000,
tencent/Hunyuan-MT-7B	混元翻译模型（Hunyuan Translation Model）由一个翻译模型 Hunyuan-MT-7B 和一个集成模型 Hunyuan-MT-Chimera 组成。Hunyuan-MT-7B 是一个拥有 70 亿参数的轻量级翻译模型，用于将源文本翻译成目标语言。该模型支持 33 种语言以及 5 种中国少数民族语言的互译。在 WMT25 国际机器翻译竞赛中，Hunyuan-MT-7B 在其参与的 31 个语言类别中获得了 30 个第一名，展现了其卓越的翻译能力。针对翻译场景，腾讯混元提出了一个从预训练到监督微调、再到翻译强化和集成强化的完整训练范式，使其在同等规模的模型中达到了业界领先的性能。该模型计算效率高、易于部署，适合多种应用场景	限免, 对话, Prefix, 7B, 32K, 内容翻译	对话	RPM:1000, TPM:80000,
Qwen/Qwen2.5-7B-Instruct	Qwen2.5-7B-Instruct 是阿里云发布的最新大语言模型系列之一。该 7B 模型在编码和数学等领域具有显著改进的能力。该模型还提供了多语言支持，覆盖超过 29 种语言，包括中文、英文等。模型在指令跟随、理解结构化数据以及生成结构化输出（尤其是 JSON）方面都有显著提升	Deprecated, Prefix, Free, 7B, 32K, 通用助手, 文案创作, Vibe Coding	对话	RPM:1000, TPM:50000,
internlm/internlm2_5-7b-chat	InternLM2.5-7B-Chat 是一个开源的对话模型，基于 InternLM2 架构开发。该 7B 参数规模的模型专注于对话生成任务，支持中英双语交互。模型采用了最新的训练技术，旨在提供流畅、智能的对话体验。InternLM2.5-7B-Chat 适用于各种对话应用场景，包括但不限于智能客服、个人助手等领域	Deprecated, Prefix, Free, 7B, 32K, 通用助手, 文案创作, Vibe Coding	对话	RPM:1000, TPM:50000,
Kwai-Kolors/Kolors	Kolors 是由快手 Kolors 团队开发的基于潜在扩散的大规模文本到图像生成模型。该模型通过数十亿文本-图像对的训练，在视觉质量、复杂语义准确性以及中英文字符渲染方面展现出显著优势。它不仅支持中英文输入，在理解和生成中文特定内容方面也表现出色	生图, 图生图, 图像生成, AIGC 内容创作	生图	IPM:2, IPD:400
TeleAI/TeleSpeechASR	星辰超多方言语音识别大模型是业内首个同时支持普通话+英文+50种方言自由混说的语音识别大模型。模型支持粤语、上海话、四川话等主要方言。模型设计“蒸馏+膨胀”联合训练，解决多场景海量数据训练坍缩问题；设计方言配比因子和“字+标签”的拓展单元，解决方言均衡问题和方言同字不同音问题。星辰超多方言语音识别大模型效果业内领先，在业内知名任务KeSpeech上，达到92.97%准确率；在NIST组织的Babel低资源ASR粤语赛道上，取得目前业内最好结果；在业内知名普通话榜单SpeechIO上，CER 2.63%。目前，星辰超多方言语音识别大模型支持流式和非流式调用	语音, ASR, 方言识别, 语音交互（ASR/TTS）	语音	RPM:1000, TPM:50000,
FunAudioLLM/SenseVoiceSmall	SenseVoice 是一个具有多种语音理解能力的语音基础模型，包括自动语音识别（ASR）、口语语言识别（LID）、语音情感识别（SER）和音频事件检测（AED）。SenseVoice-Small 模型采用非自回归端到端框架，具有非常低的推理延迟。它支持 50 多种语言的多语言语音识别，在中文和粤语识别方面表现优于 Whisper 模型。此外，它还具有出色的情感识别和音频事件检测能力。该模型处理 10 秒音频仅需 70 毫秒，比 Whisper-Large 快 15 倍	语音, ASR, 多语言, 语音交互	语音	-
BAAI/bge-reranker-v2-m3	BAAI/bge-reranker-v2-m3 是一个轻量级的多语言重排序模型。它基于 bge-m3 模型开发，具有强大的多语言能力，易于部署，并且推理速度快。该模型采用查询和文档作为输入，直接输出相似度分数，而不是嵌入向量。它适用于多语言场景，特别是在中文和英文处理方面表现出色	多语言, 568M, 8K, RAG	重排序	RPM:2000, TPM:500000,
netease-youdao/bce-reranker-base_v1	bce-reranker-base_v1 是网易有道开发的双语和跨语言重排序模型，支持中文、英文、日文和韩文。该模型在 RAG 系统中用于精确重排检索结果，可以提供有意义的相关性分数，有助于过滤低质量段落。它针对多种 RAG 任务进行了优化，包括翻译、摘要和问答等。该模型无需特定指令即可使用，具有广泛的领域适应性，已在有道的多个产品中得到验证	多语言,279M,512,RAG	重排序	RPM:2000, TPM:500000,
BAAI/bge-m3	BGE-M3 是一个多功能、多语言、多粒度的文本嵌入模型。它支持三种常见的检索功能：密集检索、多向量检索和稀疏检索。该模型可以处理超过100种语言，并且能够处理从短句到长达8192个词元的长文档等不同粒度的输入。BGE-M3在多语言和跨语言检索任务中表现出色，在 MIRACL 和 MKQA 等基准测试中取得了领先结果。它还具有处理长文档检索的能力，在 MLDR 和 NarritiveQA 等数据集上展现了优秀性能	多语言,1024 维,8K,RAG	嵌入	RPM:2000, TPM:500000,
netease-youdao/bce-embedding-base_v1	bce-embedding-base_v1 是由网易有道开发的双语和跨语言嵌入模型。该模型在中英文语义表示和检索任务中表现出色，尤其擅长跨语言场景。它是为检索增强生成（RAG）系统优化的，可以直接应用于教育、医疗、法律等多个领域。该模型不需要特定指令即可使用，能够高效地生成语义向量，为语义搜索和问答系统提供关键支持	多语言,768 维,279M,512,RAG	嵌入	RPM:2000, TPM:500000,

2、讯飞星辰

我的邀请链接：https://maas.xfyun.cn/packageSubscription?inviteCode=MAAS-B5CE4483
baseUrl：https://maas-api.cn-huabei-1.xf-yun.com/v2

apiKey 怎么弄请看图：

申请入口：https://xinghuo.xfyun.cn/maas-home

可用模型列表：

模型id	说明	最大输入	最大输出	最大思维链长度	上下文	请求限制
Qwen3.5-35B-A3B	千问3.5-35B-A3B（昵称：小橙鱼）是由阿里云通义千问团队推出的超大规模多模态语言模型，总参数35B、激活3B，采用稀疏MoE架构（256个专家，激活8个路由+1个共享）。原生支持256k上下文，可扩展至1M+；集成统一视觉-语言训练，在多语言（201种）、STEM推理、代码、视觉理解、视频分析及Agent任务等基准上达到顶尖水平，并具备工具调用与超长文本处理能力。	254k	64k	80k	256k	QPS：20
Qwen3-Coder-Next-FP8	Qwen3-Coder-Next-FP8 系列模型（包括其更大版本如480B-A35B）的设计目标和公开评测结果均表明，其能力直接对标 Claude Sonnet 系列，尤其是在 Agentic Coding（智能体编程）、工具调用等任务上 ，它是专为编码代理（Coding Agent）和本地开发优化的专业模型，其核心优势在于代码生成、工具使用、长上下文处理和错误恢复等深度编码能力，而非通用的高阶复杂推理	200K	64k	-	256k	QPS：5

上方表格为什么没有 Qwen3-1.7B 和 Qwen3.5-2B，我测试发现 Qwen3-1.7B 和 Qwen3.5-2B 总是出bug，比如 timestamp 不存在，后来官方修好了，但是我不想用了，它们的上下文都只有32K，干不了什么。
而表格中的模型相对稳定，QPS限制也都很宽松。

附录：

模型请求限制术语：

限制术语	说明
QPS	每秒请求数
QPM	每分钟请求数
QPD	每天请求数
RPM	每分钟请求数
TPM	每分钟tokens数量
RPD	每天请求数

模型性能术语：

模型性能	说明
TPOT（Time Per Token）	每生成一个Token所需的时间，单位为毫秒
TPS（Tokens Per Second）	每秒生成的Token总数

二、开发不可用

1、魔塔社区

** 免费模型列表：https://www.modelscope.cn/models?filter=inference_type&page=1&sort=stars&tabKey=task**
** 每天2000次免费调用，需关联阿里云账号
实际测试魔塔社区也受全局限制：报了以下错误，但实际上请求之前至少10个小时没有进行过请求

响应内容: {
“error”: “ChatCompletionStream error: Post \“https://api-inference.modelscope.cn/v1/chat/completions\”: HTTP error: 429 Too Many Requests, body: {\“error\”:{\“code\”:\“1302\”,\“message\”:\“您的账户已达到速率限制，请您控制请求频率\”},\“request_id\”:\“a36b36b6-5c97-4be2-8072-6d0c5caaedac\”}”
}

2、opencode-zen

** 申请 API KEY ：https://opencode.ai/zen
> 文档：https://opencode.ai/docs/zh-cn/zen/#for-teams
免费模型：https://blog.csdn.net/liuyunshengsir/article/details/158650643

实际测试 zen 的QPS是1：

响应内容: {
  "error": "ChatCompletionStream error: Post \"https://opencode.ai/zen/v1/chat/completions\": HTTP error: 429 Too Many Requests, body: {\"type\":\"error\",\"error\":{\"type\":\"FreeUsageLimitError\",\"message\":\"Rate limit exceeded. Please try again later.\"}}"
}

3、七牛云
apiKey申请：https://portal.qiniu.com/ai-inference/api-key

用量看板：https://portal.qiniu.com/ai-inference/usage

控制台：https://portal.qiniu.com/home

邀请链接：https://s.qiniu.com/EZFZZn（用这个链接送 1200W 资源包，可用付费模型，2年后过期）

提供两个免费模型：meituan/longcat-flash-lite 和 stepfun/step-3.5-flash
但！免费模型会出现上游错误：

响应内容: {
  "error": {
    "message": "Model resources are currently busy. Please try again later. (request_id: chatcmpl-be7e29b6f5094fabb3b4b4e370d96ffd)",
    "type": "upstream_error"
  }
}

4、智谱AI

邀请链接：https://www.bigmodel.cn/invite?icode=k0voaZBz1K26SzIwkPrTP%2Bnfet45IvM%2BqDogImfeLyI%3D

apiKey申请：https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys

免费模型列表：https://docs.bigmodel.cn/cn/guide/models/free

模型速率限制：https://bigmodel.cn/usercenter/equity-mgmt/user-rights 及 https://bigmodel.cn/usercenter/proj-mgmt/rate-limits

baseUrl：https://open.bigmodel.cn/api/paas/v4

(实际测试它的体验地址：https://api.z.ai/api/paas/v4 比上方要快)
它的免费模型 官方文档上写的很清楚 QPS 有5的，还有10的，但是！智谱的免费模型限制还额外限于全局：
错误码：https://docs.bigmodel.cn/cn/faq/api-code

{
  "error": {
    "code": "1305",
    "message": "该模型当前访问量过大，请您稍后再试"
  }
}
及
{
  "error": "ChatCompletionStream error: Post \"https://open.bigmodel.cn/api/paas/v4/chat/completions\": HTTP error: 429 Too Many Requests, body: {\"error\":{\"code\":\"1302\",\"message\":\"您的账户已达到速率限制，请您控制请求频率\"}}"
}

5、腾讯混元
当前仅提供1个免费模型：hunyuan-lite ，而且最新支持了 OpenAI 协议 调用
base_url：https://api.hunyuan.cloud.tencent.com/v1
apikey 申请: https://console.cloud.tencent.com/hunyuan/api-key
开发排除原因：太蠢！从2024年10月30号上架之后，腾讯就再也没管过，蠢得让人无法理喻！虽然有250K的上下文和最大6K的输出

6、讯飞星火
注意：这不是讯飞星辰
提供了1种免费模型：spark-lite，QPS为5，但上下文只有8k，最新支持了 OpenAI 协议 调用
开发排除原因：上下文容量太少

7、cloudflare
官网：https://developers.cloudflare.com/ 或 https://dash.cloudflare.com/

文档：https://developers.cloudflare.com/workers-ai/configuration/open-ai-compatibility/

速率限制：https://developers.cloudflare.com/workers-ai/platform/limits/

仪表盘：https://dash.cloudflare.com/{account_id}/ai/workers-ai/usage
baseUrl：https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1

开发排除原因：每天10000个神经元，发个“你好”占用400神经元

8、github ai

apiKey申请：https://github.com/settings/personal-access-tokens

免费限制：15 RPM / 150 RPD

Diss掉的原因：RPM =15 ：每分钟请求15次，实际QPS≈…？

9、AtomGit AI
gitcode 出品 ，无限量（每24小时续一次命）

续命地址：https://ai.gitcode.com/serverless-api

baseUrl：https://api.gitcode.com/api/v5
可用模型列表：https://ai.gitcode.com/models?exp=ONLINE

用量看板：https://ai.gitcode.com/dashboard/free-token
开发排除原因：QPM=10：实际QPS≈0.17，而且每24小时需要续命一次：

10、NVIDIA
短信验证时不要选择地区，把 +1 改成 +86 后面跟手机号即可

模型列表：https://build.nvidia.com/models?orderBy=name%3AASC&filters=nimType%3Anim_type_preview

apiKey 申请：https://build.nvidia.com/settings/api-keys
baseUrl：https://integrate.api.nvidia.com/v1
Diss掉的原因：巨慢，慢到超时（偶尔会响应）

11、huggingface
被墙可用 https://www.dogfight360.com/blog/18682/ 的Steamcommunity_302进行加速

模型列表：https://huggingface.co/models?inference_provider=all&sort=trending

创建apiKey：https://huggingface.co/settings/tokens
base_url：https://router.huggingface.co/v1
开发排除原因：巨慢，慢到超时（偶尔会响应），怀疑是不是NVIDIA的中转站

12、火山方舟
火山方舟是火山引擎推出的大模型服务平台，开局每个模型赠送50W
开启 协作奖励计划 后 会要求关闭 安心体验 且无法再开启，但每日赚送 250W tokens（仅能指定1个模型）
控制台：https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement

免费资源余量看板：https://console.volcengine.com/finance/resource-package

用量看板：https://console.volcengine.com/ark/region:ark+cn-beijing/usageTracking

密钥创建：https://console.volcengine.com/iam/keymanage

baseUrl：https://ark.cn-beijing.volces.com/api/v3/

开发排除原因：提供商想要我们的数据训练模型，又不想给太多，250W 跑5个小任务就没了

三、可用于开发：3家限量模型-千万起步

1、七牛云 - 有效期 2个月

新用户注册 送 300W tokens 资源包，全系列免费用，觉得 300W 太少？用我这个邀请链接： https://s.qiniu.com/EZFZZn 会送 1200W tokens 资源包

要拿到这1200W 你要实名注册，并且有个坑点，你必须跟 https://portal.qiniu.com/ai-inference/chat 它对一次话。

baseUrl：https://api.qnaigc.com/v1

apiKey申请：https://portal.qiniu.com/ai-inference/api-key

用量看板：https://portal.qiniu.com/ai-inference/usage

控制台：https://portal.qiniu.com/home

模型列表：https://portal.qiniu.com/ai-inference/model 或 https://www.qiniu.com/ai/models

七牛云 开发推荐用的模型：

模型id	模型别名	说明	最大输入	最大输出	最大思维链长度	上下文	类型	请求限制
z-ai/glm-5	glm-5	GLM-5 是智谱新一代的旗舰基座模型，面向 Agentic Engineering 打造，能够在复杂系统工程与长程 Agent 任务中提供可靠生产力。在 Coding 与 Agent 能力上，GLM-5 取得开源 SOTA 表现，在真实编程场景的使用体感逼近 Claude Opus 4.5，擅长复杂系统工程与长程 Agent 任务，是通用 Agent 助手的理想基座。	116k	16k	-	198k	文本	1000次调用 /5小时
z-ai/glm-4.7	glm-4.7	GLM-4.7 是智谱最新旗舰模型，面向 Agentic Coding 场景强化了编码能力、长程任务规划与工具协同，并在多个公开基准的当期榜单中取得开源模型中的领先表现。通用能力提升，回复更简洁自然，写作更具沉浸感。在执行复杂智能体任务，在工具调用时指令遵循更强，Artifacts 与 Agentic Coding 的前端美感和长程任务完成效率进一步提升	116k	16k	-	198k	文本	1000次调用 /5小时
moonshotai/kimi-k2.5	kimi-k2.5	Kimi K2.5 是 Kimi 迄今最智能的模型，在 Agent、代码、视觉理解及一系列通用智能任务上取得开源 SoTA 表现。同时 Kimi K2.5 也是 Kimi 迄今最全能的模型，原生的多模态架构设计，同时支持视觉与文本输入、思考与非思考模式、对话与 Agent 任务。	224k	16k	-	256k	多模态	1000次调用 /5小时
minimax/minimax-m2.5	minimax-m2.5	Minimax M2.5专为Agent场景原生设计，编程与智能体性能（Coding & Agentic）直接对标Claude Opus 4.6，尤其在Excel高阶处理、PPT生成和深度调研等Office生产力场景达到行业领先水平（SOTA）。	192k	128k	-	200k	文本	1000次调用 /5小时
qwen3-coder-480b-a35b-instruct	qwen3-coder-480b-a35b-instruct	Qwen3-Coder-480B-A35B-Instruct是由Qwen团队开发的混合专家（MoE）代码生成模型。该模型专为智能编码任务优化，涵盖函数调用、工具使用及代码库长上下文推理等场景。其总参数量达4800亿，每次前向传播激活350亿参数（动态激活160个专家中的8个）	200k	64k	-	256k	文本	1000次调用 /5小时
qwen/qwen3.6-plus-free	qwen3.6-plus	建立在混合架构之上，结合了高效的线性注意力与稀疏专家混合路由，实现了强大的可扩展性和高性能推理。与3.5系列相比，它在代理编码、前端开发以及整体推理方面取得了重大进步，显著提升了“氛围编码”体验。该模型在复杂任务如3D场景、游戏和仓库级问题解决方面表现出色，在SWE-bench Verified上取得了78.8分。它在纯文本和多模态能力方面实现了重大飞跃，表现达到了最先进模型的水平。	-	66k	-	1m	文本,视觉	1000次调用 /5小时
qwen/qwen3.6-plus-preview	qwen3.6-plus	用了先进的混合架构，在效率与可扩展性上均有提升。与 3.5 系列相比，它具有更强的推理能力和更可靠的智能体行为表现。在基准测试中，其性能达到或超越当前领先的业界顶尖模型。作为旗舰级预览版本，它在智能体编程、前端开发及复杂问题求解方面表现尤为出色。	-	66k	-	1m	文本,视觉	1000次调用 /5小时
qwen3-max	qwen3-max	本版本相较preview版本在智能体编程与工具调用方向进行了专项升级。本次发布的正式版模型达到领域SOTA水平，适配场景更加复杂的智能体需求 Preview 版本相较 2.5 系列整体通用能力有大幅度提升。参数量达 1T，大幅减少知识幻觉，模型更智能。	252k	64k	80k	256k	文本	1000次调用 /5小时
doubao-seed-2.0-pro	doubao-seed-2.0-pro	旗舰级全能通用模型，面向 Agent 时代的复杂推理与长链路任务执行场景。强调多模态理解、长上下文推理、结构化生成与工具增强执行。复杂指令与多约束执行能力突出，可稳定应对多步复杂规划、复杂图文推理、视频内容理解与高难度分析等场景	-	128k	-	256K	文本,视觉	1000次调用 /5小时
doubao-seed-2.0-code	doubao-seed-2.0-code	面向真实编程环境优化的 Coding 模型，能稳定调用 Claude Code 等常见 IDE 中的工具。模型特别优化了前端能力，在使用常见的前端框架时能有良好表现。模型支持使用 Skills，可以配合多种自定义技能使用。	-	128k	-	256K	文本,视觉	1000次调用 /5小时
deepseek/deepseek-v3.1-terminus	deepseek-v3.1	此次更新在保持模型原有能力的基础上，针对用户反馈的问题进行了改进，包括： 语言一致性：缓解了中英文混杂、偶发异常字符等情况； Agent 能力：进一步优化了 Code Agent 与 Search Agent 的表现。(非思考)	-	32k	-	128k	文本	1000次调用 /5小时
deepseek/deepseek-v3.2-251201	deepseek-v3.2	此次更新强化了 Agent 和推理能力，在主流测试中达到 GPT-5 水平并支持思考模式下的工具调用；同时推出的 Speciale 探索版在多项国际竞赛中取得金牌级表现。模型已全面开放使用。(思考)	-	64k	-	128k	文本	1000次调用 /5小时

看你的资源包是否到账：

https://portal.qiniu.com/financial/orders/respack-mgr/all

Snipaste_2026-04-04_00-56-111433×912 188 KB

Snipaste_2026-04-04_00-48-371433×911 151 KB

2、智谱AI - 有效期 3个月
使用这个链接赠送 1200W glm-4.5-air 和 600W glm-6v：非常适合用于网页分析任务
https://www.bigmodel.cn/invite?icode=k0voaZBz1K26SzIwkPrTP%2Bnfet45IvM%2BqDogImfeLyI%3D

（右上角 -财务-资源包 点击查看是否到账）
免费模型列表：https://docs.bigmodel.cn/cn/guide/models/free

模型速率限制：https://bigmodel.cn/usercenter/equity-mgmt/user-rights 及 https://bigmodel.cn/usercenter/proj-mgmt/rate-limits
用量看板：https://bigmodel.cn/usercenter/glm-coding/usage

baseUrl：https://open.bigmodel.cn/api/paas/v4
apiKey申请：https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys

模型id	说明	最大输入	最大输出	上下文	最大思维链长度	类型	请求限制	限量
glm-4.5-air	GLM 系列中的一个中等规模模型，采用 混合专家架构（Mixture of Experts, MoE），相比 GLM-4.5，GLM-4.5-Air 的参数规模更为紧凑（总参数为 1060 亿，激活参数为 120 亿）。适用领域：网页浏览：借助网页浏览工具，可以处理包含多轮交互、多步骤任务的复杂网页浏览场景。智能体编程：支持在智能体环境下执行编程任务，如开发小游戏、创建交互式网页等。在 推理任务 中，GLM-4.5-Air 表现出优异的性能。它支持多种推理方式（如 MTP 技术）以及多轮对话理解，在多个基准测试中都能稳定输出高质量结果。擅长基于代码和推理任务的多模态处理，并支持通过工具调用接口实现一系列智能体功能。例如，它可以基于提示在前端开发一个完整的网页项目，包括布局、交互、播放等处理。	96k	16k	-	128k	文本	QPS：5	2400W
glm-4.6v	面向视觉-语言任务的新迭代多模态大模型系列，相对 GLM-4.5V 进行了全面升级。官方介绍显示，该系列在训练阶段将上下文规模扩展至 128K，并首次引入原生的 Function Calling，用于跨“视觉感知”与“可执行动作”的闭环，多用于真实业务场景中的多模态 Agent	-	-	128k	-	多模态	QPS：10	1200W

3、国家超算平台 - 有效期 15天
注册赠送：1000W 的MinMax 2.5，和 1000W 通用资源包 （活动时间截止 2026-04-06）
baseUrl：https://api.scnet.cn/api/llm/v1/
模型列表：https://www.scnet.cn/ui/llm/
友情提醒：可以用多个手机号注册多个账号（多倍快乐）

模型id	说明	最大输入	最大输出	最大思维链长度	上下文	类型
MiniMax-M2.5	原生 Spec 能力（在编码前自动拆解需求，生成架构图与功能模块规划，接近人类架构师思维） 工具调用增强，多编程语言支持（代码生成质量接近生产级） 编程效率 对标 GPT-4 Turbo	192k	128k	-	200k	文本
Qwen3-235B-A22B-Thinking-2507	Qwen3-235B-A22B-Thinking-2507是一个超大规模语言模型，总参数量为2350亿，激活参数量为220亿。它改进了推理能力和大规模文本生成能力，特别适用于需要深入推理的复杂任务。该模型强化了推理、代码和智能体任务的性能，并且在多个学术与实战基准测试中表现卓越。此外，该模型现今支持最大长度为262,144 tokens的上下文，并且通过Dual Chunk Attention (DCA) 和 MInference 技术实现更高效地处理超长文本。	124k	32k	80k	128k	文本
Qwen3-235B-A22B	Qwen3-235B-A22B 是一个稠密与混合专家（MoE）模型的综合，并在推理、指令跟随、代理能力及多语言支持方面取得了突破性进展。模型总参数量为 2350亿，激活参数为 220亿。支持复杂逻辑推理、数学、编程等任务的推理模式，以及通用对话的非推理模式，并具备在 131,072 个 tokens 的上下文中进行推理的潜力。	126k	16k	38k	128k	文本
Qwen3-30B-A3B-Instruct-2507	Qwen3-30B-A3B-Instruct-2507具有30.5B的总参数量和3.3B的激活参数量，训练数据达到28.5T tokens。它只支持非思考模式，在推理、代码和智能体任务中表现优异，并且在多项学术与实战基准测试中达到世界领先的开源模型水准，接近前沿闭源模型。模型原生支持262,144个token的上下文，具有显著提升的长上下文理解能力。同时，它采用了Dual Chunk Attention（DCA）技术和MInference技术，能够在1M token上下文中实现高效推理，并在接近1M token时达到标准注意力实现的3倍速度提升。	126k	32k	-	256k	文本
Qwen3-30B-A3B	Qwen3-30B-A3B 推理能力以更小参数规模比肩QwQ-32B，支持推理、指令遵循、智能体等多个功能，参数量达30.5B（激活3.3B），通用能力显著超过Qwen2.5-14B，达到同规模业界SOTA水平	96k	8k	-	128k	文本
QwQ-32B	基于Qwen2.5-32B基座，大幅度提升了模型推理能力。模型数学代码等核心指标（AIME 24/25、livecodebench）以及部分通用指标（IFEval、LiveBench等）达到DeepSeek-R1 满血版水平，各指标均显著超过 DeepSeek-R1-Distill-Qwen-32B	96k	8k	-	128k	文本
DeepSeek-R1-Distill-Llama-70B	基于 Llama-70B 通过 DeepSeek-R1 知识蒸馏训练的70B参数量推理模型，专为推理和思维链任务优化，在数学推理（AIME 2024: 70.0% pass@1, MATH-500: 94.5% pass@1）和代码生成（CodeForces: 1633, 57.5% pass@1）方面表现出色，代码优化任务佳，运行效率提升 12%。在复杂逻辑推理、数学与代码理解等任务上具备强大性能，适合对效果与稳定性要求极高的高端生产与科研场景。	-	-	-	128k	文本

[10006361091 (ENFJ小太阳)]

全面

[10011488078 (遥控小飞机)]

我现在就是自己买的jd凑合用，用不了就切换捡的大佬们分享的阿里和百度的，就这么凑合用，节后看看公司买不买codebuddy（不过又要换工具了哎）

[10011488078 (遥控小飞机)]

感觉现在最稀缺的资源就是腾讯和阿里的coding plan lite套餐（能续费）