13 个免费大模型，一个月挂了 4 个
我服务器上挂着一份 7 月 12 日逐个真调校准过的免费大模型清单，13 个入口。昨天原样重跑，挂了 4 个：GitHub Models 已在 7 月 30 日彻底退役、ModelScope 模型下架、OpenRouter 免费档撤了。活着的 9 个里，最快和最慢差 30 倍。附存活对照表和一个不报错就开始计费的坑。
我服务器上挂着一份免费大模型清单，13 个入口，7 月 12 日逐个真调校准过——哪家什么额度、每分钟能发几次、慢到什么程度，全是当时一个个试出来的，不是抄的。
昨天我把这份清单原样重跑了一遍。
13 个里，挂了 4 个。
不到一个月。
先说最意外的那个：GitHub 的免费模型，没了
清单里有两个入口走的是 GitHub Models——GPT-4.1 和 GPT-4o-mini。7 月 12 日测的时候，GPT-4.1 大约 50 次/天，4o-mini 大约 150 次/天，是白嫖 OpenAI 系模型少有的正经渠道。
昨天再调，返回这个：
github_models_retirement_brownout:
GitHub Models is temporarily unavailable
as part of a scheduled retirement
查了官方公告，GitHub Models 已经在 2026 年 7 月 30 日彻底退役。playground、模型目录、推理 API、BYOK 全部下线。退役分三步走：6 月 16 日停止新客户，7 月 1 日宣布 7 月 30 日全面关停，中间 7 月 16 日和 7 月 23 日各做过一次 brownout（短时间断服演练，提醒你赶紧迁移）。
关键是最后这一刀没有豁免老用户。哪怕你一直在用、用量正常，7 月 30 日照样断。
我那份清单是 7 月 12 日校准的。十八天后它就死了。
另外三个的死法各不相同
ModelScope 的 DeepSeek-V4-Flash，一个月前还是 2000 次/天，现在报：
400 Model id : deepseek-ai/DeepSeek-V4-Flash,
has no provider supported
不是限流，是这个模型 ID 在平台上已经没有供给方了。模型本身被下架，接口还在。
OpenRouter 的 Llama-3.3-70B free，报的是：
404 This model is unavailable for free.
The paid version is available now
免费版下架，付费版接着卖。这是最典型的一种死法——不是关停，是把免费档撤了。
SambaNova 报 PAYMENT_METHOD_REQUIRED，要求先绑支付方式。不过它 7 月就死了，清单里当时已经标着「已死」，这次只是确认它还死着。
所以严格算，这一个月里新挂的是四个入口：GitHub 两个、ModelScope 一个、OpenRouter 一个。
活着的九个，快慢差 30 倍
挂掉的说完了，说说还能用的。同一个问题、同样的参数，挨个调一遍：
| 模型 | 单次耗时 | 并发 5 |
|---|---|---|
| Cerebras oss-120b | 576ms | 5/5 |
| Groq oss-120b | 671ms | 5/5 |
| Gemini Flash-Lite | 1267ms | 5/5 |
| 智谱 GLM-4-Flash | 1543ms | 5/5 |
| Mistral Large | 2668ms | 4/5 |
| NVIDIA Nemotron-49B | 4842ms | 5/5 |
| 智谱 GLM-4.7-Flash | 6290ms | 返回空 |
| Kimi k2.6 | 12284ms | 5/5 |
| 火山 GLM-5.2 | 17574ms | 5/5 |
最快的 Cerebras 是 576 毫秒，最慢的火山 GLM-5.2 是 17.5 秒。差 30 倍。
这个差距很要命，因为它们在清单里是并排列着的，看上去都叫"免费可用"。但 576 毫秒的那个，用户在页面上等一下就出来了；17.5 秒的那个，任何有人在前面等着的场景都不能用——用户早就以为卡死走人了。它只适合夜里跑批处理。
并发测试里只有 Mistral 挂了一个，五个并发请求有一个吃了 429。这跟它「每分钟 2 次」的限制对得上：它日额度给得很大方（10 亿 token/月），但水龙头开得极小。额度大和能猛薅完全是两回事，这是我见过最多人栽的一个误区。
还有个坑要单独提：智谱 GLM-4.7-Flash 调通了，但 content 是空的。不是模型坏了，是它属于思考模型，max_tokens 是"思考 + 回答"的总预算，思考本身就要吃掉一千多个 token。你给 500，全被思考用光，答案就没预算写了，返回空字符串、finish_reason 是 length。给到 1500 以上才稳定有内容。
一个不报错的坑：同样的模型，调用方式不对就从免费变收费
火山 GLM-5.2 这条要单独讲，因为它是这份清单里最容易亏钱的地方。
清单里记着一条铁律：调它必须用「授权接入点」的 EP ID（形如 ep-m-2026...），走这个通道才算协作奖励、才免费。如果你图省事直接用 Model ID glm-5-2-260617 调，后台明示是按 Token 后付费。
同一个模型、同一个 key、同一个接口，只是请求体里 model 字段填的东西不一样，一个不花钱，一个开始计费。
我这次重测走的是 EP ID，所以上面那个 17.5 秒是免费通道的成绩。
这类坑最阴的地方在于它不报错。你照样调得通、照样拿到结果，体验上毫无差别，只是账单在后面等着你。等发现的时候通常已经跑了几万次。
顺带一句，同一家的豆包、DeepSeek、图像模型都是按 Token 付费的，别顺手加进免费池——而且一旦账户欠费，会连带把免费的那个也锁死。
额度这一栏，我这次没重测
需要说清楚的边界：这次我重跑的是存活、延迟、并发，没有重测额度——把每家的日额度真正跑穿要消耗大量调用，成本太高。
下面这份额度是 7 月 12 日记录的，现在只能当参考：
| 模型 | 当时记录的免费额度 |
|---|---|
| 火山 GLM-5.2 | 日额度百万级，用尽拒绝、不计费 |
| Mistral Large | 10 亿 token/月，但 2 次/分 |
| Cerebras oss-120b | 100 万 token/天，约 30 次/分 |
| Gemini Flash-Lite | 约 1500 次/天 |
| NVIDIA Nemotron | 40 次/分，无日上限 |
| Groq oss-120b | 1000 次/天，但 10 万 token/天封顶 |
| 智谱 GLM-4-Flash | 永久免费不封顶 |
| Kimi k2.6 | 走余额，当时剩不到十块 |
考虑到一个月里挂了四个入口，这些数字现在有多少还准，我不敢打包票。当参考看，别当依据用。
我自己怎么排
要快、要扛并发，用 Cerebras 或 Groq。半秒到七百毫秒，并发五个全过，这两个是唯一能放在用户面前的。
国内直连不想走代理，用智谱 GLM-4-Flash。1.5 秒，并发全过，永久免费不封顶。它能力一般，但从来不掉链子，我所有链路的最后一道保险丝都是它。
要长上下文、能等，才轮到火山 GLM-5.2。十七秒的响应只能接受离线批处理。
Mistral 单独用要控频，别并发，老老实实排队发。
思考模型记得给足 max_tokens，不然就是白调。
这份清单的保质期，大概就是几周
写到这我其实有点犹豫要不要发。
因为按这个衰减速度——一个月挂四个——这篇文章里的表格，一个月后大概也有几行是错的。我给你一份清单，转头它就开始腐烂，这事本身有点荒诞。
但反过来想，这恰恰是最该说的一件事：网上那些"2026 免费 AI 大模型大全"，绝大多数是几个月前抄来的，抄的时候就没验，之后更没人回头重测。你收藏的那份看着有二三十家，实际点开可能一半是死链。GitHub Models 退役这么大的事，到现在还挂在无数篇"免费白嫖指南"里当推荐。
所以比这张表更有用的，是别信任何没标日期的清单，包括这一篇。它的日期是 2026 年 8 月 10 日。
真要用之前，花两分钟自己跑一遍最保险——挨个发一个最简单的请求，看谁还应答。我这次重测全程也就十几分钟。