One post tagged with "Token Harbor"

一、OrcaRouter​

官网 / 文档：https://www.orcarouter.ai ｜ https://docs.orcarouter.ai

Base URL​

分两种情况，取决于你的客户端会不会自己拼接 /v1/chat/completions。

情况 A：客户端会自动拼接路径（如 Cherry Studio）

只填到域名，不带 /v1：

https://api.orcarouter.ai

Cherry Studio 官方文档就是这么要求的，已实测通过。如果填成 https://api.orcarouter.ai/v1，客户端再拼一次 /v1/chat/completions，实际请求变成 /v1/v1/chat/completions，直接 404。

情况 B：用 OpenAI SDK 或自己写代码发请求

填完整的 /v1 前缀：

https://api.orcarouter.ai/v1

因为 SDK 只会在你给的 base_url 后面拼 /chat/completions，不会自动补 /v1。

认证​

请求头 Authorization: Bearer sk-orca-...。

免费模型识别​

免费模型 ID 以 -free 后缀结尾。它们不是单独的"免费产品"，而是价格标签为 $0 的普通目录模型——权重和能力与对应的付费版本完全相同，调用不触碰钱包，代价是换取较低的吞吐。

可用模型介绍​

OrcaRouter 追踪约 91 个模型，覆盖 OpenAI、Anthropic、Google、DeepSeek、Qwen、Zhipu AI、腾讯、Meta 等厂商。免费阵容随容量动态换入换出，官方不在文档页固定列举，当前可观察到的代表性免费模型包括：

• z-ai/glm-5.3-flash —— 输入/输出均为 $0，1.0M 上下文
• deepseek/deepseek-v4-flash-free —— DeepSeek V4 Flash 免费版，1.0M 上下文
• qwen/qwen3.8-27b-free —— Qwen3.8 27B 开放权重模型
• tencent/hy4-preview（限时免费）—— 腾讯 Hy4 预览版，1M 上下文
• Union Alpha —— 256K 上下文的 stealth 模型，2026 年 9 月起在免费层提供
• orcarouter/free —— 内置路由器，按请求难度在免费池中自动调度，不消耗付费额度

GET https://api.orcarouter.ai/api/free-package/public

免费限制的结构​

OrcaRouter 的免费限制是分层且动态的：RPM / RPD 在 /api/free-package/public 中实时公布；从未充值过的账户被故意分配较小的日额度，累计付费达到阈值后日预算显著放大（生涯累计，充值一次即永久停留在对应层级）；最低层级还存在不公开的单请求 prompt token 上限，长文档或完整对话历史可能超限。

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://api.orcarouter.ai/v1",
    api_key="sk-orca-你的密钥",
)

resp = client.chat.completions.create(
    model="deepseek/deepseek-v4-flash-free",  # 必须带 -free
    messages=[{"role": "user", "content": "Hello"}],
)

稳定性边界​

免费池是尽力而为的吞吐，不是保证。适合原型验证和低频测试，不适合要求稳定响应的生产流量。

二、Agnes AI（国际站 + 中国站）​

Agnes AI 的 Flash 系列文本、图像、视频模型目前免费，不设总 Token 总量上限，只受 RPM 限制。两个站点是独立主机、独立 API Key，互不通用——中国站 Key 调国际站主机返回 401。

2.1 国际站​

• 官网：https://www.agnes-ai.com
• 平台（获取 Key）：https://platform.agnes-ai.com
• Base URL：https://apihub.agnes-ai.com/v1

2.2 中国站​

• 官网 / 平台：https://agnes-ai.cn ｜ https://platform.agnes-ai.cn
• Base URL：https://api.agnes-ai.cn/v1

认证（两站一致）​

Authorization: Bearer YOUR_API_KEY。

当前 RPM 限制​

Agnes 官方 FAQ 确认，因运营策略调整，免费 / 默认用户的文本模型 RPM 已统一下调 50%，2026-09-23 生效。当前限额：

免费用户只受 RPM 限制，没有 Token Plan 的订阅总量配额。

可用模型介绍​

所有 Flash 系列模型（文本 / 图像 / 视频）目前免费，仅 Pro 推理系列和部分新版本视频模型为付费。

文本

• agnes-2.0-flash —— 兼容旧版，基础免费文本模型
• agnes-2.5-flash
• agnes-3.0-flash

图像

• agnes-image-2.0-flash
• agnes-image-2.1-flash —— 推荐免费图像生成版本
• agnes-image-2.5-flash —— 最新一代，当前免费

视频

• agnes-video-v2.0 —— 基础免费视频模型
• agnes-video-2.5-flash —— 默认视频模型，限时免费

接口路径​

• 文本：/chat/completions、/responses、/messages
• 图像：/images/generations
• 视频：/videos

最小示例（中国站）​

curl https://api.agnes-ai.cn/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "agnes-2.5-flash",
    "messages": [{"role": "user", "content": "你好"}]
  }'

稳定性边界​

文本 10 RPM、视频 1 RPM 的限制意味着只适合低频验证。多模态能力验证是它的主要价值，不适合任何需要吞吐的场景。

三、ModelScope（魔搭）​

官网：https://modelscope.cn

Base URL​

OpenAI 兼容协议用：

https://api-inference.modelscope.cn/v1

如果用 Anthropic 协议（/v1/messages），只填到域名，不带 /v1：

https://api-inference.modelscope.cn

Anthropic SDK 会自己补 /v1/messages，多写一个 /v1 会变成 /v1/v1/messages，报 404。网上流传的 /compatible-mode/v1/ 写法实测返回 404，不要用。

认证​

1. 注册 / 登录，进入 modelscope.cn/my/myaccesstoken 创建访问令牌，格式 ms-...。
2. 请求头 Authorization: Bearer ms-...。
3. 必须绑定阿里云账号并完成实名认证，否则接口直接报错。

免费策略（魔粒计费）​

ModelScope 免费层采用魔粒（magic-grain）计费：

• 每日 250 魔粒（注册登录 +200 / 天，绑定阿里云 +50 / 天）。
• 当天有效，用完只能等明天，不累积。
• 主流模型约 2 魔粒 / 次，因此每日约 125 次调用是更贴近实际的参考值。
• 不同模型单次消耗不同：轻量模型约 0.5 魔粒 / 次，旗舰 / 大模型更高，"大模型几把就花光"。

以 GLM-5.2 为例，一次调用扣 2 魔粒，DeepSeek、GLM、Kimi 等常用模型也基本是 2 魔粒 / 次。

可用模型介绍​

API-Inference 当前有约 50 个可走 API 的开源模型，覆盖 Qwen、GLM、DeepSeek、Kimi、MiniMax 等主流国模，以及文生图、语音识别 / 合成、Embedding。

文本 / 推理

• Qwen/Qwen3.5-397B-A17B —— 262K 上下文，旗舰级 Qwen 模型
• ZhipuAI/GLM-5.2 —— 1M 上下文，主力免费模型（2 魔粒 / 次）
• deepseek-ai/DeepSeek-V4.1-Flash —— 1M 上下文
• MiniMax/MiniMax-M3 —— 1M 上下文
• Kimi 系列 —— 长上下文

多模态 / 其他

• Qwen/Qwen3-VL-235B-A22B-Instruct —— 视觉语言理解
• 文生图、语音识别、语音合成、Embedding 均有覆盖

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://api-inference.modelscope.cn/v1",
    api_key="ms-你的Token",
)

resp = client.chat.completions.create(
    model="ZhipuAI/GLM-5.2",
    messages=[{"role": "user", "content": "你好"}],
)

print(resp.choices[0].message.content)

稳定性边界​

官方定位为体验与原型验证，没有并发和 SLA 承诺。250 魔粒 / 天对高频短请求消耗极快，适合个人学习、小项目调试、应急备选。

四、AMD Radeon Token Factory​

入口：https://developer.amd.com.cn/radeon/tokenfactory

Token Factory 仅在中国站提供，底层跑在 AMD ROCm GPU 上。调用公共免费模型不需要启动 GPU 实例，返回的 points 仅用于追踪每日额度消耗，不是账单收费。

Base URL​

https://developer.amd.com.cn/radeon/api/v1

同时支持 Anthropic 协议（/v1/messages + x-api-key）。同一个 API Key 可调用所有免费模型，切换只需改 model 字段。

认证​

邮箱或手机号验证码登录（免绑卡、免海外号），验证后自动签发 rc- 开头的 API Key，请求头 Authorization: Bearer rc-...。

免费额度（存在账户分层，多数账户约 $1/天）​

AMD 的免费额度并非统一的 $10/天，存在账户分层和口径差异：

• 多数账户当前约为 $1/天。npm 包实测记录显示，当前账户示例为每日 1.000000 pts、RPM 20。
• 部分账户或早期口径为约 $10/天。2026 年 9 月的公告仍写"每日约 10 美元"，社区也有"最早每天 10 刀，用的人太多了所以砍了"的反馈。$10 的来源确实存在，但不能作为通用预期。
• Dedicated Model APIs 使用自有 credits，与公共免费额度是两套体系。

免费额度每日重置。具体额度以 Token Factory 控制台 → Model Usage 实时显示为准。

限速​

免费端点的速率约束以控制台实时显示为准。当前更保守、更常见的记录是约 20 RPM；社区另有 30 次/分钟/Key、并发 5–8 的记录，可能对应不同时期或不同层级。

可用模型介绍​

当前 Public Free Model APIs 的核心免费模型包括：

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://developer.amd.com.cn/radeon/api/v1",
    api_key="rc-你的密钥",
)

resp = client.chat.completions.create(
    model="DeepSeek-V4.1-Flash",
    messages=[{"role": "user", "content": "用一句话打个招呼。"}],
)

print(resp.choices[0].message.content)

稳定性边界​

AMD 免费 API 适合测试，不适合要求稳定性的生产环境。$1/天额度小，RPM 约 20，并发低。它的独特价值在于百万级上下文（DeepSeek-V4.1-Flash 1M）的国内免费测试通道，仅限验证和低频调用。

五、NVIDIA build.nvidia.com​

平台：https://build.nvidia.com/models

Base URL​

https://integrate.api.nvidia.com/v1

认证​

1. 在 build.nvidia.com 注册 / 登录（无需信用卡）。
2. 头像 → API Keys → 生成，格式 nvapi-...。
3. 请求头 Authorization: Bearer nvapi-...。

免费政策（以速率限制为核心，无 per-token 计费）​

build.nvidia.com 上所有模型均可免费用于原型开发。免费层的核心限制是速率限制，大多数模型约 40 RPM，且不按 Token 数量计费（"no per-token billing"）。速率限制按请求数计算，长提示词和长回答不会被额外惩罚。个人实际速率限制显示在控制台右上角。

可用模型介绍​

NVIDIA NIM 提供 100+ 模型的免费 OpenAI 兼容 API，覆盖 Nemotron、Llama、Mistral、Qwen、DeepSeek 等主要 open-weight 系列。

NVIDIA Nemotron 系列

• nvidia/nemotron-3.5-bolt-e4b —— 轻量快速，支持思考模式
• nvidia/nemotron-3.5-super-vl-120b-a12b —— 视觉语言推理 + 工具调用
• nvidia/nemotron-3-nano-30b-a3b —— 更小、更快的 Nano 版本

第三方 open-weight 模型

• mistralai/mistral-large-4 —— MoE 架构，支持文本 + 图像
• deepseek-ai/deepseek-v4.1-flash —— 552B MoE / 8B 激活，原生多模态
• meta/muse-glimmer-30b —— 多模态推理，原生工具调用

其他模态

• FLUX 3 Image Klein（图像生成 / 编辑）
• 多模态 Embedding / Reranking 模型

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="nvapi-你的密钥",
)

resp = client.chat.completions.create(
    model="nvidia/nemotron-3.5-bolt-e4b",
    messages=[{"role": "user", "content": "Hello"}],
    extra_body={"chat_template_kwargs": {"enable_thinking": True}},
)

稳定性边界​

40 RPM 对个人原型验证足够，对生产流量远远不够。达到速率上限后应转向 partner endpoints 或本地 NIM 部署。

六、UnoRouter​

平台：https://unorouter.com/en/models

Base URL​

OpenAI 兼容协议用：

https://api.unorouter.com/v1

如果用 Claude Code 或 Gemini CLI 这类会自动拼接完整路径的原生协议客户端，只填到域名，不带 /v1：

https://api.unorouter.com

这些客户端会自己拼 /v1/messages 或对应路径，多写 /v1 会导致路径重复。

认证​

请求头 Authorization: Bearer YOUR_API_KEY。内置聊天功能在免费模型上可无 Key 使用，但 API 请求需要 Key。

免费模型识别​

模型 ID 以 :free 后缀结尾的即为免费，费用为零。免费模型运行在共享池上，有按模型计的轻量速率限制。

可用模型介绍​

UnoRouter 聚合了约 50 个上游提供商、130+ 个免费模型，来源包括 NVIDIA NIM、Cloudflare Workers AI、Gemini、Mistral、Z.ai、ModelScope 等，以及社区网络。代表性免费模型：

GLM 系列

• glm-5.2:free —— 1M 上下文
• glm-5.2-search:free、glm-5.2-think-search:free —— 带搜索 / 推理的变体
• glm-5.3:free

DeepSeek 系列

• deepseek-v4-flash:free
• deepseek-v4-pro:free

Qwen 系列

• qwen3.5-397b-a17b:free
• qwen-3.8-27b:free

NVIDIA Nemotron

• nemotron-3-ultra-550b-a55b:free

其他

• gpt-oss-120b:free、Gemini 系列、MiniMax 系列、Llama 系列，以及免费图像和音频模型

免费限制​

每个免费模型、每位用户约 1 次/分钟。超出返回 HTTP 429 + Retry-After 头；池子耗尽时返回明确的 "all providers busy" 错误并自动恢复。这是 UnoRouter 自己加的限速，独立于上游的 429。

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://api.unorouter.com/v1",
    api_key="YOUR_API_KEY",
)

resp = client.chat.completions.create(
    model="gpt-oss-120b:free",
    messages=[{"role": "user", "content": "Hello!"}],
)

稳定性边界​

1 RPM / 模型的限制极低，但 130+ 免费模型允许在多个 :free 模型之间轮换来摊薄单点限制。适合聚合广度的对比测试，不适合任何单模型吞吐场景。

八、Token Harbor​

平台：https://tokenharbor.ai ｜ 文档：https://tokenharbor.ai/docs ｜ 免费模型目录：https://tokenharbor.ai/models?category=free

Token Harbor 是一个聚合网关，一个 API Key、一个余额即可路由到所有支持的模型。同时兼容 OpenAI 和 Anthropic 协议，支持 Claude Code、Cursor、Codex 等主流 Agent 工具一键接入。内置 TH-Rudder 免费聊天功能，无需 Key 即可在网页端使用。

Base URL​

情况 A：客户端会自动拼接路径（如 Claude Code、Cherry Studio）

只填到域名，不带 /v1：

https://tokenharbor.ai

Anthropic SDK 同样填 https://tokenharbor.ai，SDK 会自行拼接 /v1/messages。

情况 B：用 OpenAI SDK 或自己写代码发请求

填完整的 /v1 前缀：

https://tokenharbor.ai/v1

认证​

1. 注册 / 登录 Token Harbor，进入 Dashboard → API Keys 创建 Key。
2. Key 格式为 thk_live_...。
3. 请求头：Authorization: Bearer thk_live_...（Anthropic 协议也可用 x-api-key）。

免费模型识别​

免费模型 ID 以 :free 后缀结尾，价格为 $0。当前免费模型包括：

• mimo-v2.6-flash:free —— Xiaomi MiMo V2.6 Flash，1.05M 上下文（128K 输出）
• deepseek-v4.1-flash:free —— DeepSeek V4.1 Flash，1.05M 上下文（128K 输出）

免费限制​

免费账户的速率约束：

超出返回 HTTP 429 + Retry-After 头。充值或订阅 Pass 后，请求速率限制完全解除。

付费与奖励机制​

Token Harbor 采用按 Token 计费模式，不设订阅总量配额。免费模型价格为 $0；付费模型按 per-token 实时定价。充值后可解锁更高请求大小上限（100 MB）和无限速率。

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://tokenharbor.ai/v1",
    api_key="thk_live_你的密钥",
)

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash:free",
    messages=[{"role": "user", "content": "Hello"}],
)

print(resp.choices[0].message.content)

from anthropic import Anthropic

client = Anthropic(
    api_key="thk_live_你的密钥",
    base_url="https://tokenharbor.ai",
)

message = client.messages.create(
    model="deepseek-v4.1-flash:free",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hi"}],
)

print(message.content[0].text)

稳定性边界​

免费账户 60 RPM 对个人原型验证足够，请求大小限制在 4 MB 可能影响长对话 Agent 场景。免费模型数量目前较少（2 个），但上下文窗口大（1.05M），适合长文档处理测试。充值后速率限制解除，适合从免费层平滑迁移到生产使用。

九、云知声 Unisound（U Plan）​

平台：https://maas.unisound.com ｜ 文档：https://maas.unisound.com/docs/token-plan/overview

云知声（Unisound）推出的 U Plan 是一个订阅制的 AI 模型服务平台，涵盖文本、医疗、语音、文档等多模态模型，采用统一的点数额度体系。免费档（Free）提供每周 2500 点 + 每 5 小时动态 500 点，以及多项赠送额度。支持 OpenAI 和 Anthropic 兼容协议，可接入 Claude Code、Cursor、Codex 等 AI 编码工具。

Base URL​

https://maas-api.unisound.com/v1

Anthropic 兼容协议同样支持。同时兼容 OpenAI 和 Anthropic 两种 API 格式。

认证​

1. 注册 / 登录云知声平台，访问 U Plan 订阅页。
2. 免费档需手动点击「立即领取」，不会自动生效。
3. 领取成功后，进入 控制台 > 订阅管理 > U Plan 获取专属 API Key 和 Base URL。
4. API Key 为计划专属，与按量付费的 Key 不通用。Key 在计划有效期内有效，自动分配，不可手动创建或删除。

免费策略（点数计费）​

U Plan 采用点数（Points）计费模式，免费档额度如下：

点数刷新规则​

• 5 小时点数：动态刷新——点数在请求消耗开始后 5 小时重置。
• 每周点数：从计划领取/购买时间起每 7 天刷新。
• 未用完的点数不滚动到下一个窗口或计费周期。
• 赠送额度不受 5 小时窗口或每周点数限制，在当前计划周期内用完即止。

点数消耗规则​

点数消耗 = (输入 tokens × 输入系数 + 缓存命中 tokens × 缓存系数 + 输出 tokens × 输出系数) / 10000

积分与 Token 换算示例（U2-Flash）：

假设一次调用：输入 1000 tokens（无缓存命中），输出 500 tokens。

点数消耗 = (1000 × 1 + 0 × 0.2 + 500 × 2) / 10000
         = (1000 + 0 + 1000) / 10000
         = 2000 / 10000
         = 0.2 点

即 每 1000 输入 + 500 输出约消耗 0.2 点。免费档每周 2500 点，按此口径约可调用 12,500 次类似规模的请求。

如果命中缓存（缓存系数 0.2），同样 1000 输入（其中 800 命中缓存）+ 500 输出：

点数消耗 = (200 × 1 + 800 × 0.2 + 500 × 2) / 10000
         = (200 + 160 + 1000) / 10000
         = 1360 / 10000
         = 0.136 点

缓存命中后单次消耗降低约 32%，在 90%+ 缓存命中率下，免费档每周约可使用 ~60.68M Token（每月约 ~264M Token）。

可用模型​

所有档位均可使用 U-Model 系列模型：

文本 / 推理

• u2-flash —— 通用大模型，支持推理、Coding、长文档处理、Agent 能力
• u2 —— 通用知识推理、Agent 交互、代码操作、长文本处理
• u2-med —— 医疗行业大模型，擅长医保、药学、临床知识
• u2-decision —— 企业决策模型，毫秒级延迟输出结构化判断

多模态 / 语音

• u2-asr —— 语音识别（实时流式 + 异步长音频，支持多方言，90%+ 准确率）
• u2-tts —— 语音合成（高拟人化，支持克隆/设计音色）
• u2-ocr —— 视觉理解 / 文档识别
• u2-ocr-med —— 医疗影像识别
• u2-radimed —— 医疗影像报告生成、病灶定位、临床推理

最小示例​

from openai import OpenAI

client = OpenAI(
    base_url="https://maas-api.unisound.com/v1",
    api_key="你的U-Plan专属API-Key",
)

resp = client.chat.completions.create(
    model="u2-flash",
    messages=[{"role": "user", "content": "你好"}],
)

print(resp.choices[0].message.content)

稳定性边界​

免费档每周 2500 点 + 5 小时 500 点的额度对个人学习和原型验证足够，尤其是赠送的医疗影像和语音额度非常慷慨。U2-Flash 在高缓存命中率下周 Token 量可达 60M+，适合长文档处理和 Agent 编码场景。但点数不滚转，高峰加倍随时可能恢复，且平台处于推广期，政策可能调整。适合个人学习、医疗 AI 原型验证、语音多模态测试。

十、免费 API 的稳定性边界（适用于全部平台）​

以上所有平台的"免费"，本质是用额度或速率上限换取零现金成本，而不是用 SLA 承诺换取稳定服务。

1. 免费端点运行在共享硬件上，延迟不可控​

免费层通常使用消费级硬件或共享池，负载一高直接体现为长尾延迟，而非干净利落的失败。实际监测数据显示，免费端点的平均首字节时间（TTFB）可达 48–57 秒，单次请求最大 TTFB 接近 195 秒。在默认 45 秒重试预算下，一个"活着但正在排队的"免费端点会被反复判定为失败——它并没有宕机，只是慢到被放弃。

2. 限流是常态，429 不是异常​

免费层的速率限制远低于付费层，且限额会被平台单方面调整。NVIDIA 约 40 RPM、UnoRouter 约 1 RPM/模型、AMD 约 20 RPM、ModelScope 250 魔粒/天、Agnes 文本 10 RPM、Token Harbor 60 RPM、云知声 2500 点/周——这些数字随时可能因运营策略调整而下调（Agnes 已实际下调过一次，AMD 额度也经历过从 $10 到 $1 的调整）。免费层的可用性取决于平台的容量分配策略，不取决于你的代码质量。

3. 模型可能被静默下线​

免费模型目录的变动不需要通知。AMD 的 DeepSeek-V4-Flash-0731 已返回 model_not_found 但仍出现在页面历史中；OrcaRouter 免费阵容随容量动态换入换出；UnoRouter 的免费池"下午就可能被耗尽"。今天可用的 ID，明天可能 404。

4. 结论​

免费 API 适合： 原型验证、个人学习、低频测试、付费通道的应急 fallback、在多个免费模型之间轮换以摊薄单点风险。

免费 API 不适合： 任何要求稳定响应的生产环境、面向终端用户的产品功能、有 SLA 或可观测性要求的系统、高并发或低延迟场景。

进入生产前应迁移到对应的付费层或其他有 SLA 的商业 API。免费额度真正的价值在于零成本验证可行性，而不是零成本承载流量。

横向对比表​