智谱开放平台上到底有没有真正长期免费的API？答案是有，但把Key拿到手跑一上午之后会发现，「免费」背后还有一组必须提前知道的代价。

本次所有耗时、token构成和报错截图，均来自2026年9月18日在本机直连open.bigmodel.cn接口的实际调用记录；免费名单与政策口径则对照官方定价页核对。

官方确实挂了两个永久免费的模型

在智谱开放平台的定价页FAQ区域，「智谱开放平台提供以下免费 API 模型」这一段写得非常明确，包含两款：

  • 文本模型 GLM-4.7-Flash，支持200K上下文，输入、输出、缓存三项全部免费；
  • 视觉模型 GLM-4.6V-Flash，同样是输入、输出、缓存均不收费。

需要划重点的是：这一条不属于拉新用的限时期福利。它没有类似新用户赠额的90天倒计时，也不需要抢名额抢完即止，什么时候想起来去建个Key，这两款模型依然在名单里。加上大模型接口在国内可直接连通、不用额外配置网络环境，这是它比很多「首月免费」方案更实用的地方。

实测限流比想象中频繁：短问答5次挂4次

拿glm-4.7-flash发一个最普通的短问答，连续请求5次，其中4次直接返回429，错误体是：{"error":{"code":"1305","message":"该模型当前访问量过大，请您稍后再试"}}。

换成视觉侧的 glm-4.6v-flash 连续发6次，也有2次被拒绝。

这里有个容易被误解的点：429并非「每天100次额度用完」式的硬顶，而是断续出现。同一秒失败，稍等片刻重发往往又能成功。这种不确定性反而更麻烦——你无法提前判断这一枪会不会打出去。

在唯一成功的那次短输出里，gn-4.7-flash 的端到端时延达到89.2秒；对照付费的 glm-5.3-flash，同一类任务约2秒即完成。

长输出速度差距：9.3 tok/s 对 67.8 tok/s

为了拿到更有参考价值的数据，又做了一轮长输出任务的对比测试：免费模型 glm-4.7-flash 的生成速度大约为 9.3 tok/s，付费模型 glm-5.3-flash 约为 67.8 tok/s，二者相差数倍。

关于那个89.2秒必须说清楚：这个数字里包含请求排队所消耗的时间，并非纯粹的推理耗时。但它衡量的是真实场景下用户要等多久，而排队等待本来也是使用者实际承受的成本。

最容易踩的坑：思考token把输出配额吃干净

这是实测之前完全没预料到的问题。第一轮调用采用常规的max_tokens=128参数，等了53秒接口才返回，但正文部分是空白的。

一度以为是模型故障，翻看usage字段才找到原因：输出配额128个token中，思考环节占了全部128个，正文剩0个。

这类模型默认启用思考模式，需要先消耗一串推理token再开始生成答案。如果把max_tokens限制得偏低，推理还没走完预算就花光了，最后交出来的自然是一段空白。

付费模型glm-5.3-flash同样如此——max_tokens设为120时，思考耗掉117个token，正文只剩下3个token。因此使用这类模型时，老习惯里的小max_tokens值千万不能照搬。这个问题的麻烦之处在于它不抛错，只是悄悄地给你什么都没说。

思考模式关不掉：部分模型只让调强度

既然思考会挤占配额，那就尝试关掉它——于是传入了 thinking.type = "disabled"。

免费侧可以生效：关掉之后获得的26个输出token全部是正文，没有一丝浪费，代价是这一轮等待了143秒。

但收费的glm-5.3-flash 直接不予接受，官方返回的提示为「该模型始终思考，不支持关闭思考；请使用 low、high 或 max。」换言之有一批模型只能修改思考的档位（low / high / max），无法彻底关闭。

这个限制反过来也带来一条有用的信息——既然档位可调，使用者就能在响应速度与推理准确性之间做出自己的取舍。

这两款免费API该怎么用

结合前面实测到的情况，可以把适用边界大致划成这样。

适合放进去的活：

  • 不赶时间的批处理：跑脚本、清洗数据、批量分类，慢一点不造成影响；
  • 允许重试的任务：撞限流就退避重试，反正调用不花钱；
  • 试验与学习：摸清API怎么调、调prompt怎么生效，用它练手心态不紧；
  • 视觉任务先占位：GLM-4.6V-Flash 免费具备读图能力，验证想法的阶段够用。

尽量不要放进去的活：

  • 处在关键链路上的事——用户那头正在等回复，你这边要等89秒；
  • 不能重试的一次性任务——一旦遭遇429就没法补救；
  • 对稳定性有要求的线上服务——它并没有可用性承诺。

三条实操建议

第一，max_tokens 至少设置到1000以上，否则容易被思考token吃满；

第二，代码里一定要写重试逻辑，碰上429就退避重试，不然很容易误判成服务挂了；

第三，把免费与付费做成可切换的配置，同一段程序改个模型名就能切过去，哪天免费额度顶不住了只改一行。

辟谣：所谓「每天送一亿token」并不存在

本周网上流传着一个版本：「智谱 GLM-5.3 + Zcode 每天送一亿 token，第二批限量5万份」。

查阅智谱官方文档后可以确认，真实存在的是「GLM Coding Plan 夜间畅蹬活动」，规则为：9月3日至9月20日（即将结束），每晚23:00到次日09:00，在此期间用ZCode跑GLM-5.3-Flash，额度扣减为零。所谓「每天一亿」和「限量5万份」均无出处。

真正的内容是「已购套餐用户，在夜间使用指定客户端不被扣额」。这两者差距不小——一个看起来注册就能领，另一个得先付费。以后再见到此类传闻，直接查官方文档即可验证。

结论

免费是真实的，但免费附带着代价。这个代价不是钱，而是等待时间、频繁限流引发重试、以及一批拿不到正文的空白响应。

若是希望在长期省钱的前提下保留一个能用的模型，智谱的 GLM-4.7-Flash / GLM-4.6V-Flash 值得先建个Key放着，反正建Key不花钱。但别把它安排到任何按秒计时的地方——它的最佳位置是「后台慢慢跑」，而非「前台等结果」的那一环。

「免费」最值钱的用法，是先让人零成本把整个流程跑通；跑通以后是否需要升级，那时候手里已经有数据可以支撑判断了。

小结：智谱GLM-4.7-Flash与GLM-4.6V-Flash的免费身份属于常驻定价策略，并非营销活动，国内直连是其相对优势；但官方的免费额度并未附带宽带上限之外的稳定性承诺。若受成本约束用它跑通全流程，用于异步批处理与学习试验可通过配足max_tokens、加载429退避重试和接入可切换模型配置来控制风险，关键路径的前台服务仍要考虑换用付费通道。

本文事实与价格数据引自智谱开放平台定价页（open.bigmodel.cn/pricing，2026年9月18日核对），活动规则引自智谱AI开放文档《夜间畅用活动》；时延数据样本有限，秒级数字仅用于趋势参考；使用者推测部分已与可复现数据分开写明。