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

Python 打包编译工具Pyinstaller 与 Nuitka 特性对比

Python 打包编译工具Pyinstaller 与 Nuitka 特性对比

文章目录 * 概要 * 简介 * Pyinstaller * Nuitka * Python项目 * 特性剖析 * 相同点 * 差异点 * 场景选型 * 总结 概要 当我们发布Python项目时,有时为了隔离运行环境的差异 或者 不希望以源码的形式发布,一种常用的方法是将Python项目打包/编译成二进制文件(更具体的讨论在Python项目加密 中),打包编译的工具有很多,其中PyInstaller 和 Nuitka 是目前最主流的两个工具。它们都能将 .py 文件打包成无需安装 Python 环境即可运行的二进制程序,但其底层机制、性能表现和适用场景存在显著差异。 结合实际的项目实践,本文从功能原理、特性异同、性能对比及实际选型建议等 详细对比 PyInstaller 与 Nuitka 的核心特性,供有需要的伙伴参考以项目需求做出更合理的技术选型。 简介 Pyinstaller PyInstaller 是一个流行且成熟的 Python 打包工具,能Python 脚本及其依赖项(

By Ne0inhk

Python系列:打造高效调试利器——彩色日志全攻略

1. 为什么我们需要彩色日志 调试代码时,你是否经常被满屏单调的黑白日志搞得头晕眼花?我曾经接手过一个遗留项目,每次排查问题都要在密密麻麻的日志海洋里寻找关键错误信息,那种体验简直让人崩溃。后来我发现,给日志添加颜色标记可以大幅提升调试效率 - 重要错误一眼就能看到红色警示,调试信息用淡色显示,关键流程用醒目颜色标注。 Python的标准logging模块虽然功能强大,但默认输出确实太过朴素。想象一下,当你的服务突然报错时,在一堆灰色文本中快速定位到那个鲜红的ERROR信息,能节省多少排查时间?这就是coloredlogs库的价值所在 - 它让日志阅读从"找茬游戏"变成了"一目了然"的体验。 在实际项目中,我发现彩色日志特别适合以下场景: * 开发调试时快速区分不同级别的日志 * 生产环境监控时突出显示关键错误 * 复杂流程中标记不同模块的输出 * 教学演示时让代码执行过程更直观 2. 快速上手coloredlogs 2.1 安装与基础配置 安装coloredlogs简单到只需一行命令: pip install coloredlogs 基础配置也极其简单,

By Ne0inhk
华为od 面试八股文_Python_05_含答案

华为od 面试八股文_Python_05_含答案

目录 1:dict和set的区别? 2:Python的实现和其他语言不一致? 3:你能想到其他语言为什么还要保留红黑树的实现呢?不都直接用hashTable? 1.有序性 (Ordering):红黑树最核心、最无可替代的优势 2.稳定的性能与可预测性 (Stable Performance & Predictability) 3.对键(Key)的要求更宽松 4.语言设计哲学的差异 4:在Python中,进程和线程的区别? 5:Python数据处理的库有哪些?用过吗? 7:Python的迭代器(Iterator)和生成器(Generator)有什么区别? 8:什么是协程?它和线程有什么本质区别? 9:Numpy和Pandas 区别在哪? 优先选择 NumPy 的场景: 优先选择 Pandas 的场景: 1:

By Ne0inhk

Python三维网格处理库Trimesh详解

文章目录 * Python三维网格处理库Trimesh详解 * 1. Trimesh是什么? * 2. 安装与基础设置 * 3. 核心功能与应用 * 3.1 加载与导出3D模型 * 3.2 模型变换与操作 * 3.3 网格分析和属性计算 * 3.4 模型合并与布尔运算 * 3.5 网格简化与优化 * 3.6 碰撞检测与物理仿真 * 3.7 点云与体素化 * 4. 可视化与场景管理 * 4.1 基本可视化 * 4.2 自定义可视化窗口 * 4.3 与其他可视化库集成 * 5. 实际应用案例 * 5.1 3D模型处理流程 * 5.2 在计算机视觉中的应用 * 6. 性能优化与最佳实践

By Ne0inhk