免费无限量API调用 GLM-5、Qwen3.5-398B 使用教程(AtomGit 限时开放)

免费无限量API调用 GLM-5、Qwen3.5-398B 使用教程(AtomGit 限时开放)

免费无限量API调用 GLM-5、Qwen3.5-398B大模型的 使用教程(AtomGit 限时开放)

SEO关键词:GLM-5免费、Qwen3.5-398B免费API、AtomGit AI模型、免费大模型API、Qwen3.5接口调用、GLM5接口地址

最近在找一些可以免费调用的大模型 API时,意外发现一个平台开放了限时活动:AtomGit 提供 GLM-5、Qwen3.5 系列模型的免费调用,而且不限量。

https://atomgit.com/setting/points?type=invite&picode=RJFA9V4U&utm_source=ic_p

对于经常做 AI工具开发、自动化脚本、AI应用测试 的开发者来说,这种活动其实不太常见,所以简单记录一下注册和调用的方法,也顺便测试了一下实际情况。

在这里插入图片描述

一、AtomGit 限时开放免费大模型

目前 AtomGit 放出的模型主要有三个:

  • zai-org/GLM-5
  • Qwen/Qwen3.5-122B-A10B
  • Qwen/Qwen3.5-397B-A17B

从参数规模来看,Qwen3.5-397B 已经是非常大的模型级别了,一般平台调用成本也比较高。

官方活动说明是:

免费且不限调用量

不过因为活动刚出来,用的人明显很多,实际调用稳定性暂时还不好说。


二、注册地址

注册地址:

https://atomgit.com/setting/points?type=invite&picode=RJFA9V4U&utm_source=ic_p

注册完成后,需要到后台生成 API Key

API Key 地址:

https://ai.atomgit.com/dashboard/api-key

在这里插入图片描述


⚠️API需要账号绑定好邮箱后使用 不然会有调用限制

三、API 调用地址

官方提供的接口地址:

https://api-ai.gitcode.com/v1 

模型名称示例:

zai-org/GLM-5 Qwen/Qwen3.5-122B-A10B Qwen/Qwen3.5-397B-A17B 

如果你之前用过 OpenAI API 格式,基本可以直接兼容。

例如 Node.js 调用示例:

import OpenAI from"openai";const client =newOpenAI({apiKey:"你的API_KEY",baseURL:"https://api-ai.gitcode.com/v1"});const completion =await client.chat.completions.create({model:"Qwen/Qwen3.5-397B-A17B",messages:[{role:"user",content:"写一段介绍Vue的文字"}]}); console.log(completion.choices[0].message);

整体接口结构和 OpenAI 基本一致,所以很多 AI工具、客户端、插件 都可以直接对接。


四、OpenClaw 测试情况

我用 OpenClaw 测试了一下模型连接。

成功验证的模型是:

Qwen3.5-397B-A17B-5 

如下图:

免费无限量的 GLM-5、Qwen3.5-398B 模型,AtomGit 限时免费 1

不过有一个比较奇怪的问题:

上下文只有 16K

免费无限量的 GLM-5、Qwen3.5-398B 模型,AtomGit 限时免费 3

按理说 Qwen3.5 的上下文能力是很高的。

而如果通过 OpenClaw 官方登录 Qwen 模型,上下文可以达到:

125K

如下图:

免费无限量的 GLM-5、Qwen3.5-398B 模型,AtomGit 限时免费 4

目前还不太确定是:

  • 平台限制
  • 模型代理
  • OpenClaw 识别问题

五、调用稳定性测试

需要注意的是:

由于活动刚发布,目前调用成功率不高

测试情况:

  • API 请求多次失败
  • 可能是访问量过大
  • 或者接口暂时限流

简单来说就是:

能注册先注册,API慢慢再测试。


六、适合哪些开发者

如果你是以下几种情况,可以试试:

  • 开发 AI工具
  • AI自动化脚本
  • 测试 大模型应用
  • RAG知识库
  • 开发 AI助手 / ChatBot

尤其是做 Node.js / 前端 AI 应用开发 的,这种 OpenAI兼容接口用起来非常方便。


七、总结

AtomGit 这次的活动最大亮点有两个:

1️⃣ 开放超大模型

  • GLM-5
  • Qwen3.5-397B

2️⃣ API兼容 OpenAI

基本所有 AI 工具都可以直接接入。

不过目前也存在几个问题:

  • 调用稳定性一般
  • 上下文暂时只有 16K
  • 活动是否长期还不确定

所以建议:

先注册拿 Key,再慢慢测试。

Read more

airsim无人机自动避障路径规划自动跟踪实验辅导

airsim无人机自动避障路径规划自动跟踪实验辅导

计算机人工智sci/ei会议/ccf/核心,擅长机器学习,深度学习,神经网络,语义分割等计算机视觉,精通大小lun文润色修改,代码复现,创新点改进等等。文末有方式 2025-2026最容易出顶会/毕业论文的热门方向之一:   基于AirSim的无人机深度强化学习路径规划——你真的“卷”对了吗? 如果你现在还在做传统A*、RRT、DWA、人工势场、或者纯深度学习的端到端避障…… 那很抱歉,2025年底~2026年审稿人和答辩老师已经开始审美疲劳了。 真正让审稿人眼睛一亮、让毕业答辩现场鸦雀无声的关键词组合,现在大概长这样: AirSim + 深度强化学习 + 无人机 + 路径规划 + Sim-to-Real + 视觉/激光融合 + 端到端 + 稀疏奖励 下面这几个组合,几乎是目前最容易做出“看上去就很前沿”的实验结果的赛道(尤其适合发中文核心、EI、SCI三区~二区,以及部分顶会workshop): 1.DQN/DDPG/

By Ne0inhk

【无人机避障算法核心技术】:揭秘五种主流算法原理与实战应用场景

第一章:无人机避障算法概述 无人机避障算法是实现自主飞行的核心技术之一,其目标是在复杂环境中实时感知障碍物,并规划安全路径以避免碰撞。随着传感器技术和计算能力的提升,避障系统已从简单的距离检测发展为融合多源信息的智能决策体系。 避障系统的基本组成 典型的无人机避障系统包含以下关键模块: * 感知模块:利用激光雷达、超声波、立体视觉或RGB-D相机获取环境数据 * 数据处理模块:对原始传感器数据进行滤波、特征提取和障碍物识别 * 决策与规划模块:基于环境模型生成避障轨迹,常用算法包括A*、Dijkstra、RRT和动态窗口法(DWA) 常见避障算法对比 算法优点缺点适用场景A*路径最优,搜索效率高高维空间计算开销大静态环境全局规划DWA实时性强,适合动态避障局部最优风险室内低速飞行RRT*渐进最优,适应复杂空间收敛速度慢三维未知环境 基于深度学习的避障方法示例 近年来,端到端神经网络被用于直接从图像生成控制指令。以下是一个简化的行为克隆模型推理代码片段: import torch import torchvision.transforms as tran

By Ne0inhk
医疗连续体机器人模块化控制界面设计与Python库应用研究(下)

医疗连续体机器人模块化控制界面设计与Python库应用研究(下)

软件环境部署 系统软件架构以实时性与兼容性为核心设计目标,具体配置如下表所示: 类别配置详情操作系统Ubuntu 20.04 LTS,集成RT_PREEMPT实时内核补丁(调度延迟<1 ms)开发环境Python 3.8核心库组件PyQt5 5.15.4(图形界面)、OpenCV 4.5.5(图像处理)、NumPy 1.21.6(数值计算) 该环境支持模块化控制界面开发与传感器数据的实时融合处理,为连续体机器人的逆运动学求解(如FB CCD算法测试)提供稳定运行基础[16]。 手眼协调校准 为实现视觉引导的精确控制,需完成相机与机器人基坐标系的空间映射校准,具体流程如下: 1. 标识点布置:在机器人末端及各段首尾、中间位置共固定7个反光标识点,构建臂型跟踪特征集[29]; 2. 数据采集:采用NOKOV度量光学动作捕捉系统(8台相机,

By Ne0inhk

简单易学的分离式部署小米智能家居Miloco方法

一、安装环境 * Windows用户:安装WSL2以及Docker * macOS/Linux用户:安装Docker 此处不再赘述,网上随便找个教程即可。特别地,对于Windows用户来说,你需要将 WSL2 的网络模式设置为 Mirrored。 二、使用Docker部署Miloco后端 以下均为bash命令。请Windows用户进入WSL2 / Linux、macOS用户进入终端操作: mkdir miloco cd milico vi docker-compose.yml 以下是compose的内容(不会使用vi的同学可以傻瓜式操作:先按i,再使用粘贴功能,然后按冒号,输入wq然后回车,记得关闭输入法): services:backend:container_name: miloco-backend image: ghcr.nju.edu.cn/xiaomi/miloco-backend:latest network_mode:

By Ne0inhk