GLM 有哪些免费模型？能用到什么程度
数据截至 2026-07，价格与限额以各官网为准。
智谱 GLM 的免费不是”试用期免费”，而是有专门一档 Flash 系列文本模型被官方文档明确标为免费模型，长期可调用。截至 2026-07，可以直接照着用的是 glm-4.7-flash（200K 上下文、最大输出 128K）和 glm-4-flash-250414（128K 上下文，官方原文称其为”智谱AI首个免费大模型API”）；早先的 glm-4.5-flash 已于 2026-01-30 下线，请求会自动路由到 glm-4.7-flash。个人学习、原型验证、内部小工具这类场景，免费档基本能从头跑到尾，不用绑卡。
先澄清一个很常见的误解：不少人把”免费模型”和”新用户注册送多少 token”当成一回事，于是心里默认”额度烧完就得付费了”。这两件事在智谱这边是分开的——免费 Flash 模型是模型清单里的一个独立档位，官方文档页上就把它归在 free 分类下，价格写的是 0；而新用户赠送额度是运营活动，用来抵扣付费模型的消耗。所以”赠送额度用完”并不影响你继续调免费模型。至于赠送额度到底是多少，网上各种汇总文章口径不一致，且都没有在官方页面上逐字核实到，这篇不给具体数字，以你注册后账户页面当时显示的为准。
一、当前哪几个模型是真免费的
按官方文档的模型分类，能确认为免费档的文本模型是这几个：
glm-4.7-flash：当前主力免费型号。上下文窗口 200K，最大输出 128K，输入输出价格均为 0。这是目前默认应该选的免费模型。glm-4-flash-250414：上下文窗口 128K，免费。官方文档原文把它称作”智谱AI首个免费大模型API”，算是这条免费线的起点，现在仍在架。glm-4.5-flash：曾经的免费型号，上下文 128K、最大输出 96K，已于 2026-01-30 下线，官方说明请求会自动路由到glm-4.7-flash。也就是说老代码里写着这个名字大概率还能跑，但你实际用到的已经不是它了，建议主动改名，别留着这种隐性依赖。
多模态方面，第三方公开资料提到 GLM-4.6V-Flash 也是免费的，但这一条我没能在官方文档原文里逐字核实到，只能算作参考，真要拿它做视觉任务，务必自己去官方文档的模型页确认当前状态。
这里有个特别容易混的命名陷阱要专门点一句：flash 和 flashx 不是一回事。glm-4-flashx-250414、glm-4.7-flashx 名字只多一个字母，但它们属于付费的轻量高速档，不在免费清单里。手快抄错一个字母，账单上就开始走数了。判断方法很简单——名字里带 x 的都不是免费档。
二、免费到什么程度：能力边界在哪
“免费”这两个字容易让人想象成阉割版试用，实际不是。以 glm-4.7-flash 为例，200K 的上下文窗口意味着你可以一次塞进去几十万字量级的中文材料做通读、摘要、抽取；128K 的最大输出意味着长篇生成也不会一上来就被截断。这个规格在同代付费模型里都不算低配——同一份官方模型表里，glm-4.6、glm-4.7、glm-5 这几个付费主力的上下文也是 200K。
所以免费档和付费档之间的差距，主要不在”能装多少”，而在推理质量、复杂任务的稳定性，以及速率相关的服务级别上。关于并发和速率限制（RPM / TPM 之类的具体数字），官方页面上我没有核实到公开的确切数值，这里不编——你可以按一个务实的假设去做设计：免费档一定存在并发和频率上的约束，程序里必须写好 429 重试和退避逻辑，不要假设它能像付费档一样扛住突发流量。
三、三行代码先把免费档跑通
免费模型的调用方式跟付费模型完全一样，只是把 model 参数换成免费型号。两条路子都行。
方式一：用 OpenAI 兼容层。 如果你的项目本来就在用 openai 这个包，只改 base_url 和 model 两处即可：
# pip install --upgrade "openai>=1.0"
from openai import OpenAI
import os
client = OpenAI(
api_key=os.getenv("ZAI_API_KEY"),
base_url="https://open.bigmodel.cn/api/paas/v4/",
)
completion = client.chat.completions.create(
model="glm-4.7-flash", # 免费型号
messages=[{"role": "user", "content": "你好，请自我介绍一下。"}],
)
print(completion.choices[0].message.content)
方式二：用智谱官方 SDK。 包名是 zhipuai：
# pip install zhipuai
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="your-zhipuai-api-key")
response = client.chat.completions.create(
model="glm-4.7-flash",
messages=[{"role": "user", "content": "你好，请自我介绍一下。"}],
)
print(response.choices[0].message.content)
密钥去开放平台（bigmodel.cn 或 open.bigmodel.cn，两个域名指向同一平台）注册后，在控制台的 API Key 管理页创建。官方建议把密钥放进环境变量 ZAI_API_KEY，代码里用 os.getenv 读，别硬编码进仓库。SDK 版本号建议用 pip show zhipuai 自己核一下，别照抄教程里的旧版本。
顺便说一句，智谱是国内可以直接注册使用的平台，不存在境外服务那种准入门槛问题——这一点对新手很重要，很多人是被境外 API 卡在第一步之后才转过来找国产方案的。
四、免费档够用的场景，和该换付费的信号
我的实际经验是，下面这些事免费档做起来完全没问题：
- 学习和练手：跑通第一次 API 调用、试 function calling、试流式输出、把 prompt 反复改十几版，这些环节的价值在于你自己理解链路，不在于模型有多强。
- 原型和 Demo：给同事演示一个想法能不能成立，验证的是流程可行性。
- 格式化的轻任务：文本分类、打标签、抽字段、把非结构化文本转 JSON、生成规整的模板文案。这类任务的评判标准是”格式对不对”，不是”文采好不好”。
- 量大但单条简单的批处理：比如给几万条评论打情感标签。这种活儿用贵模型是浪费。
什么时候该考虑换付费型号？给几个比较明确的信号：
- 输出质量在同一个 prompt 下反复不稳定，你已经把提示词优化到收益递减了，那就是模型能力的天花板，不是 prompt 的问题。
- 任务涉及多步推理、长链条代码生成、需要严格遵守复杂约束，免费档开始出现漏条件、逻辑跳步。
- 你要上线给真实用户用，需要更可控的速率和服务表现。这时候免费档的隐性约束会变成产品事故。
至于换过去要花多少钱：官方文档里能逐字核实到的单价目前是 glm-4.5 的输入 0.8 元、输出 2 元（每百万 tokens）。glm-4.6 在第三方公开资料里普遍写作约 5 元/百万 tokens，但这个数字没在官方原文里核实到，也没说清是输入输出统一价，只能当参考。glm-4.7、glm-5 系列以及各种 Air/AirX/Long 变体的确切单价，我没有可靠来源，具体价格以官网 pricing 页面为准——那个页面是前端渲染的，得自己打开看。
另外两条能省钱的路子顺带提一下：官方的 Batch API（批量接口）有五折优惠，适合可以异步跑的大批量任务；编程场景另有 GLM Coding Plan 这类订阅制套餐，按时间窗口给额度而不是按 token 计费，价格结构跟按量计费完全不同，感兴趣自己去官方套餐页看。
五、用免费档时容易踩的坑
- 别把免费当成没有约束。价格是 0，但并发、频率这些限制照样存在。生产代码里 429 重试、超时兜底、失败降级三件套一样都不能少。
- 别在老教程里抄型号名。智谱的模型迭代速度在国内算快的，
glm-4.5-flash这种半年前还是主推的免费型号现在已经下线了。写代码时把型号名抽成配置项，改起来只动一处。 - 别默认免费档永远免费。官方文档当前把这几个型号归在免费分类下，但任何平台的定价策略都可能调整。做技术选型时留个心眼，把调用层封装一下，将来换模型的成本要低。
- 别把免费档当基准去评判 GLM 的能力。拿
glm-4.7-flash的输出去跟别家旗舰模型比，然后得出”GLM 不行”的结论，这个比较是不成立的。要横评就用同价位段的型号比。
六、诚实说说不适用的地方
免费档不适合两类事情。一类是对输出质量有硬性要求、且错误代价高的场景，比如给客户直接输出的合同摘要、财务数据提取——这种地方省的那点钱远不够擦屁股的成本。另一类是需要稳定 SLA 的线上服务，免费资源在任何平台都是优先级最低的那一档，这是行业惯例，不是智谱一家的问题。
还有一点得说清楚：这篇里凡是标了”以官网为准”的地方，不是我偷懒，是官方定价页用前端渲染、抓不到确切数字，而网上流传的数字互相打架。宁可让你多点开一个页面，也好过给你一个错的数字让你照着算成本。
小结
GLM 的免费档目前落在 glm-4.7-flash 和 glm-4-flash-250414 两个型号上，glm-4.5-flash 已下线并自动路由到前者。免费模型和新用户赠送额度是两回事，赠送额度用完不影响你继续调免费模型。免费档的上下文和输出规格并不寒碜，200K/128K 足够撑住学习、原型、分类抽取、批量轻任务这些场景，真正的差距在推理质量和速率保障上。当质量在优化 prompt 之后仍然不稳定，或者你要上线给真实用户用，就该往付费型号迁；迁之前记得自己去官网 pricing 页核一遍当次价格，别信包括这篇在内的任何二手数字。最后提醒一次：型号名里带 x 的（flashx）不是免费档，一个字母的差别就是账单的差别。