我第一次接触“免费AI模型”这个词的时候，脑子里的画面还挺简单的——不就是注册个账号，进去随便聊两句，用完走人吗？后来折腾久了才发现，这里面的门道比我想的多得多。有人说的“免费”是限时试用，有人说的“免费”是每天给你一定的调用额度，还有人说的“免费”是指模型权重开源、你自己找机器跑。这几个“免费”放在一起聊，很容易鸡同鸭讲。
我把这一章放在最前面，就是想先把概念捋顺，把需求人群分清楚，再把市面上免费资源的整体版图铺开。你可以把它当作一张地图——后面几章讲API接入、在线平台评测、合规风控，都会回到这张地图上来找位置。
1.1 从“免费试用”到“免费额度”：AI模型免费使用的概念边界
我最早踩的坑，是把“免费试用”当成了长期饭票。很多平台注册就送一笔额度，几美元或者几百万token，看着挺大方，用起来也顺手。额度烧完那天，接口直接返回余额不足，我才反应过来：这叫试用，不叫免费。试用更像是一种获客手段，让你在有限时间内体验完整能力，时间一到或者额度一空，服务就断了。
“免费额度”是另一回事。它通常以天、月或者固定周期为单位发放，比如每天送你一定次数的调用、每月给一笔token包。额度会重置，用超了要么降级要么停服，不会让你欠费。这种模式适合长期轻量使用，写个小工具、做个学习项目、跑跑原型验证，基本够用。
还有一类常被忽略的“免费”，是开源模型带来的。模型权重放出来，你可以下载到本地或者自己的服务器上跑，没有按次计费这回事，成本变成了电费和硬件折旧。我身边不少朋友嘴上说“白嫖”，实际上是在自己机器上硬扛推理，这也是一种免费，只不过账单换了个形式。把这三类分清楚，后面选资源的时候就不会被宣传文案带偏。
1.2 免费使用的核心需求与典型人群：学习者、开发者、创业者与研究者
我自己最开始属于“学习者”那一挂。想搞明白大模型到底能干嘛，又不想一上来就充钱，免费额度就是最好的实验田。学提示词、试不同模型的脾气、看输出风格的差异，这些动作在免费层完全够用。学习者要的是低门槛和可反复试错，额度小一点没关系，入口别太复杂就行。
开发者的情况更实际一些。我见过不少朋友白天上班写业务代码，晚上用免费API搭自己的小项目。他们关心的是接口稳不稳、文档清不清楚、SDK好不好接。免费额度对他们来说是验证技术方案的缓冲带——先跑通链路，再考虑要不要为生产环境付费。
创业者和小团队的需求又不一样。他们要的是低成本验证商业假设，能省一分是一分。免费额度加上开源模型，能撑过最早那几个月。研究者则更看重模型能力本身，上下文长度、推理质量、能不能复现实验，这些比额度大小更关键。四类人群的诉求叠在一起，就构成了免费AI模型市场的基本盘。
1.3 免费AI大模型API接口与免费AI模型在线体验平台的关系与差异
这两个东西经常被混着说，我自己早期也搞混过。在线体验平台就是打开网页、输入问题、直接看回答，不用写代码，不用管鉴权。它适合快速感受模型能力，做横向对比也方便，开几个标签页就能来回切。
API接口是给程序用的。你得申请key、看文档、发请求、处理返回结果，门槛高一些，换来的是可以集成到自己项目里，做批量处理、做自动化流程。免费API接口通常有速率限制和额度上限，在线体验平台则可能有次数限制或者排队机制。
两者的关系有点像试驾和买车。在线平台让你先坐进去感受一下，API才是真正开上路。我一般建议先用在线平台筛模型，觉得某个模型对胃口了，再去查它有没有免费API额度。顺序反过来也行，先看API文档和额度政策，再回到在线平台验证效果。
1.4 免费资源版图：开放模型、云厂商额度、社区平台与聚合入口
把免费资源摊开来看，大致能分成四块。开放模型是一大块，模型权重公开，可以自己部署，社区里教程和工具链都很丰富。这块适合有一点动手能力的人，前期配置麻烦一些，后面用起来自由度高。
云厂商额度是另一大块。不少云平台会给新用户送试用金或者免费调用额度，覆盖自家模型或者托管的热门开源模型。我注册过好几家，额度大小不一，有的按月重置，有的一次性发放。这类资源的好处是基础设施成熟，坏处是规则经常变，得留意有效期。
社区平台和聚合入口更像是“导航站”。有人在论坛里整理免费API清单，有人做聚合页面把多个免费模型放在一个界面里对比。我自己收藏了几个这样的入口，找新资源的时候省了不少事。这四块拼在一起，就是免费AI模型的资源版图。知道每块长什么样，后面按需取用就不会迷路。 from openai import OpenAI
client = OpenAI(
api_key="你的key",
base_url="https://api.example.com/v1"
)
resp = client.chat.completions.create(
model="free-model-name",
messages=[{"role": "user", "content": "用一句话解释什么是API"}]
) print(resp.choices[0].message.content)
我第一次认真用在线平台试模型，是因为一个挺现实的问题：手上有个免费API的key，但不知道它背后那个模型到底行不行。看参数看不出来，看宣传页更看不出来，索性打开几个网页版，把同一个问题挨个扔进去。那天下午我开了七个标签页，问的都是同一句话，回答质量差得让我有点意外。从那次起，在线体验平台就成了我选模型的第一站。
3.1 在线体验平台的类型、入口与适用人群
我常逛的在线体验平台，大致能归成几类。一类是模型厂商自己的对话页面，注册个账号就能聊，有的连注册都省了，直接开聊。这类入口最直接，模型是原厂的，功能更新也快，缺点是只能试它自家的那一两个模型，想横向比就得多开几个站。Kimi、豆包、通义千问、文心一言，我浏览器书签栏里存了一排。
第二类是聚合对比平台，一个页面里能切好几个模型，同一个输入框，下拉菜单换个模型再发一次。LMSYS的Chatbot Arena算这类里的典型，盲测投票的玩法挺有意思。国内也有一些站做类似的事，把开源模型和商用模型混在一起给人试。这类平台适合做横向评测，省得来回登录。
第三类是云端开发环境，Hugging Face Spaces是代表，上面挂着成千上万个社区做的模型demo，文本、图像、语音都有。Colab也算，只不过得更自己动手。这类平台适合技术型用户，想试冷门模型或者新出的开源权重，去这里准没错。
第四类是垂直场景平台，专门做某一类任务。绘图的有，语音合成的有，视频生成的也有，多数给一个免费试用次数。我试过几个绘图站，每天送几张图，够玩玩。
不同人适合从不同入口进。刚接触AI模型的学习者，从厂商对话页开始最省事；要选型做技术决策的开发者，聚合对比平台更合适；想复现论文或者试最新开源模型的研究者，Spaces和Colab是主战场。我自己的习惯是三层都开着，日常对话用厂商页，选型评测用聚合站，看到新模型发布就去Spaces瞄一眼。
3.2 多模型对比评测方法与关键指标
评测这件事，我踩过的最大坑是只用一两个问题就下结论。有次我问了道简单的逻辑题，A模型答得漂亮，B模型绕了弯，我就觉得A比B强。后来换个场景让它写产品文案，B反而更对我的胃口。单点测试参考价值有限，得铺开问。
我的做法是准备一组固定题目，覆盖不同任务类型。大概十来道题就够，包含一段长文摘要、一道需要分步推理的数学题、一个写代码的需求、一次角色扮演、一段中英混写的翻译。每次试新模型，这套题原样扔进去，回答存下来对比。题目不用太难，但要有区分度，太简单的话所有模型都能答对，比不出东西。
关键指标我盯几个。理解准确度是底线，答非所问的直接出局。中文表达流畅度对国内场景很重要，有些模型英文很溜，中文一股翻译腔。指令遵循也得看，让它写三百字它写五百字，让它用JSON格式它给你写散文，这种在实际用的时候很烦。
上下文保持能力容易被忽略。我试过一个模型，前两轮聊得好好的，第三轮突然把前面说过的设定忘了。做多轮对话应用的话，这个缺陷挺致命。响应速度我也记，网页版看着快，实际可能有排队，高峰期卡个十几秒很正常。
评测结果我习惯记在一个小表格里，模型名、日期、每道题的简短评语。攒上几周再回头看，比凭印象判断靠谱得多。表格不用多正式，能看懂就行。
3.3 典型场景验证：文本生成、代码辅助、摘要改写、多模态体验
文本生成是我用得最多的场景。写产品介绍、起标题、扩写段落，这几件事我几乎每周都要干。试下来发现，模型之间的差异主要体现在风格上。有的偏商务，句子规整但有点干；有的偏活泼，用词跳脱，适合社交媒体。同一个需求，我会让两三个模型各写一版，挑着改。有次让一个模型写小红书文案，它给我整出一篇公文，我哭笑不得。
代码辅助这个场景，模型规模的影响特别明显。我给过同一个需求：写一个Python脚本，批量重命名文件夹里的图片并按拍摄日期分类。大一点的模型能一次给对，还知道加上异常处理。小模型给出来的代码经常漏掉边界情况，路径拼接用字符串加号硬怼。调试的时候我一般把报错信息贴回去让它改，多轮下来大多能修好，就是费时间。这个场景我建议别省事，多用几个模型跑跑看，差距一眼能看出来。
摘要改写是个看起来简单实际考验功力的任务。长文摘要最怕模型抓错重点，把边角料当核心。我试过扔一篇三千字的行业报告进去，让模型缩成三百字，有的模型缩得干净利落，有的把关键数据全丢了，剩下的都是套话。改写语气也有意思，让它把一段严肃文字改成轻松口吻，有的模型改得自然，有的改完像在硬凹。
多模态体验这两年进步很快。图片理解我用得比较多，拍一张菜单让它翻译，拍一张报错截图让它解释，准确率比前两年高不少。图像生成我玩得少，偶尔试几个免费额度，感受一下风格。语音这块我试过几个平台的朗读功能，中文自然度差别挺大，有的断句很怪。多模态的免费额度通常比纯文本紧，用的时候得算着点。
3.4 从在线体验到API迁移的路径与注意事项
网页版试爽了，下一步往往是想接API。这条路我走过好几回，中间有几个坑值得说说。最典型的一个坑是网页版和API版压根不是同一个模型。网页版可能用的是最新的大模型，API免费层给的是小一号的版本，名字看着差不多，能力差一截。我吃过这个亏，网页上测得好好的，接进代码里效果掉了一档，回头翻文档才发现免费层限的是另一个型号。
参数默认值也不一样。网页版的温度、top_p这些参数是平台调好的，API调用得自己设。同一个模型，温度设0.2和设0.9，输出风格能差出十万八千里。我一般迁移的时候先把参数对齐，再跑一遍之前在网页上用的那组测试题，看看结果能不能对上。
上下文长度也得重新确认。网页版可能给到128K，API免费层只给8K，我前面提过这个坑。迁移前拿一段超长文本试试边界，心里有数。
还有一个容易忽略的点是系统提示词。网页版通常内置了一段系统提示，API调用默认没有，得自己补。不补的话模型的行为会变，比如网页版回答很简洁，API调用却啰嗦一堆。我现在的习惯是把网页版的好用表现记下来，迁移时尽量在API侧还原。
迁移路径我一般这么走：先在网页上确定模型能用，然后找官方文档看API层的模型列表和限制，写个最小脚本跑通，再用测试题对比网页版和API版的输出。三步都过了，才正式往项目里接。急不得，急了容易返工。
3.5 如何利用搜索词发现优质免费体验平台
找免费体验平台这件事，搜索词用对了能省很多时间。我常用的组合有这么几个：「模型名 + 免费在线体验」「大模型 + 对比 + 不用登录」「AI模型 + 在线试用 + 免费额度」。前两个偏评测，后一个偏找入口。加上「不用注册」或者「免登录」这类限定词，能筛掉一堆要填手机号的站。
社区里的推荐比搜索引擎更靠谱。V2EX、即刻、小红书、知乎上常有人分享自己最近在用的平台，评论区还会有人补充踩坑经历。我关注了几个专门聊AI工具的博主，他们发新平台的时候我会去试一下。这种信息比广告位上的推荐真实得多。
判断一个平台靠不靠谱，我有几个土办法。看它敢不敢标模型版本号，只写「GPT级能力」不写具体型号的，多半是套壳。看它有没有使用条款和隐私政策，什么都没有的站，数据流向不明，别往里贴敏感内容。看它免费额度的规则写不写得清楚，含糊其辞的，用起来容易踩线。看社区里有没有人长期讨论，一个站如果只有推广贴没有真实反馈，我一般绕道。
搜索引擎结果里广告不少，我习惯往下翻几页看自然结果，或者直接加「site:zhihu.com」这类限定。有时候一个不起眼的小站反而好用，没什么推广，界面朴素，模型给得实在。这种站往往靠口碑传，搜索词里带上「推荐」「实测」这类词，容易翻出来。
找平台这件事没有一劳永逸的办法，平台会关停、会改规则、会换模型。我每过一阵子会清理一遍书签，把打不开的和变味的删掉，再补几个新的进来。保持一个十来個平台的清单，够用了。
免费的东西用久了，人会变懒。我有一阵子就是，哪个平台注册送额度就用哪个，哪个模型标着“免费”就往里塞数据，直到有一次往某个小站贴了份带客户信息的文档，贴完才想起来翻它的隐私政策，翻了半天没找着。那一下让我回过神来，免费不是没成本，成本藏在别的地方。
4.1 选型框架：能力、配额、稳定性、数据政策与生态支持
我早期选免费模型只看一件事：答得好不好。后来被坑了几回，才慢慢攒出一套自己的看法。现在我会同时看五个维度，能力、配额、稳定性、数据政策、生态支持，缺一个都得掂量掂量。
能力和配额是最直观的。能力决定它能干什么活，配额决定你能干多少活。我见过一个平台，模型能力挺强，每天只给二十次调用，写两篇文章就用完了，这种配额对我基本没法用。也见过配额大方但模型很弱的，一天给几千次，问什么都回得含含糊糊。两个得搭配着看。
稳定性这块我吃过亏。有个小平台刚开始用着挺顺，某天突然开始超时，查了下发现是它自己的服务器在扩容。免费用户排在最末位，高峰期基本调不通。数据政策是我现在必看的，尤其往里面放业务内容的时候。平台有没有说数据存多久、会不会拿去训练、能不能删除，这些条款藏在用户协议里，得耐着性子翻。生态支持听起来虚，实际影响不小，文档全不全、有没有社区讨论、出问题找不找得到人，这些决定了你踩坑之后能不能爬出来。
我现在的习惯是拿张纸画个表，五个维度各打一分，先粗筛一遍。分低的直接划掉，不用浪费时间试。这套办法土，但省事。
4.2 数据隐私、内容安全与平台使用条款
数据隐私这件事，我吃过一次教训之后就变得特别敏感。那次是往一个免费平台贴了份内部会议纪要，让它帮忙整理成待办清单。贴完才意识到，那份纪要里有客户名字和报价。我去翻那个平台的使用条款，发现它写明用户输入可能被用于服务改进。服务改进这四个字很含糊，到底是不是拿去训练模型，它没说清。我赶紧把那条记录删了，心里还是别扭了好几天。
从那以后我给自己定了条规矩：免费平台不碰真实业务数据。要试效果，自己编一段假数据，结构一样、内容换掉，测出来的结论照样管用。真要处理敏感内容，先看平台有没有明确的数据不用于训练的承诺，有没有删除机制，有没有通过什么安全认证。这些信息一般藏在隐私政策或者FAQ里，找不到的话我就默认它不可信。
内容安全是另一个维度。免费平台的内容审核往往比付费版更松，或者说更不稳定。我试过同一个提示词，在一个平台能出结果，换一个平台直接被拦，也没给具体原因。做内容类应用的话，这个不确定性得提前考虑进去。平台使用条款我现在的做法是先扫一遍关键词，找几个关键的：数据使用、内容责任、服务终止、免责声明。这四块看明白了，基本就知道这个平台能不能放心用。
4.3 免费服务的稳定性、限流与依赖风险管理
免费服务的稳定性，我的体感是比天气预报还不准。好的时候连着几周不出问题，坏的时候一天断三回。我经历过一次比较难受的，某个平台的免费API用了两个月，代码都写好了，突然发公告说免费额度砍半，速率限制从每分钟二十次降到五次。我那套批处理脚本直接跑不动了，改代码改了一下午。
限流这件事，免费用户永远是排在最后的。平台没义务保证你的可用性，这点得认。我的应对方式是提前测边界，拿个小脚本压一压，看它在什么频率下开始报错，错误码长什么样，恢复要多久。这些数据记下来，写代码的时候心里有数，该加重试加重试，该加队列加队列。
依赖风险我现在的理解是，别把鸡蛋放一个篮子里。免费服务随时可能变脸，关停、改规则、换模型、加验证，什么事都可能发生。我自己的项目里，只要用到了免费API，一定留一个备选方案。备选不用多强，能顶上去就行。有时候备选是个更小的模型，有时候是个完全不同的平台，甚至有时候就是本地跑的一个开源小模型，慢是慢点，但不至于全停。
4.4 可持续使用策略：混合调用、成本监控与备用方案
免费额度用久了，人会形成一种惯性，总想着怎么把免费的部分榨干。我也有过这个阶段，后来发现光靠免费撑不住一个正经项目，就开始琢磨混合调用的路子。
混合调用的思路挺朴素：重要的、难的任务走能力强的通道，简单的、批量的走免费通道。我有个小工具是做文本分类的，短文本用免费小模型跑，准确率够用；碰到长文或者边界模糊的，切到付费的大模型上。这样每个月的成本压得很低，效果也没怎么打折。路由逻辑我写得简单，按输入长度和任务类型分个流，没搞太复杂。
成本监控这块，免费服务其实也需要。不是监控花了多少钱，是监控用了多少次、还剩多少、什么时候重置。我吃过一次亏，以为某个平台的额度是每月重置，结果是每天重置，白白攒了一堆没用完的次数。现在我给常用的几个平台都记了个小账，额度多少、重置周期、当前消耗，一目了然。
备用方案我一般准备两层。第一层是同级别的替代平台，主平台挂了直接切过去，代码改动很小。第二层是降级方案，比如从大模型退到小模型，从在线退到本地。降级方案平时用不上，但真出事的时候能救命。我建议每个用免费资源做东西的人都花半小时想想，主通道断了你怎么办，想清楚了再动手写代码。
4.5 免费与付费的衔接：何时升级、如何平滑迁移
什么时候该从免费升到付费，我自己的判断标准有三个。一是免费额度开始频繁成为瓶颈，每天都要算着用，说明需求已经超过免费层的承载。二是稳定性问题开始影响正常使用，比如关键任务因为限流失败，重试也救不回来。三是数据政策不允许，免费平台的处理方式满足不了合规要求，这个没得商量，只能换。
升级的时机也有讲究。我一般不会等到完全用不了才升，会提前一点动手，留出迁移和测试的时间。有次我拖到免费额度彻底耗尽那天才想起来升级，结果当天有个急活，手忙脚乱地注册付费账号、绑卡、改代码，折腾到半夜。
平滑迁移的关键是提前对齐。免费版和付费版的模型可能不是同一个，参数默认值也可能不一样。我在迁移前会做一件事：拿之前那组固定测试题，在免费版上跑一遍存好结果，升到付费版之后再跑一遍，两边对照。差异大的地方逐个排查，是模型换了还是参数变了，弄清楚了再往生产环境推。
还有一点是计费方式的理解。免费是固定的，付费是按量走的，这个转变需要适应。我建议升级初期设个预算提醒，别一上来就放开跑。跑上一两周，看看实际消耗和预期差多少，再调整调用策略。免费到付费不是换个key那么简单，是一整套使用习惯的调整，急不得。
我见过太多人，收藏夹里存了几十个免费AI平台，真到要用的时候一个都想不起来。免费资源这东西，看多了会麻木，攒多了会乱。我自己就经历过那个阶段，后来逼着自己定了几条路线，按着路线走，才算是把免费资源用出了点样子。
5.1 个人学习与原型验证路线
个人学AI模型，我的建议特别简单：别从看教程开始，从注册账号开始。我当初就是翻了一堆“大模型入门指南”，看完还是不知道API长什么样。后来硬着头皮去注册了一个免费平台，拿到key，在终端里跑通了第一个curl请求，那一下才算真入门了。
具体路线我自己走过一遍，大概是这么几步。先找两三个在线体验平台，不写代码，纯聊天，感受不同模型的脾气。有的模型回答问题像教科书，有的像朋友聊天，有的动不动就拒绝回答。这一步不花钱不费劲，但能帮你建立基本的模型认知。
然后挑一个平台，去翻它的API文档。重点看三样东西：鉴权怎么搞、调用格式长什么样、有没有免费额度说明。文档里一般都有个“快速开始”，照着抄一遍，把key换掉，在本地跑通。跑通之后别急着做项目，先试着改参数，把temperature调高调低看看输出变化，把max_tokens改大改小看看截断效果。这一步是在建立手感。
手感有了之后，找个真实的小需求练手。我当时的需求是每天自动整理几十条碎片笔记，用免费API写了个脚本，定时跑，生成摘要。需求很小，但完整走了一遍调用、解析、错误处理、结果保存的流程。这个脚本后来成了我所有小工具的模板，改改提示词就能换个场景用。原型验证这事，关键不在大，在完整。把一件事从头到尾跑完，比看十篇教程管用。
5.2 团队PoC与低成本上线路线
团队场景和个人完全是两码事。个人可以随便折腾，团队得考虑谁能用、怎么管、出问题谁负责。我参与过几个小团队的免费模型PoC，踩过的坑比个人用多得多。
PoC的第一步不是技术验证，是把需求定死。我见过团队一上来就说“咱们试试大模型能干什么”，试了两周什么都没试出来。有效的方式是先找一两个具体的、可量化的场景，比如“客服问答的匹配准确率能不能到八成”或者“每周报告初稿能不能节省两个小时”。需求清楚了，选模型、选平台才有依据。
技术验证这块，我的经验是同时跑两到三个平台，拿同一组测试数据轮流灌。测试数据不用多，二三十条有代表性的就够。每条记录人工打分和模型输出，跑完一圈做个横向对比。我做过一个简单的评分表，准确度占五十分，响应速度占二十分，稳定性占二十分，易用性占十分，算个总分拉倒。这套评分表粗糙，但比凭感觉选靠谱。
低成本上线有几个务实做法。一是混合调用，把任务按重要程度分流，重要的走稳定的付费通道，边缘的走免费通道，比例自己调。二是灰度放量，先让团队里两三个人用，跑一周没问题再放开。三是加监控，不用搞太复杂，记一下每天调用次数、失败次数、平均响应时间，写个定时脚本发到群里就行。我见过团队上线不监控的，某天免费额度被用完，所有人傻眼。这事提前打个招呼就能避免。
团队用免费资源还有个容易忽略的点：文档和交接。谁申请的key、额度多少、什么周期重置、出问题找谁，这些信息得有个地方记着。我用过一个共享文档干这事，一页纸，写清楚就行。别小看这个，团队里人一多，没个记录必然乱。
5.3 免费资源导航清单与高效搜索关键词
资源导航这块，我不打算给你列一堆平台名字。平台会变，名单会过期，但找资源的方法不太会变。我自己的做法是维护一个动态清单，分四类记：开放模型下载站、云厂商免费额度页、社区聚合入口、个人开发者的小型体验站。
开放模型这块，Hugging Face是绕不开的，上面能按任务类型筛选模型，很多模型页直接挂了在线体验的demo。云厂商的免费额度页得勤看着点，各家政策半年一小变一年一大变，我一般设个日历提醒，每季度扫一遍。社区聚合入口指的是那种收录了几十上百个模型链接的页面，质量参差，但拿来开眼界够用。个人开发者的小站值得单独说说，这类站往往有惊喜，某个退休工程师搭的免费接口，可能比大平台的还好用，缺点是不稳定，说不准哪天就关了，适合拿来测试不适合依赖。
搜索关键词是我摸索出来的一个小技巧。直接搜“免费AI API”出来的结果，广告和内容农场占了一大半。我常用的组合是“模型名 + free tier + api”或者“模型名 + playground + no signup”。加no signup能筛掉一堆需要注册的站，加free tier能找到云厂商的额度说明。还有个词是“rate limit”，搜“模型名 + rate limit”经常能翻到别人贴出来的限流实测数据，比自己一个个试快多了。
中文搜索也有技巧。搜“免费额度 实测”比搜“免费API推荐”靠谱，前者往往是真实用户写的使用记录，后者十有八九是推广。我还习惯在GitHub上搜“free llm api list”这类关键词，有几个仓库专门维护这类清单，更新挺勤快，star数高的通常比较靠谱。
5.4 总结：免费AI模型使用的关键原则与行动建议
写了这么多，回头想想，免费AI模型这事最核心的原则就一条：把它当成手段，别当成目的。免费额度是为了让你把事做成，不是为了让你省下多少钱。我见过有人为了薅免费额度，花三天时间比对二十个平台，最后省了几块钱，时间搭进去不值。
第二条原则是留后路。免费服务随时会变，这是它的本质属性，怪不了谁。你自己得有备选，主通道断了能切，降级能用，项目不至于停摆。我包里常年放着两三个备选平台的key，平时不用，出事的时候掏出来就能顶。
行动建议我给三个具体的。一是这周就注册两个平台，跑通一个最小调用，别拖。二是给你常用的免费服务建个表，记上额度、周期、限制，贴在看得见的地方。三是找一个小需求，用免费资源完整做一遍，做完你就知道这套东西适不适合你了。
免费AI模型的资源版图还在变，今天的攻略明天可能就过时。方法比名单活得久。学会怎么找、怎么试、怎么管，比攥着一份现成的清单管用得多。
