为什么值得单独处理

大模型厂商的免费额度通常不是「一个总额度池」，而是按模型品类拆开：文本生成、Embedding、图像、语音（TTS/STT）、部分平台还有视频或重排序（rerank）。很多账号在文本额度耗尽后，Embedding 和语音额度其实还完全没动。把这几类配额分别激活，等于凭空多出一层可用 Token。

操作步骤

1. 先盘点品类，而不是先注册

在动手注册之前，先列一张表，把你要用的模型分成四类：

  • 文本生成（chat / completion）
  • Embedding（向量化，RAG 必备）
  • 语音（STT 转写、TTS 合成）
  • 图像（生成或视觉理解）

然后逐个到厂商控制台的「模型列表 / 用量」页面确认：这些品类是否各自有独立免费配额，还是共享一个池。共享池的平台可以跳过，独立配额的才有拆分价值。

2. 按品类分别建 API Key

在支持多 Key 的平台上，为每个品类建独立的 Key，并打上标签（如 embed-free、tts-free）。这样做有两个好处：

  • 用量面板能按 Key 看出哪一类配额被消耗；
  • 某一类额度耗尽时，不会连带影响其他品类。

3. 用最小可用脚本做「配额探针」

对每个品类写一个最小调用脚本，只发一次请求并记录返回的用量字段。跑一次就能知道：该品类免费额度是否真的开通、限速是多少、是否要求绑定支付方式。

Embedding 探针示例（伪代码）：

```python

resp = client.embeddings.create(model="<embedding-model>", input="ping")

print(resp.usage) # 记录 token 计数与是否成功

```

语音类通常按秒或按字符计费，探针就发一段最短音频或一个短句。

4. 把 Embedding 配额优先接进 RAG 流程

Embedding 免费额度通常按 token 计，而向量化一段文档的 token 消耗远低于让模型读同样内容。因此把 Embedding 配额用在：

  • 文档切块后的向量化；
  • 查询侧向量化；
  • 小规模重排序。

这样能用掉大量「本来闲置」的免费 token，而把文本生成额度留给真正需要推理的环节。

5. 语音与图像配额做离线批处理

语音转写（STT）和图像理解往往有单独的免费时长/张数。适合把积压的会议录音、截图、扫描件集中跑一遍，输出结构化文本后再用文本模型处理。注意先确认免费配额的时长上限，通常以「约 X 分钟/月」或「约 X 张/月」表述，具体以控制台为准。

注意事项

  • 配额口径不同：文本按 token，语音按秒/字符，图像按张，别用同一套估算方式。
  • 限速独立：某品类的 RPM/TPM 限制可能比文本更严，批处理时要加退避重试。
  • 地域与账号类型：部分品类在某些地区或某些账号类型下不开放免费层，以控制台实际显示为准。
  • 数据合规：免费层常默认允许用于服务改进，敏感音频/图像不要走免费通道。
  • 不要虚构额度：各平台额度会调整，本文不给出固定数字，一切以你控制台「用量/配额」页为准。

适用场景

  • 正在搭 RAG 应用、向量化开销大但文本推理需求小的团队；
  • 有大量录音、截图需要批量转文本的个人开发者；
  • 想把免费额度用满、又不想为 Embedding 单独付费的独立开发者。

小结

把官方 Free Tier 当成「按品类拆分的多个小池子」而不是「一个大池子」，是 2026 年最被低估的免费 Token 来源之一。先盘点、再分 Key、再用探针验证，最后按品类分配用途，这套流程一次搭好可以长期复用。