免费获得大模型的Api-Key的方法:英伟达提供GLM-4.7、Minimax M2.1模型和GitHub的AI大模型API申请

免费获得大模型的Api-Key的方法:英伟达提供GLM-4.7、Minimax M2.1模型和GitHub的AI大模型API申请

最近一直在玩OpenClaw,无奈OpenClaw是个消耗token的高手!随随便便问了几个问题就能吃掉百万的token数,妥妥的吞金兽,如果有免费的token就好了!

今天就给大家介绍英伟达和Github的免费大模型API Key的获取方法。

传送门:

英伟达-Nvidia的免费API Key

说到英伟达,大家的第一反应可能是"卖显卡的大佬"。但很少有人意识到,拥有强大算力的英伟达,也在积极布局AI云服务市场。这波免费开放API的策略,本质上是一个聪明的生态布局——通过免费服务吸引开发者,为未来的商业变现铺路。

img

 

注册账号

1.打开英伟达官网

https://build.nvidia.com

点击“Login”

img

 

2.输入邮箱

输入邮箱、密码

img

 

3.验证邮箱

到邮箱接受到6位数验证码

img

 

邮箱内容:

img

 

4.创建英伟达云账号

这里随便填写,我填写star-ai-home

再点击“Create nvidia cloud account”

img

 

5.验证手机号

如图点击“Verify”

img

 

在右侧输入手机号码的地方,把+1手动改成+86,然后在+86后面输入你的手机号码,点击“Send Code via SMS”获取短信验证码,如图:

你的手机就能收到一条【优速通】开头的英文验证短信,里面的数字就是验证码,将数字在网页上输入,继续点“Verify”按钮验证成功。

img

 

6.创建API Keys

点击“API Keys”进入管理页面

img

 

点击“Generate API Key”创建API密钥

img

 

输入Key Name

过期默认选择,按照需求选择,可以选择12个月,也可以选择永不过期

最后“Generate Key”确定创建

img

 

复制出API key备用

检测API Key

如果没有Cherry Studio可以自行安装,或者使用其他软件也行。

星哥这里使用 Cherry Studio 测试一下

1.添加英伟达API Key

打开Cherry Studio

点击设置

模型服务,搜索“英伟达”,填写密钥

img

 

2.验证API Key

如图,打开英伟达的接口,再点击检测

选择llama-3.1检测,yi-large检测失败

img

 

3.选择模型

点击“管理”

搜索模型,我这里先oss、glm、minimax的关键字

再添加对应的模型

img

 

img

 

img

 

4.测试问题

回到助手

选择英伟达大模型

img

 

问它一个问题,看是否能回答。

img

 

测试无误,这就是Nvidia的免费API Key的方法。

下面

Github获取免费API Key

首先登录github

如果没有账号则注册

1.申请api key

用浏览器访问:https://github.com/settings/personal-access-tokens

点击:Generate new token

img

 

2.填写信息

填写token name

填写描述,

选择过期时间,我这里选择永不过期

Repository access 选择第一项

img

 

3.添加权限

点击 add permissions

搜索modes

img

 

选择modes

img

 

复制出api key

img

 

4.测试

接下来,浏览器访问 https://github.com/marketplace/models

img

 

再左上角选择API大模型,如 OpenAI、deepseek、DeepSeek 等。

img

 

gpt5不能用

 

免费的key,会有限制:https://docs.github.com/en/github-models/use-github-models/prototyping-with-ai-models#rate-limits

Playground 和免费 API 的使用受到速率限制,包括每分钟请求数、每日请求数、每次请求的令牌数以及并发请求数。如果您遇到速率限制,则需要等待速率限制重置后才能继续发出请求。

5.使用Cherry Studio配置

点击设置

模型服务,搜索“github”,填写密钥

img

 

测试成功

img

 

结束

英伟达和GitHub的这两条免费通道,给了我们一个低成本体验顶级AI能力的机会。无论是用于个人学习、项目验证,还是作为产品的初期解决方案,都是极具价值的选择。

Read more

人工智能:自然语言处理在社交媒体分析领域的应用与实战

人工智能:自然语言处理在社交媒体分析领域的应用与实战

人工智能:自然语言处理在社交媒体分析领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在社交媒体分析领域的应用场景和重要性 💡 掌握社交媒体分析领域NLP应用的核心技术(如文本挖掘、情感分析、主题建模) 💡 学会使用前沿模型(如BERT、GPT-3、Transformer)进行社交媒体文本分析 💡 理解社交媒体领域的特殊挑战(如数据噪声、实时性要求高、用户意图多样性) 💡 通过实战项目,开发一个社交媒体情感分析应用 重点内容 * 社交媒体分析领域NLP应用的主要场景 * 核心技术(文本挖掘、情感分析、主题建模) * 前沿模型(BERT、GPT-3、Transformer)在社交媒体分析领域的使用 * 社交媒体领域的特殊挑战 * 实战项目:社交媒体情感分析应用开发 一、社交媒体分析领域NLP应用的主要场景 1.1 文本挖掘 1.1.1 文本挖掘的基本概念 文本挖掘是对社交媒体文本进行挖掘和分析的过程。在社交媒体分析领域,文本挖掘的主要应用场景包括: * 用户行为分析:分析用户的行为(如“

Vibe Coding范式实战:用AI工具链(Stitch+Figma+ai studio+Trae)快速开发全栈APP

Vibe Coding范式实战:用AI工具链(Stitch+Figma+ai studio+Trae)快速开发全栈APP

文章目录 * 概要 * stitch制作设计稿 * figma 原型展示 * ai studio 生成前端代码 * 基于trae + Supabase生成后端代码和数据库 * Github + vercel * pc端后台管理系统设计 概要 在 AI 技术深度渗透软件开发领域的当下,一种名为 “Vibe Coding”(氛围编程)的全新范式正在重塑开发者的工作方式。它的核心在于,开发者不再是逐行编写代码的 “码农”,而是通过自然语言描述意图、引导 AI 生成代码的 “创意引导者” 和 “结果验证者”,从而将精力聚焦于更高价值的产品设计和逻辑思考上。 本文提供一种 Vibe Coding 的工作模式:设计阶段以 Google Stitch 为起点,开发者通过文本或草图快速生成响应式 UI 设计与前端代码,再无缝导入 Figma 进行精细化视觉调整和原型设计,实现了从 “想法” 到

知网查一次AI率要花多少钱?怎么查才最划算?

知网查一次AI率要花多少钱?怎么查才最划算?

知网查一次AI率要花多少钱?怎么查才最划算? 快到毕业季了,身边越来越多同学开始关心一个很现实的问题:**知网查一次AIGC检测到底多少钱?**毕竟论文查重已经花了一笔,再加上查AI率,钱包真的扛不住。 我去年帮室友折腾过好几轮,踩了不少坑,今天就把知网查AI的费用明明白白拆给你看,顺便分享一套亲测有效的省钱方案。 知网AIGC检测的官方收费标准 先说结论:知网AIGC检测并不便宜。 目前知网的AIGC检测是跟查重服务绑定的,学校一般会提供1-2次免费查重机会(部分学校已经包含AIGC检测),但如果你自己额外查,费用大概是这样的: 检测类型价格区间说明本科PMLC(含AIGC)约280-350元/次各渠道价格不同硕博VIP(含AIGC)约380-580元/次论文越长价格越高单独AIGC检测约60-120元/次部分渠道可单独查期刊论文AIGC约80-150元/次按篇计费 这个价格对学生来说确实不算低。更关键的是——很多同学第一次查完发现AI率偏高,改完还得再查,一来二去查个三四次,费用就上千了。 为什么不建议直接上来就查知网 我见过太多同学犯这个错误:论文写

AI如何解码TTCBEYJRZXKIOIJ6BGLUA19ZY2HLBWVFBWQ1XZ这类加密字符串

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 输入框内输入如下内容: 开发一个AI辅助工具,能够自动识别和解析类似TTCBEYJRZXKIOIJ6BGLUA19ZY2HLBWVFBWQ1XZ的加密字符串。工具应包含以下功能:1. 输入任意加密字符串;2. 自动识别可能的编码方式(如Base64、Hex等);3. 提供解码结果和可能的原始数据格式;4. 支持批量处理。使用Python实现,并提供一个简单的Web界面供用户输入和查看结果。 1. 点击'项目生成'按钮,等待项目生成完整后预览效果 AI如何解码TTCBEYJRZXKIOIJ6BGLUA19ZY2HLBWVFBWQ1XZ这类加密字符串 最近在开发过程中遇到了一个有趣的需求:需要解析类似TTCBEYJRZXKIOIJ6BGLUA19ZY2HLBWVFBWQ1XZ这样的加密字符串。这类字符串看起来毫无规律,但很可能使用了某种常见的编码方式。于是我开始思考,如何利用AI技术来辅助开发人员快速识别和破解这类编码。 加密字符串解析的挑战 1. 编码方式多