infr.ad 免费 LLM API 怎么用：GitHub 登录即领 Key，三个模型零成本调用，对话末尾带广告

infr.ad 完全兼容 OpenAI 接口协议，任何支持自定义 base_url 的客户端（Cursor、VS Code、JetBrains、Zed 等）都能直接接入，base_url 固定为 https://api.infr.ad/v1，请求路径与 OpenAI 一致，为 /chat/completions。

第一步：把 Key 写入环境变量

先在终端里设置环境变量，后续命令与脚本都从变量读取，避免把 Key 硬编码进代码。

export INFRAD_API_KEY="sk-xxxxxxxx"

把双引号里的内容整段替换成你在控制台复制到的真实 Key，不要保留多余空格和换行。

第二步：用 curl 发一次对话补全

下面这条命令可以直接运行，用于验证 Key 与 base_url 是否配置正确。

curl https://api.infr.ad/v1/chat/completions \
  -H "Authorization: Bearer $INFRAD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      {"role": "user", "content": "用一句话解释什么是向量数据库"}
    ],
    "temperature": 0.7,
    "max_tokens": 512
  }'

第三步：在 Python 中调用

沿用官方 OpenAI SDK，只替换 base_url 和 Key 即可，下面的代码保存为文件后可以直接运行。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["INFRAD_API_KEY"],
    base_url="https://api.infr.ad/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "用一句话解释什么是向量数据库"}],
    temperature=0.7,
    max_tokens=512,
)

print(resp.choices[0].message.content)

关键参数说明

• model：模型名，必须与控制台模型列表完全一致；当前已知可用 deepseek-v4-flash，其余模型名以控制台实际显示为准。
• messages：对话数组，每条消息包含 role（user / assistant / system）与 content，按时间顺序排列。
• temperature：采样随机性，取值 0 到 2，写代码类任务建议调低，创意类任务可调高。
• max_tokens：单次回复的最大 token 数，设置过小会截断输出，设置为空则使用服务端默认值。
• stream：设为 true 时以流式分块返回，适合需要逐字输出的聊天界面。

广告块与报错排查

普通对话的回复末尾偶尔会附带一个约 40 列的 ASCII 赞助广告块，这是该平台的正常变现方式，不是接口故障；使用工具调用时不会出现广告。如果下游程序对输出做严格解析，建议先按行把末尾广告块截断或过滤。额度耗尽或触发限流时，典型表现是 HTTP 429、402 或 403，返回体里一般带有简短的原因说明。排查建议按下面的顺序进行。

1. 检查请求头是否为 Authorization: Bearer $INFRAD_API_KEY，返回 401 多为 Key 缺失、失效或复制不完整。
2. 检查 base_url 是否带 /v1、路径是否为 /chat/completions，漏写会返回 404。
3. 检查 model 字段的模型名是否与控制台列表逐字一致，模型名不符通常返回 400 或 404。
4. 查看 HTTP 状态码与返回体：429 表示触发频率或额度限制，402、403 通常与额度用尽或账户状态有关，具体含义以返回体提示为准。
5. 换用控制台里的另一个可用模型重试，排除单个模型临时不可用的可能。
6. 以上均正常仍失败时，回到控制台查看用量与 Key 状态，必要时删除旧 Key 重新创建。