免费 AI 大模型 API 汇总及国内大模型使用教程

讯飞星火 spark-lite 模型接入

1. 准备工作

访问讯飞星火认知大模型官网，注册账号并完成实名认证。在控制台中创建应用，获取 APPID、APISecret 和 APIKey。

2. 请求地址与参数

Spark Lite 模型使用 WebSocket 协议进行通信。核心参数如下：

• 请求地址：wss://spark-api.xf-yun.com/v1.1/chat
• Domain 参数：general

3. Python 代码示例

由于星火使用的是 WebSocket，以下展示基于 websocket-client 库的简化逻辑框架（实际开发中需处理鉴权签名生成）：

import websocket
import json
import time

def on_message(ws, message):
    data = json.loads(message)
    content = data.get('payload', {}).get('choices', {}).get('text', [])
    if content:
        print(content[0]['content'])

def on_error(ws, error):
    print(f"Error: {error}")

def on_close(ws, close_status_code, close_msg):
    print("Connection closed")

def on_open(ws):
    # 此处应包含鉴权签名的生成逻辑
    # 参考官方文档中的 auth.py 文件
    request_data = {
        "header": {"app_id": "你的 APPID", "uid": "1234"},
        "parameter": {
            "chat": {
                "domain": "general",
                "temperature": 0.5,
                "max_tokens": 2048
            }
        },
        "payload": {
            "message": {
                "text": [{"role": "user", "content": "你好"}]
            }
        }
    }
    ws.send(json.dumps(request_data))

if __name__ == "__main__":
    # 注意：实际生产环境请使用官方提供的鉴权脚本生成 URL
    url = "wss://spark-api.xf-yun.com/v1.1/chat"
    ws = websocket.WebSocketApp(url, on_open=on_open, on_message=on_message, on_error=on_error, on_close=on_close)
    ws.run_forever()

百度千帆 speed 和 lite 模型接入

1. 开通流程

1. 登录百度智能云千帆平台。
2. 完成实名认证。
3. 在'应用接入'中创建应用，获取 AppID、API Key、Secret Key。

2. 模型参数映射

不同模型对应的 model 参数如下：

3. Python 代码示例

百度千帆采用 OAuth 2.0 获取 Access Token，随后通过 HTTP POST 发送请求。

import requests
import json

API_KEY = "你的 API Key"
SECRET_KEY = "你的 Secret Key"

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是 None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {
        "grant_type": "client_credentials",
        "client_id": API_KEY,
        "client_secret": SECRET_KEY
    }
    response = requests.post(url, params=params)
    result = response.json()
    return result.get("access_token")

def main():
    access_token = get_access_token()
    if not access_token:
        print("Failed to get access token")
        return

    url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie_speed?access_token={access_token}"
    
    payload = json.dumps({
        "messages": [
            {
                "role": "user",
                "content": "请介绍大模型的基本原理"
            }
        ]
    })
    headers = {
        'Content-Type': 'application/json'
    }
    
    try:
        response = requests.request("POST", url, headers=headers, data=payload)
        print(response.text)
    except Exception as e:
        print(f"Request failed: {e}")

if __name__ == '__main__':
    main()

腾讯混元 hunyuan-lite 模型接入

1. 密钥管理

登录腾讯云控制台，进入'混元大模型'页面。点击'创建密钥'，生成新的 API 密钥。建议将密钥存储在环境变量中，避免硬编码在代码里。

2. 调试与集成

腾讯云提供在线调试界面，可先在此测试 Prompt 效果。确认无误后，将调试成功的请求结构复制到本地代码中。通常需要使用 tencentcloud-sdk-python 或标准 HTTP 库进行封装。

扣子 (Coze) API 使用

1. 前置条件

• 已创建个人访问令牌（Personal Access Token）。
• 已将 Bot 发布为 API 服务。

2. 步骤详解

1. 创建令牌：在 Coze 平台个人中心创建令牌，并配置对应权限。
2. 发布 Bot：进入目标空间，选择 Bot，点击发布，选择 Bot as API 选项。

3. Python 代码示例

单轮对话请求示例：

import requests

url = "https://api.coze.cn/open_api/v2/chat"
headers = {
    "Authorization": "Bearer YOUR_PERSONAL_ACCESS_TOKEN",
    "Content-Type": "application/json",
    "Accept": "*/*",
    "Host": "api.coze.cn"
}
data = {
    "conversation_id": "123",
    "bot_id": "YOUR_BOT_ID",
    "user": "29032201862555",
    "query": "你好",
    "stream": False
}

response = requests.post(url, headers=headers, json=data)
print(f"Status Code: {response.status_code}")
print(f"Response: {response.json()}")

硅基流动 SiliconFlow 接入

1. 平台资源

硅基流动提供了多个开源模型的免费额度，包括 Qwen、GLM、Yi 等系列。进入控制台创建新 API 密钥即可开始使用。

2. 支持模型列表

• Qwen/Qwen2-7B-Instruct (32K, 免费)
• THUDM/glm-4-9b-chat (32K, 免费)
• 01-ai/Yi-1.5-9B-Chat-16K (16K, 免费)

3. Python 代码示例

硅基流动兼容 OpenAI 格式接口，便于迁移：

import requests

url = "https://api.siliconflow.cn/v1/chat/completions"

payload = {
    "model": "Qwen/Qwen2-7B-Instruct",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ],
    "max_tokens": 4096,
    "stream": False,
    "temperature": 0.5
}

headers = {
    "accept": "application/json",
    "content-type": "application/json",
    "authorization": "Bearer YOUR_API_KEY"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

安全与最佳实践

1. 密钥管理：切勿将 API Key 直接提交到 Git 仓库。建议使用 .env 文件或操作系统环境变量存储敏感信息。
2. 异常处理：网络请求可能超时或返回错误码（如 401 未授权、429 限流）。代码中应增加重试机制和日志记录。
3. 成本控制：即使是免费额度，也需注意 Token 消耗。在生产环境中，建议对输入输出内容进行缓存或截断处理。
4. 合规性：确保生成的内容符合法律法规要求，避免涉及敏感话题。

通过以上步骤，开发者可以快速集成各大主流大模型能力，构建智能问答、内容生成或数据分析等应用场景。