嗨～如果你在找既温柔又省荷包的小模型，就把它们悄悄收进这里吧！它们也许不是夜空最亮的那颗星，却能在摘要、划重点、轻声问答的小角落里，给你软软又稳稳的陪伴哦～

模型名称	版本名称	服务内容	子项	批量推理	单位
ERNIE Speed	ernie-speed-128k	推理服务	输入	0.00012	元/千tokens
ERNIE Speed	ernie-speed-128k	推理服务	输出	0.00024	元/千tokens
ERNIE Lite	ernie-lite-8k	推理服务	输入	0.0012	元/千tokens
ERNIE Lite	ernie-lite-8k	推理服务	输出	0.0024	元/千tokens
ERNIE Tiny	ernie-tiny-8k	推理服务	输入	0.00008	元/千tokens
ERNIE Tiny	ernie-tiny-8k	推理服务	输出	0.00016	元/千tokens

import requests
import json

def main():
    url = "https://qianfan.baidubce.com/v2/chat/completions"
    API_KEY = 'YOUR_API_KEY'
    payload = json.dumps({
        "model": "ernie-speed-128k",
        "messages": [
            {
                "role": "system",
                "content": "You are a helpful assistant."
            },
            {
                "role": "user",
                "content": "你好"
            }
        ]
    })
    headers = {
        'Content-Type': 'application/json',
        'Authorization': F'Bearer {API_KEY}'
    }
    response = requests.request("POST", url, headers=headers, data=payload)
    print(response.text)
    

if __name__ == '__main__':
    main()

讯飞星火大模型

快速上手

# encoding:UTF-8
import json
import requests


# 请替换XXXXXXXXXX为您的 APIpassword, 获取地址：https://console.xfyun.cn/services/bmx1
api_key = "Bearer XXXXXXXXXX"
url = "https://spark-api-open.xf-yun.com/v1/chat/completions"

# 请求模型，并将结果输出
def get_answer(message):
    #初始化请求体
    headers = {
        'Authorization':api_key,
        'content-type': "application/json"
    }
    body = {
        "model": "Lite",
        "user": "user_id",
        "messages": message,
        # 下面是可选参数
        "stream": True,
        "tools": [
            {
                "type": "web_search",
                "web_search": {
                    "enable": True,
                    "search_mode":"deep"
                }
            }
        ]
    }
    full_response = ""  # 存储返回结果
    isFirstContent = True  # 首帧标识

    response = requests.post(url=url,json= body,headers= headers,stream= True)
    # print(response)
    for chunks in response.iter_lines():
        # 打印返回的每帧内容
        # print(chunks)
        if (chunks and '[DONE]' not in str(chunks)):
            data_org = chunks[6:]

            # print(f"DEBUG: raw data_org: {data_org}")
            chunk = json.loads(data_org)
            text = chunk['choices'][0]['delta']

            # 判断最终结果状态并输出
            if ('content' in text and '' != text['content']):
                content = text["content"]
                if (True == isFirstContent):
                    isFirstContent = False
                print(content, end="")
                full_response += content
    return full_response


# 管理对话历史，按序编为列表
def getText(text,role, content):
    jsoncon = {}
    jsoncon["role"] = role
    jsoncon["content"] = content
    text.append(jsoncon)
    return text

# 获取对话中的所有角色的content长度
def getlength(text):
    length = 0
    for content in text:
        temp = content["content"]
        leng = len(temp)
        length += leng
    return length

# 判断长度是否超长，当前限制8K tokens
def checklen(text):
    while (getlength(text) > 11000):
        del text[0]
    return text


#主程序入口
if __name__ =='__main__':

    #对话历史存储列表
    chatHistory = []
    #循环对话轮次
    while (1):
        # 等待控制台输入
        Input = input("\\n" + "我:")
        question = checklen(getText(chatHistory,"user", Input))
        # 开始输出模型内容
        print("星火:", end="")
        getText(chatHistory,"assistant", get_answer(question))

腾讯混元大模型

import os
from openai import OpenAI

# 构造 client（建议使用环境变量管理密钥）
api_key = os.getenv("HUNYUAN_API_KEY", "YOUR_API_KEY")
client = OpenAI(
    api_key=api_key,  # 混元 APIKey
    base_url="https://api.hunyuan.cloud.tencent.com/v1",  # 混元 endpoint
)

completion = client.chat.completions.create(
    model="hunyuan-lite",
    messages=[
        {
            "role": "user",
            "content": "泥嚎"
        }
    ],
    extra_body={
        "enable_enhancement": True,
    },
)
print(completion.choices[0].message.content)

低价大模型

SCNet 平台

简介

SCNet 是一个面向人工智能和科学计算的一站式算力与 AI 平台，提供从数据管理、模型训练到部署的完整链路服务，同时结合国产超算硬件和多模态模型生态，让企业和开发者能更高效地使用 AI。

链接与文档

价格一览

目前看到的价格最低的 Qwen3-235B-A22B 模型的 API，相比前面的免费模型，性能更强。

模型	上下文长度	百万 tokens 输入价格	百万 tokens 输出价格
Qwen3-235B-A22B	32K	0.1 元	0.1 元
DeepSeek-R1-Distill-Qwen-7B	32K	0.1 元	0.1 元
DeepSeek-R1-Distill-Qwen-32B	32K	1 元	4 元
DeepSeek-R1-Distill-Llama-70B	32K	0.1 元	6 元
QwQ-32B	32K	1 元	4 元
Qwen3-30B-A3B	128K	1 元	6 元
Qwen3-Embedding-8B	-	0.1 元	-

小结

一句话：先薅免费的，薅不动再掏 0.1 元，让荷包和模型一起“稳稳幸福”吧！

免费的大模型 API 整合

百度千帆大模型平台

快速上手

讯飞星火大模型

快速上手

腾讯混元大模型

低价大模型

SCNet 平台

简介

链接与文档

价格一览

小结