如果你常常在測 AI 工具，大概會遇過這種很煩的場景：想試一個 agent workflow，模型還沒接上，信用卡就先被要求綁上；想比較 Groq、OpenRouter、Google AI Studio、Cloudflare Workers AI，結果每一家的免費額度、RPM、token limit、資料使用政策都藏在不同文件頁。
cheahjs/free-llm-api-resources 解決的就是這種痛點。它提供的是一份公開索引：哪些 LLM API 可以免費用，哪些有試用金，限制寫在哪裡。它不發免費 API key，也不碰灰色破解入口。
我查了 GitHub API，這個 repo 截至 2026 年 6 月 13 日已經有 23,346 stars、2,390 forks，最近一次 pushed_at 是 2026 年 6 月 11 日。這種更新頻率對免費 API 清單很重要，因為免費額度和模型列表變動很快，過期資訊比沒有資訊更害人。
它最值得推的地方：有原則，不是亂收
README 開頭有兩個提醒很關鍵。第一，不要濫用這些服務，否則大家最後都會失去免費額度。第二，清單明確排除不合法的服務，例如 reverse engineer 既有 chatbot 的東西。
這兩句讓這個 repo 跟很多「免費 API 大合集」拉開距離。它的用途很乾淨：幫開發者、學生、研究者、side project 玩家找到合法的試用入口。現在網路上有太多看起來免費、實際上風險很高的 API 包裝站，這種界線反而讓人安心。
SourceForge mirror 也把它描述成一個由 cheahjs 維護的免費 LLM inference resource 索引；LibHunt 則把它放在 AI、Claude、Gemini、Llama、OpenAI 相關專案脈絡裡。外部頁面主要證明它被收錄和轉傳，但真正能信的內容還是 GitHub README 和 repo 裡的生成腳本。
目前整理了哪些資源
我用本地下載的 README 統計，現在清單分成兩大區：13 個 Free Providers 和 13 個 Providers with trial credits。
Free Providers 裡有 OpenRouter、Google AI Studio、NVIDIA NIM、Mistral La Plateforme、Mistral Codestral、HuggingFace Inference Providers、Vercel AI Gateway、OpenCode Zen、Cerebras、Groq、Cohere、GitHub Models、Cloudflare Workers AI。
Trial credits 區則有 Fireworks、Baseten、Nebius、Novita、AI21、Upstage、NLP Cloud、Alibaba Cloud International Model Studio、Modal、Inference.net、Hyperbolic、SambaNova Cloud、Scaleway Generative APIs。
這個分類很實用，因為「免費」和「試用金」是兩種不同心態。免費層適合每天小量測、跑 demo、做備援模型；試用金比較適合短時間壓測、比較延遲、確認一個想法能不能跑。
使用方式第一步：不要只看 provider 名字
這份 repo 最好用的方式，是把 README 當成 API 選型前的檢查表。看到「Groq 有免費」只是起點；看到「Google AI Studio 有 Gemini」也還沒到終點。真正要看的是限制和任務有沒有對上。
先看四件事。
第一，看額度。OpenRouter 這類 gateway 可能有 requests per minute、requests per day，也可能不同免費模型共用 quota。Groq 會列出不同模型的 requests per day 和 tokens per minute。Cloudflare Workers AI 則是以 daily neurons 這種方式計算。
第二，看驗證條件。有些服務需要電話驗證，有些要登入特定平台，有些 trial credit 可能要補付款資料才比較完整。這些不是小字，會直接決定你能不能讓讀者照著做。
第三，看資料政策。README 裡特別標出 Google AI Studio 在 UK、CH、EEA、EU 以外使用時，資料可能會被用於訓練。OpenCode Zen 的免費模型也註明可能會用資料改善服務。這種資訊比模型名稱更值得先看。
第四，看模型類型。你要做的是聊天、coding agent、語音轉文字、TTS、vision，還是多模型比較？同樣叫免費 API，能做的事情差很多。
使用方式第二步：從任務反推供應商
我會這樣用它：先留在 README 裡，用任務把候選 provider 篩到兩三個，再打開供應商 console。
如果只是要快速聊天測試，可以先看 OpenRouter、Groq、Google AI Studio。OpenRouter 的好處是模型入口集中，壞處是免費模型共用限制，很容易被 daily request 擋住。Groq 則適合測低延遲聊天和 Whisper 類語音轉文字，但每個模型的限制要分開看。
如果你在做 coding agent 原型，可以先看 OpenRouter、GitHub Models、Mistral。這時模型名多漂亮沒有那麼重要，context、工具呼叫、輸出長度和 rate limit 才是會卡住你的地方。GitHub Models 的 README 註記也很直接：input/output token limits 很嚴格，所以它更像原型測試，不一定適合長任務。
如果你要放到 Cloudflare Worker 或邊緣服務旁邊，Cloudflare Workers AI 很值得看。它用每天 10,000 neurons 這種免費配置來算，不是傳統 dollars credit。這種限制需要換個腦袋理解，不要拿它跟 requests/day 直接硬比。
如果你想統一多模型入口，Vercel AI Gateway 和 OpenRouter 會比較順手。前者偏向跟 Vercel 生態整合，後者模型選擇多，也有大量免費模型標記。
使用方式第三步：把限制寫進你的測試計畫
很多人用免費 API 會踩坑，是因為只把 key 塞進程式，沒把 quota 當成產品條件。免費層比較像試吃盤，不是無限小水龍頭。
假設你要測一個文章摘要工具，不要一開始就把整批資料丟進去。比較好的流程是：先挑一個 provider，選一個免費模型，拿 3 到 5 篇代表性文章測輸出品質。接著看 tokens/minute 和 requests/day，再決定要不要換到 trial credit provider 做比較。
如果你要接 agent，也要先寫好 fallback。免費 API 常見狀況是突然 429、模型下架、context 不夠、輸出被截斷。這不是 repo 的問題，而是免費層本來就有的現實。
接到程式裡時，我會把 provider 當成設定，不要寫死。像這樣的概念就夠了：
const apiBase = process.env.LLM_API_BASE;
const apiKey = process.env.LLM_API_KEY;
const model = process.env.LLM_MODEL;
const response = await fetch(`${apiBase}/chat/completions`, {
method: "POST",
headers: {
"Authorization": `Bearer ${apiKey}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
model,
messages: [
{ role: "user", content: "用三句話摘要這篇文章" }
]
})
});這段只是示意，不是某一家 provider 的完整教學。重點是 api base、key、model 都要抽成設定。今天你用 OpenRouter，明天改 Groq 或其他 OpenAI-compatible 入口，程式不應該大拆。
這份 repo 為什麼比一般列表可靠
我看 repo 內部比較喜歡的一點，是 README 有生成流程。檔案開頭明確寫著 README 由 src/pull_available_models.py 產生，不能直接改。這支腳本會抓 OpenRouter models、Groq models、GitHub Models、Cloudflare Workers AI、SambaNova、Scaleway、Cohere 等來源，並且把部分已知不適合或不可用的模型排除。
例如 OPENROUTER_IGNORED_MODELS 裡面就把某些 rate limit 幾乎不可用的 experimental free models 排掉；Hyperbolic 和 Lambda 也有 ignored models 清單。維護者有做篩選，不是把 API 回傳全貼上去就收工。
當然，這不代表它永遠準確。免費方案今天存在，明天可能改規則。文章發布時我看到的 GitHub pushed_at 是 2026 年 6 月 11 日，已經算新，但真正接入前仍然要點進各 provider 官方文件確認最新限制。
我最推薦的讀法
如果你是 AI 工具使用者，第一次打開 repo 不要從頭讀到尾。先照這個順序：
- 先看 Free Providers 區，找你已經有帳號的服務。
- 看 limits，不要只看模型名稱。
- 看是否需要電話驗證、付款資料或資料訓練同意。
- 把候選 provider 分成「每天可用」、「短期測試」、「只適合 demo」。
- 真的接進工具前，打開官方文件再確認一次。
如果你是開發者，我會再加一條：把這個 repo 當成 provider discovery，不要把它當成 SLA。免費 API 很適合幫你跨過第一步，但當你的工具開始有人每天用，就要開始算付費方案、備援模型和錯誤處理。
哪些人會最受益
學生會很受益。很多課堂 demo、研究原型、小專題，真的不需要一開始就刷卡買正式 API。
獨立開發者也會很受益。你可以先用免費層測 UI、prompt、資料流，確定有人要用，再決定要不要付費。
一般 AI 重度使用者也適合收藏它。你不一定每天寫程式，但如果你常常測各種 agent、CLI、WordPress 自動化、摘要工具，這份清單可以讓你少翻很多文件。
我尤其喜歡它沒有鼓勵濫用。repo 開頭那句「Please don’t abuse these services, else we might lose them」其實很中肯。免費額度是公共池，大家溫柔一點用，這種資源才留得久。
小心幾個坑
第一，免費模型不一定等於便宜上線。免費層常常很適合 prototype，但不適合承諾穩定服務。
第二，有些 provider 的資料政策會影響你能不能丟真實客戶資料。測試時可以用假資料就用假資料，不要把私密內容丟到免費層。
第三，trial credits 會消失。很多服務給 0.5 美元、1 美元、5 美元、10 美元，看起來很甜，但用完之後你的成本模型要重新算。
第四，不要只看 stars。這個 repo 的 stars 很高，代表大家需要這類索引；真正接入時，還是要用 provider 官方文件做最後確認。