免费人工智能访问
令人惊讶的是，许多人仍然从未与神经网络交谈过或运行过单个人工智能代理--它看起来昂贵、复杂，或者“不适合我”。事实上，您现在就可以免费开始，通常不需要银行卡或功能强大的计算机。以下是获得人工智能的行之有效的方法：从免费套餐到计算补助金。限制和条款发生变化 - 我们定期检查。
如何使用：选择一张卡，打开链接并注册 - 每张卡上都列出了当前限制。
免费套餐
立即免费工作，通常无需卡：注册并使用。虽然有限制（每天的请求数、每分钟的令牌数），但对于入门和个人任务来说，它们足够了。
试用学分
尝试的起始余额为美元（例如 5 美元）。几天或几周后到期 - 在付款之前可以方便地测试您的任务模型。
创业计划
为公司提供大量计算补助和信贷：从数千美元到数十万美元。如何获得：注册一家初创公司（法人实体、产品、网站）并申请；有些项目需要加速器或投资者。
面向学生
具有学生身份的免费访问和学分。如何获取：确认您是学生 - .edu 电子邮件或通过 GitHub 教育和大学课程进行验证。
参加 2025-2026 年 YC 校园活动的学生可获得免费学分；包括Azure/AWS云、GPT/Claude/Grok、语音、搜索、视频、数据库
为学生提供经过验证的 .edu 电子邮件的免费 A100 计算学分； 3-14 天激活
本地人工智能：您自己的硬件上的自己的模型
开放模型可以直接在您的计算机上免费运行，无需互联网，并且您的数据不会转移到任何地方。下面，不用复杂的言语，我们将了解您的计算机的功能，并选择您可以通过一个命令安装的型号。
如何找到您的硬件2分钟--你就知道你的班级了。
AI 模型是一个大文件，需要完全加载到计算机内存中才能运行。模型越智能，它就越大，需要的内存也就越多。一个简单的规则：模型名称中的数字（例如，7B 是 70 亿个参数）大约是其所需的内存量（以 GB 为单位）；经济格式Q4 - 大约一半（7B ≈ 4-5 GB）。该模型在视频卡上的视频内存中运行速度最快 (VRAM)；如果没有强大的显卡，则被认为使用常规 RAM (RAM) - 速度较慢，但它可以工作。 M1-M4 芯片上的Mac 具有公共存储器，因此它们甚至可以很好地处理大型模型。首先看看你有多少内存：
- Mac: 打开Apple菜单（徽标位于屏幕左上角）并选择关于此Mac。在“内存”行中将显示您的容量 - 例如“16 GB”。
- Windows: 一起点击`Ctrl+Shift+Esc`，打开“性能”选项卡，选择左侧的“内存”。顶部将显示总卷 - 例如“16.0 GB”。
- Linux: 在终端中，输入`free -h`并按Enter。在 `Mem` 行中，第一个数字是 RAM 的总量。
- NVIDIA: 在终端中输入`nvidia-smi` - 视频内存量将显示在表格的右上角。或者查看GeForce Experience应用程序。
- AMD: 在Linux - 团队`radeontop`；在Windows - 在应用程序AMD Adrenalin 中。
- Windows: 单击`Ctrl+Shift+Esc` -> 性能 -> GPU。找到“专用图形内存”这一行 - 适用于任何显卡。
- Mac (M1-M4): 没有单独的视频内存 - 使用计算机的通用内存，这是一个优点：几乎所有内存都可以用于人工智能。
选择一个大小（在 Q4 中，写在卡中）小于可用内存的模型，并为系统和“对话内存”（上下文）留出 2-4 GB 的保留空间。如果有疑问，请从较小的型号开始：如果效果很快，请尝试较大的型号。下面我们已经将模型分为几层 - 选择您的内存大小。
入门级笔记本电脑、基本MacBook Air M1/M2、不带显卡的电脑。
启动什么
型号比较
这里仅提供本地启动的示例。所有型号都可以在完整目录中查看和比较： 所有型号 → · 比较型号 →
| 模型 | 射击场 | 尺寸（Q4） |
|---|---|---|
| Llama 3.2 3B★ | 8 GB RAM | ~2 GB |
| Phi-4 Mini | 8 GB RAM | ~2.5 GB |
| Gemma 2 2B | 8 GB RAM | ~1.6 GB |
| Llama 3.1 8B★ | 16 GB RAM | ~4.9 GB |
| Qwen2.5 7B | 16 GB RAM | ~4.7 GB |
| Mistral NeMo 12B | 16 GB RAM | ~7 GB |
| Qwen2.5 Coder 32B★ | 32 GB RAM / VRAM | ~20 GB |
| Gemma 2 27B | 32 GB RAM / VRAM | ~16 GB |
| DeepSeek R1 32B | 32 GB RAM / VRAM | ~20 GB |
| Llama 3.3 70B★ | 64 GB+ RAM / VRAM | ~43 GB |
| Qwen2.5 72B | 64 GB+ RAM / VRAM | ~47 GB |
| DeepSeek R1 70B | 64 GB+ RAM / VRAM | ~43 GB |
常见问题
什么是量化和Q4？
量化会压缩模型，降低比例的准确性 - 文件会变小几倍并适合内存。 Q4（4 位）- 流行的平衡：几乎没有质量损失，但占用 Q8 的一半。指南中的尺寸适用于 Q4 量化。
RAM 或 VRAM - 哪个更重要？
在显卡 (GPU) 上，模型运行速度最快 - 音量 VRAM 在这里很重要。如果没有强大的GPU，模型将被加载到常规RAM中并在处理器上计算（速度较慢，但可以工作）。 Apple Silicon具有组合内存，因此Mac可以很好地处理大型模型。
可以用在商业上吗？
请参阅型号许可证。 Apache 2.0 和MIT 允许几乎没有限制的商业用途。许可证Llama 和Gemma 也是允许的，但有条件（例如Llama 的用户数量限制）。请务必检查许可证文本。
您需要多少磁盘空间？
每个模型都是一个单独的文件，从 ~1.5 GB（轻）到 40+ GB（大）。为多个型号留出足够的可用空间。 Ollama和LM Studio将它们保存在自己的文件夹中；不需要的可以用一条命令删除。