简介:免费大模型 API 确实能白嫖,但"免费"两个字里藏着三层坑:接口列不出免费模型、名字像免费的其实要计费、HTTP 200 却返回空内容。本文按踩坑顺序拆解原因,附可直接复用的探测脚本、Token 计费常识与生产环境兜底方案。
先说结论: 免费大模型 API 能调通,但”免费”这三个字里至少埋了三层坑 ——列表接口查不到免费模型、名字长得像免费的其实要扣费、HTTP 200 但 content 返回空字符串。不想逐个平台试错的,可以先在 百度智能云词元所 上横向对比各模型的调用成本与能力定位,再决定把哪个模型放进链路。
下面按踩坑顺序拆开讲。
/models 接口列不出免费模型很多人的第一反应是”先拉一下模型列表,挑个免费的”。以智谱为例:
curl https://open.bigmodel.cn/api/paas/v4/models \-H "Authorization: Bearer $KEY"
返回的是 glm-4.5、glm-4.6、glm-4.7、glm-5、glm-5-turbo、glm-5.1、glm-5.2 这一串,全是付费主力,一个 flash 都没有。
原因不难理解:/models 返回的是 当前账号已开通/可结算的模型清单 ,免费额度的模型往往走的是另一套配额体系,不一定出现在这个列表里。所以 免费模型 ID 只能从官方文档和更新日志里翻 ,别指望接口自证。
x,就要钱有开发者把公开资料里出现过的免费模型 ID 全试了一遍,实测大致是这样:
| 模型 ID | 能否调通 | 耗时 | 说明 |
|---|---|---|---|
glm-4-flash |
✓ | 0.7–1.7s | 最稳,适合当日常主力 |
glm-4-flash-250414 |
✓ | ~0.7s | 带日期的快照版本 |
glm-4-flashx |
✗ | — | 报”余额不足或无可用资源包” |
glm-4.5-flash |
✓ | 18–42s | 旧 ID 仍可调通,但慢 |
glm-4.7-flash |
⚠ | 7–10s | 能用,但十次里约六次被限流 |
glm-z1-flash |
✓ | 5.5–6s | 推理模型 |
glm-4v-flash |
✓ | ~1.1s | 图像理解 |
glm-4.1v-thinking-flash |
✓ | ~1.9s | 图像推理 |
glm-4-flashx 必须单独拎出来说。名字跟 glm-4-flash 只差一个字母,大量”免费模型汇总”文章都把它列进免费清单,实际调用返回的是:
{"error":{"code":"1113","message":"余额不足或无可用资源包,请充值。"}}
教训:模型 ID 必须实测,不能靠名字推断计费策略。 命名相近的 flash / flashx / flash-250414,免费策略可能完全不同。
这个坑的隐蔽性远高于前两个,因为它 不报错 。
现象:调 glm-4.5-flash 或 glm-4.7-flash,HTTP 200,choices.message.content 是空字符串。很容易得出”这个思考模型有问题,别用”的错误结论,然后把整个模型拉黑。
真实原因是 参数给错了 。同一个模型、同一个问题,只改 max_tokens:
# ❌ 空返回:预算被思考过程吃光resp = client.chat.completions.create(model="glm-4.5-flash",messages=[{"role": "user", "content": "1+1等于几?"}],max_tokens=16,)# choices.message.content == ""# choices.finish_reason == "length"# choices.message.reasoning_content 里塞满了推理文本
思考型(thinking)模型的输出分两段:先产 reasoning_content(思维链),再产 content(正式答案)。而 max_tokens 限制的是 两者之和 。预算只有 16 个 token 时,模型还在”想”,就被强制截断了,正式答案一个字都没轮到。
正确写法:
resp = client.chat.completions.create(model="glm-4.5-flash",messages=[{"role": "user", "content": "1+1等于几?"}],max_tokens=1024, # 给思考过程留足预算temperature=0.1,)msg = resp.choices.messageif not (msg.content or "").strip():# 兜底:区分"被截断"和"真的没内容"if resp.choices.finish_reason == "length":... # 调大 max_tokens 重试else:... # 记录 reasoning_content 便于排查
排查口诀:遇到空返回,先看 finish_reason,再看 usage.completion_tokens 是不是顶到了 max_tokens。
与其信汇总文章,不如自己跑一遍。这个脚本能一次性输出”能不能调 / 空不空 / 多慢 / 花了多少 token”:
import os, time, requestsBASE = "https://open.bigmodel.cn/api/paas/v4"KEY = os.environ["ZHIPU_KEY"]CANDIDATES = ["glm-4-flash", "glm-4-flash-250414", "glm-4-flashx","glm-4.5-flash", "glm-4.7-flash", "glm-z1-flash", "glm-4v-flash",]def probe(model):t0 = time.time()try:r = requests.post(f"{BASE}/chat/completions",headers={"Authorization": f"Bearer {KEY}"},json={"model": model,"messages": [{"role": "user", "content": "1+1=?"}],"max_tokens": 1024, # 关键:给思考模型留预算"temperature": 0.1},timeout=60,)except Exception as e:return "EXC", f"{type(e).__name__}: {e}", time.time() - t0cost = time.time() - t0if r.status_code != 200:return f"HTTP{r.status_code}", r.text[:100], costch = r.json()["choices"]msg = ch["message"]content = (msg.get("content") or "").strip()reasoning = (msg.get("reasoning_content") or "").strip()usage = r.json().get("usage", {})if content:state = "OK"elif reasoning:state = f"EMPTY(截断, reasoning={len(reasoning)}字)"else:state = "EMPTY(无内容)"return state, usage, costfor m in CANDIDATES:state, info, cost = probe(m)print(f"{m:26s} {state:32s} {cost:5.1f}s {info}")
建议把它做成 CI 里的定时任务:免费模型的可用性和限流策略变动很频繁,靠人工发现基本来不及。
免费额度不是”零成本”,只是成本从账单转移到了别处:
glm-4.7-flash “十次六次被限”就是典型。glm-4.5-flash,实测 18–42s 的波动区间,做交互式产品基本没法用。免费模型适合做原型验证、Demo、离线批处理,不适合直接扛生产流量。可落地的做法是三层:
flash / flashx 这类近似命名)max_tokens 至少给到 1024,并处理 finish_reason == "length"reasoning_content,别急着换模型选型阶段也别只盯单价。同一个任务,flash 级模型和旗舰级的 token 消耗量可能差好几倍,把”完成单位任务的总成本”算出来才有可比性——词元所 的模型价格与性能对比、调用管理能力就是为这件事准备的,可以顺手把候选模型放进同一张表里评估。
一句话总结 :免费 API 的三个坑分别是”列表查不到””名字会骗人””200 也会空”,对应的解法是查文档、写探测脚本、给思考模型留足 max_tokens。原型阶段放心用,上生产记得加统一接入和降级兜底。