用途
本技能是一份面向开发者的参考指南，汇总提供永久免费层文本推理能力的 LLM API 提供商，强调没有试用额度、没有到期时间。资料按“自研模型提供商”和“托管开源模型的推理提供商”两类组织，便于在原型开发、学习实验或低成本集成时挑选合适的免费端点。
提供商概览
自研模型提供商包括：Cohere（Command A、Command R+、Aya Expanse 32B，20 RPM、每月 1K 请求）、Google Gemini（Gemini 2.5 Pro、Flash、Flash-Lite，5–15 RPM、100–1K RPD，不覆盖欧盟/英国/瑞士）、Mistral AI（Mistral Large 3、Small 3.1、Ministral 8B，1 请求/秒、每月 1B token）、智谱 AI（GLM-4.7-Flash、GLM-4.5-Flash、GLM-4.6V-Flash，限流未公开）。
推理提供商包括：Cerebras（Llama 3.3 70B、Qwen3 235B、GPT-OSS-120B，30 RPM、14,400 RPD）、Cloudflare Workers AI（Llama 3.3 70B、Qwen QwQ 32B，每天 10K neurons）、GitHub Models（GPT-4o、Llama 3.3 70B、DeepSeek-R1，10–15 RPM、50–150 RPD）、Groq（Llama 3.3 70B、Llama 4 Scout、Kimi K2，30 RPM、1K RPD）、Hugging Face（每月 $0.10 免费额度）、Kluster AI（限流未公开）、LLM7.io（30 RPM，带 token 时 120 RPM）、NVIDIA NIM（40 RPM）、Ollama Cloud（1 并发、轻度使用）、OpenRouter（20 RPM、50 RPD，充值 $10 以上后为 1K RPD）。
使用方式
资料建议将密钥存为环境变量，例如 GROQ_API_KEY、GEMINI_API_KEY、OPENROUTER_API_KEY、MISTRAL_API_KEY、COHERE_API_KEY、CEREBRAS_API_KEY、GITHUB_TOKEN、HF_TOKEN、NVIDIA_API_KEY、CLOUDFLARE_API_TOKEN 与 CLOUDFLARE_ACCOUNT_ID，避免硬编码。
除 Ollama Cloud 外，各提供商均兼容 OpenAI SDK，只需替换 base_url 与 api_key。资料提供了 Python 与 JavaScript/TypeScript 的调用示例，覆盖 Groq、Gemini、Mistral、OpenRouter、Cerebras、NVIDIA NIM、GitHub Models、Cohere 兼容端点。Cloudflare Workers AI 使用账号 ID 加 API Token 的请求方式，也可在 Worker 运行时中调用；Ollama Cloud 使用 Ollama 自有 API 格式或 ollama Python 客户端；Hugging Face 通过 router.huggingface.co 的 OpenAI 兼容端点访问。
进阶模式
资料包含流式响应示例（Python 的 stream 与 JS 的 stream: true）、按提供商顺序进行限流故障转移的函数（捕获 RateLimitError 后切换下一个提供商）、OpenRouter 的 openrouter/free 免费模型路由与 route: fallback 的模型优先级回退，以及 LangChain 的 ChatOpenAI 集成写法。
适用场景与限制
适用于需要免费额度进行文本推理原型、学习、轻量应用集成的开发者。限制方面：各提供商速率与地区限制不同，Gemini 免费层不覆盖欧盟、英国和瑞士；GitHub Models 对令牌类型有要求；OpenRouter 免费模型带 :free 后缀，Cloudflare 模型带 @cf/ 前缀；Ollama Cloud 不兼容 OpenAI SDK。资料还给出认证错误、限流、模型不存在、Gemini 地区不可用等排查建议，以及按最高 RPD、最聪明模型、欧盟托管、模型多样性、推理速度、推理模型、视觉能力等需求选择提供商的指引。具体价格、付费方案与长期可用性以各提供商官方信息为准。