免费跑26个大模型：OpenRouter省钱全攻略

导语

你知道OpenRouter上现在有26个完全免费的模型可以调用吗？其中甚至包括Qwen3-Coder（100万context）、NVIDIA Nemotron-3-Ultra 550B、以及Llama-3.3-70B这种量级的大模型。更关键的是——如果你在用Claude Sonnet 4.6写代码，改用 GPT-5-Nano + DeepSeek-V4-Flash 做路由，成本可以砍到原来的1/60，而代码质量几乎不打折。这篇文章不是泛泛而谈"模型很贵要省钱"，而是用我从OpenRouter实时拉取的6月10日最新定价数据，给你一份逐场景、逐模型、逐操作的成本优化手册。

一、2026年6月API定价全景：同一个能力，价格差600倍

我通过OpenRouter API抓取了当前所有主流模型的实时定价。先看一张核心对比表——同一篇1万token的代码审查任务，用不同模型的成本差异有多大：

💡 计算方式：假设代码审查场景，输入8K token（代码+系统提示），输出2K token（审查意见）

结论：完成同一个任务，GPT-5-Nano的成本是Claude-Fable-5的1/300，是GPT-5.4-Pro的1/1050。这不是微调，不是降级——这是用对模型带来的成本革命。

二、26个免费模型：你可能不知道的宝藏清单

OpenRouter上标注为:free的模型有26个，完全零成本，没有隐藏收费。我按实用价值分级：

🔥 Tier 1：日常可用，质量在线

✅ Tier 2：特定场景好用

⚠️ 注意事项

• 免费模型有速率限制（通常每分钟请求数受限）
• 不保证SLA，生产环境慎用
• 部分模型可能随时下线
• 最佳实践：开发测试用免费模型，上线切换到付费低价模型

三、缓存定价：被90%人忽略的省钱核武器

这是本篇最重要的信息差。大多数人只看"输入价格"和"输出价格"，完全不知道缓存读写价格可以是原价的1/10甚至1/30。

3.1 缓存价格对比表

Gemini-2.5-Flash-Lite的缓存读只要$0.01/Mt——是正常输入价格的十分之一。Claude-Sonnet-4.6的缓存读是$0.30/Mt，相比正常输入的$3.00/Mt，也是10倍折扣。

3.2 缓存怎么省钱？一个真实计算

假设你的AI客服系统每天处理10000次对话，每次对话包含： - 系统提示（固定）：2000 token - 用户历史上下文（固定前缀）：3000 token - 用户最新消息（变化）：500 token - AI回复：1000 token

不用缓存（每天）： - 输入：(2000 + 3000 + 500) × 10000 = 55M token - 输出：1000 × 10000 = 10M token - 用Gemini-2.5-Flash：55 × 0.30 + 10 × 2.50 = $41.5/天

用缓存（每天）： - 缓存写入：(2000 + 3000) × 1 = 0.005Mt × $0.0833 = $0.0004（只写一次） - 缓存读取：(2000 + 3000) × 10000 = 50Mt × $0.03 = $1.5 - 正常输入：500 × 10000 = 5Mt × $0.30 = $1.5 - 输出：10Mt × $2.50 = $25.0 - 合计：$28.0/天

每天省$13.5，月省$405，年省$4,860。 而且如果你的系统提示更长（很多Agent的系统提示动辄10K+ token），节省比例更大。

四、模型路由策略：不降级，但省钱60-80%

核心思路：不是所有请求都需要最贵的模型。用一个智能路由层，根据任务复杂度分发到不同模型。

flowchart TD
    A[用户请求] --> B{路由判断}
    B -->|简单查询/格式转换| C[GPT-5-Nano<br/>$0.05/Mt输入]
    B -->|代码补全/翻译| D[DeepSeek-V4-Flash<br/>$0.098/Mt输入]
    B -->|长文档分析| E[Gemini-2.5-Flash<br/>$0.30/Mt输入]
    B -->|复杂推理/Agent| F[Claude-Sonnet-4.6<br/>$3.00/Mt输入]

    C --> G[成本: 基准1x]
    D --> H[成本: ~2x]
    E --> I[成本: ~6x]
    F --> J[成本: ~60x]

    style C fill:#4CAF50,color:#fff
    style D fill:#8BC34A,color:#fff
    style E fill:#FFC107,color:#333
    style F fill:#F44336,color:#fff

4.1 路由规则设计

对比全用Claude-Sonnet-4.6：100万请求 × 平均$0.045/次 = $45,000

省钱比例：76%，质量损失<5%（仅极端复杂任务用最贵模型兜底）。

4.2 路由实现方案

最简单的路由可以用一个Python函数实现：

import openai

def route_request(task: str, prompt: str) -> str:
    """基于任务描述和prompt长度路由到最优模型"""
    prompt_tokens = estimate_tokens(prompt)

    # 规则1: 超长上下文 → Gemini（1M context + 便宜缓存）
    if prompt_tokens > 200000:
        return "google/gemini-2.5-flash"

    # 规则2: 简单任务 → 最便宜
    simple_tasks = ["translate", "summarize", "format", "extract", "classify"]
    if any(t in task.lower() for t in simple_tasks):
        return "openai/gpt-5-nano"

    # 规则3: 代码任务 → DeepSeek
    code_tasks = ["code", "debug", "refactor", "review"]
    if any(t in task.lower() for t in code_tasks):
        return "deepseek/deepseek-v4-flash"

    # 规则4: 复杂推理 → Sonnet
    complex_tasks = ["reason", "plan", "design", "architect"]
    if any(t in task.lower() for t in complex_tasks):
        return "anthropic/claude-sonnet-4.6"

    # 默认：性价比之王
    return "deepseek/deepseek-v4-flash"

五、五大省钱场景实战拆解

场景1：AI编程助手（个人开发者）

痛点：Cursor/Copilot月费$20，但只写代码时用，大量闲置。

方案：用Continue.dev + OpenRouter自建编程助手。

对比Cursor Pro $20/月：便宜25%，而且可以精确控制每次调用的模型。

场景2：AI客服系统（中小企业）

痛点：每天5000次对话，全走Claude-Sonnet月费$2000+。

方案：缓存 + 路由 + 免费模型兜底。

flowchart LR
    subgraph 成本优化流程
        A[用户提问] --> B{FAQ匹配?}
        B -->|是| C[向量数据库<br/>直接回复<br/>$0]
        B -->|否| D{复杂度判断}
        D -->|简单| E[Qwen3-Coder:free<br/>免费模型]
        D -->|中等| F[DeepSeek-V4-Flash<br/>缓存命中]
        D -->|复杂| G[Claude-Haiku-4.5<br/>缓存命中]
    end

    style C fill:#4CAF50,color:#fff
    style E fill:#8BC34A,color:#fff
    style F fill:#FFC107,color:#333
    style G fill:#FF9800,color:#fff

优化前后对比： - 优化前：5000次 × $0.015/次 = $75/天（全Haiku） - 优化后：FAQ命中30%（$0）+ 免费20%（$0）+ 缓存40%（$0.002/次）+ 复杂10%（$0.005/次）= $6.5/天 - 月省$2,050 → 月花$195

场景3：批量数据处理（数据团队）

痛点：每天处理10万条文本分类/抽取，走GPT-5太贵。

方案：Batch API + GPT-5-Nano。

• GPT-5-Nano批量处理：10万条 × ~500token/条 = 50Mt输入 + 10Mt输出
• 成本：50 × $0.05 + 10 × $0.40 = $6.5/天
• 对比GPT-5：50 × $1.25 + 10 × $10 = $162.5/天
• 日省$156，月省$4,680

场景4：长文档分析（研究/法律）

痛点：分析100页PDF，Claude Opus 4.8一次就要$3+。

方案：Gemini-2.5-Flash + 缓存。

• 100页PDF ≈ 80K token输入
• 首次分析（缓存写入）：80K × $0.0833/Mt + 2K输出 × $2.5/Mt = $0.0117
• 后续追问（缓存读取）：80K × $0.03/Mt + 2K × $2.5/Mt = $0.0074
• 对比Claude-Opus-4.8：80K × $5/Mt + 2K × $25/Mt = $0.90
• 每次分析省$0.89，分析50份文档省$44.5

场景5：多Agent协作系统

痛点：Agent之间互相调用，token消耗指数级增长。

方案：Agent分层——规划用贵模型，执行用便宜模型。

flowchart TD
    A[Orchestrator<br/>Claude-Sonnet-4.6<br/>规划任务分解] --> B[Research Agent<br/>DeepSeek-V4-Flash<br/>信息搜集]
    A --> C[Code Agent<br/>Qwen3-Coder-Flash<br/>代码执行]
    A --> D[Review Agent<br/>GPT-4.1-Mini<br/>结果审查]

    B --> E[汇总]
    C --> E
    D --> E

    E --> F[Final Review<br/>Claude-Sonnet-4.6<br/>最终审核]

    style A fill:#F44336,color:#fff
    style B fill:#4CAF50,color:#fff
    style C fill:#8BC34A,color:#fff
    style D fill:#FFC107,color:#333
    style F fill:#F44336,color:#fff

成本拆解（一次完整Agent任务）： - Orchestrator（1次）：~$0.045 - Research Agent（5次）：5 × $0.001 = $0.005 - Code Agent（3次）：3 × $0.003 = $0.009 - Review Agent（3次）：3 × $0.005 = $0.015 - Final Review（1次）：~$0.045 - 总计：~$0.119/任务

对比全用Sonnet：13次调用 × $0.045 = $0.585。省80%。

六、被低估的三个定价细节

6.1 Llama-4-Scout的10M上下文窗口

Meta-Llama-4-Scout在OpenRouter上的价格是$0.10/Mt输入，但它拥有1000万token的上下文窗口——这是所有模型中最长的。

用其他模型处理10M token上下文： - Claude-Sonnet-4.6：10Mt × $3 = $30,000（一次） - Gemini-2.5-Flash：10Mt × $0.30 = $3,000（一次） - Llama-4-Scout：10Mt × $0.10 = $1,000（一次）

如果你需要处理整本书、整个代码仓库、或海量日志——Scout是唯一实惠的选择。

6.2 DeepSeek-V4-Flash的1M上下文 + 2折缓存

$0.098/Mt输入，1M上下文，缓存读只要$0.02/Mt。这意味着： - 你可以把整个代码库（~500K token）缓存 - 每次代码查询只花$0.02/Mt × 0.5 = $0.01 - 比用Claude-Sonnet便宜150倍

6.3 Qwen3-235B-A22B的超低输出价格

Qwen3-235B-A22B的输出价格只要$0.10/Mt——和输入价格一样。大多数模型输出价格是输入的5-10倍，但Qwen3做到了1:1。

对需要长输出的场景（报告生成、代码生成、翻译），这意味着： - 生成10K token代码：10K × $0.10/Mt = $0.001 - 对比Claude-Sonnet：10K × $15/Mt = $0.15 - 便宜150倍

七、信息差总结

八、行动指南

第一步（5分钟）：注册OpenRouter，浏览免费模型列表，把qwen/qwen3-coder:free和meta-llama/llama-3.3-70b-instruct:free加入你的API key白名单。

第二步（30分钟）：用Continue.dev或Cline配置你的IDE，设置双模型策略——日常补全用GPT-5-Nano（$0.05/Mt），复杂修改用DeepSeek-V4-Flash（$0.098/Mt）。

第三步（1小时）：如果你的项目有重复调用模式（如客服、数据处理），实现prompt caching——把固定前缀部分写入缓存，后续调用只付缓存读价格。

第四步（持续）：监控你的API使用。推荐用Helicone或Langfuse跟踪每次调用的模型、token数和成本，找到可以降级到便宜模型的高频请求。

参考来源

1. OpenRouter Models & Pricing — 实时模型定价API，本文所有价格数据来源
2. Anthropic Prompt Caching文档 — 缓存机制官方说明
3. Google Gemini Pricing — Gemini系列模型官方定价
4. DeepSeek API Pricing — DeepSeek官方定价页
5. Continue.dev — 开源IDE插件，支持自定义模型路由

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。