8 天前最快的免费模型，今天开始收费了

八天前我测了 21 个免费大模型入口，写过一篇，说当时有 9 个能用。那篇里速度最快的是 Cerebras 上的 gpt-oss-120b，593 毫秒，我明确推荐它当首选。

今天我拿同一份脚本、同一道题，又跑了一遍。

Cerebras 那个入口现在返回的是这么一句：

Payment required to access this resource. Visit your billing tab.

要付费了。

八天，账本变成这样

可用 9 个变成 8 个，限流 5 个变成 3 个，已死或报错 7 个变成 10 个。

数字上看只少了一个，但成分换了。

出局的是 Cerebras 的两个入口。而且是两种完全不同的死法。

gpt-oss-120b 撞的是付费墙，错误码 payment_required，意思是这个 key 的免费额度到头了，想继续用得去账单页。

zai-glm-4.7 是另一回事，返回：

Model zai-glm-4.7 is archived and unavailable for the organization.

错误码 model_archived。这个模型被归档了，对这个组织来说已经不存在。

一个是「你还能用，但要给钱」，一个是「这东西没了」。做备份方案的时候这两种要分开对待：前者充钱就能复活，后者充多少钱都没用。

顶上来的是 Groq。

八天前 Groq 的 gpt-oss-120b 在限流，我当时把它归进「限流 5 个」那一档，还写了一句「它限流是常态但恢复也快」。今天它恢复了，545 毫秒，是全场最快的一个。

也就是说，速度榜易主了，而且新科第一和退位的那个，跑的是同一个模型。

还有两个变化容易被忽略

NVIDIA Nemotron-49B 慢了将近四倍。八天前 4058 毫秒，今天 15574 毫秒。它还活着，返回也正常，但如果你把它放在有人等着的地方，用户体验已经是另一回事了。

「能用」和「好用」在这里不是一回事，这话我上篇写过一次，这次它自己又演了一遍。

Mistral 上的 GLM-5.2 从「限流」变成了「订阅层级不支持」。

八天前它报的是限流，我归到「明天可能就好了」那一档。今天它报的是：

This model is not available in your subscription tier

这个性质变了。限流是等一等的事，订阅层级不支持是等不来的。当时那个判断是错的，或者说，当时那个错误信息掩盖了真实情况。

我的脚本把这两个死亡判成了「空返回」

这部分是这次复测里我自己最意外的地方。

第一轮跑完，Cerebras 那两个入口显示的不是「已死」，是「空返回」，就是那种拿到了 200、但内容是空的状态。我当时以为是限流的另一种表现，直到单独去看原始响应，才发现人家早就把话说明白了。

原因是各家的错误 JSON 结构不一样。

OpenAI 兼容的常见写法是把错误包在 error 里：

{"error": {"message": "...", "code": "..."}}

Cerebras 不是。它是顶层直接给：

{"message": "Payment required to access this resource.",
 "type": "payment_required_error",
 "code": "payment_required"}

没有 error 这个字段。

而我脚本里判错的那一行写的是 if (j.error || j.status >= 400 || j.object === 'error')。三个条件一个都不命中，于是程序继续往下走，去读 j.choices[0].message.content。choices 压根不存在，取到空字符串，最后落进了「空返回」那一档。

一个明明白白告诉你「要付费」的响应，被我判成了「返回了个空的」。

上一篇我讲过一个刚好相反的坑：推理模型把内容放在 reasoning 字段里，只读 content 会把活的判成死的。这次是只认 error 字段，把死的判成了空的。

两个坑合起来是同一句话：你的监控看到的是什么，取决于你打算看哪个字段。而各家根本没商量好把话放在哪。

如果你也在做这类可用性检查，判错的条件至少要覆盖三种：error 对象、顶层 message 加 code、以及 HTTP 状态码本身。只要 choices 不存在就应该当异常处理，而不是当成空内容。

上一篇的建议，这次自己验证了

八天前那篇的核心结论是一句话：同一个模型，配多个平台的入口，比配多个不同模型更有效。理由是换平台请求体基本不用动，换模型要改代码。

当时 gpt-oss-120b 有三个入口：Cerebras 能用而且最快，Cloudflare 能用，Groq 限流。我给的排法是走 Cerebras，备 Cloudflare，Groq 留着别删。

八天后这三个入口的状态是：Cerebras 撞付费墙，Cloudflare 还活着但慢到 4205 毫秒，Groq 恢复并且成了最快。

如果你当时照着那个排法配了，这八天你的服务不会中断，甚至可能没感觉到主力已经换过一轮。

我把这件事单独拎出来说，不是因为我猜对了。是因为这次的数据说明了一个更实际的问题：这类免费入口的寿命是以天计的，任何一份「谁最好用」的清单，包括我写的，保质期都很短。清单会过期，配置结构不会。

现在这一版怎么配

按今天的数据，如果你在项目里挂免费模型：

gpt-oss-120b 这个模型改走 Groq。545 毫秒，全场最快。Cloudflare 留着做备用，它慢但稳定活着。Cerebras 那个入口先摘掉，等你愿意付费再说。

要国内直连不折腾网络环境，智谱 GLM-4-Flash 仍然是兜底首选。它这次慢了一些，1590 毫秒变成 2546 毫秒，但一直没出过事。

Nemotron-550B 系列可以放在 NVIDIA 和 OpenRouter 两个入口上。今天 NVIDIA 是 1377 毫秒、OpenRouter 是 1437 毫秒，两边都健康，互为备份。

NVIDIA Nemotron-49B 挪去跑离线任务。15 秒不适合放在有人等着的地方。

别再往 Cerebras 的 GLM-4.7 上花时间。模型归档了，这个跟额度没关系。

几句边界

这是一个账号、一个时间点的快照，2026 年 8 月 25 日。限流的那三个明天可能就好了，能用的那八个明天可能就限了。

「已死」这一档里要区分两种情况：GitHub 那两个是服务本身退役了，谁都用不了；而欠费、余额不足、订阅层级、付费墙这几个，严格说是「我这个账号用不了」，换个账号或者充钱就能复活。Cerebras 撞付费墙只说明我这个 key 的免费额度用完了，不代表它对所有人都开始收费。

另外我只测了能不能正常返回结果，没测质量，也没跑穿额度看上限。

想自己核一遍的话，记住上面那个判错的坑：别只看 error 字段。