跳转至


课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  回测  数据标准化  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  强化学习  监督学习  AI量化  复权  数据  tushare  akshare  xgboost  PCA  wavelet  时序事件归因  SHAP  深度学习  归一化  BN  LN  WN  machine-learning  quant-trading  dropout  kaggle  boosting  决策树  泰勒展开  openclaw  resources  quant  deep-learning  tcn  time-series  causal-convolution  交易实战  避坑指南  Figures  Behavioral Economics  graduate  arma  garch  人物  职场  Quantopian  figure  Banz  金融行业  买方  卖方  story  量化传奇  rsi  zigzag  穹顶压力  因子  ESG  因子策略  投资  策略  pe  ORB  Xgboost  Alligator  Indicator  factor  alpha101  alpha  技术指标  wave  algorithm  pearson  spearman  套利  LOF  白银  因子分析  Alphalens  涨停板  herd-behaviour  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  lightgbm  顶背离  另类数据  freshman  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  进化论  logic-factor  Agent Skills  Skills Marketplace  VS Code  Tushare  XtQuant  BaoStock  A股  量化  neutralization  basics  LLT  backtest  backtrader  研报  papers  UBL  金融阅读  免费资源  华尔街日报  WSJ  量化学习  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  几何收益  实盘  clickhouse  polars  滑动窗口  notebook  sqlite  sqlite-utils  fastlite  大数据  PyArrow  UV  Pydantic  Engineering  redis  remote-agent  AI-tools  Moonshot  回测,研报,tushare  dividend 

tools »

龙虾流量太贵? 我一招搞定每天7500万词元


既然要运营和操作小龙虾(oplenclaw),Token 就是实打实的消耗品。我们最近深度测试了两个非常稳的大厂免费渠道,能直接调用顶级模型(比如 GLM-5),而且几乎没有额度限制,非常适合拿来跑小龙虾。

01 来自 OpenRouter的每日7000万

OpenRouter 最大的优势是聚合了几乎市面上所有的主流模型,且提供大量免费配额。我养龙虾的第二天,就完全领会了 OpenRouter 的玩法。当时 QWen 3.6正在免费使用期,我一天最高用到7500万的 Token,用完了整整一千次请求。

现在,QWen 3.6虽然不再免费提供了,但是仍然有一些非常不错的大模型仍在免费,非常值得一冲。

Tip

OpenRouter 的免费模式始于去年3季度。大模型以免费方式提供访问一般有两个目的,一是商业宣传;另一个是新的模式在正式发布之前,需要大量真实的用例帮助他们微调。所以,请理直气壮地『免费』使用它们,帮助它们!

下面,我就像素级还原用上 OpenRouter 千万级免费 Token 的步骤。

访问官网

输入网址 https://openrouter.ai

step1:进入OpenRouter界面

登录账户

使用邮箱注册并确认(verify)登录。

step2:成功注册登陆

创建 API Key 与限额设置

在后台点击生成 API Key。现在,就可以用这个 key 来配置OpenClaw 的模型了。不过,你现在还有每日50次的限额。

根据官方文档,如果你购买10个 credits,每日上限就立刻调整到1000次 -- 这是实现养虾自由的关键!

购买 credits 之后,我们一定要防止误用了付费模型。所以,要像下面这样,设置『防火墙』:

step3.3&step3.5&step3.9:API Key生成与限额设置

在你购买 credits 之后,就可以编辑你的 API key,为它设置一个月度消耗最大值。这里设置为0.1就好了。

防火墙设好之后,接下来就是你做公益善事的时候了 -- 选择免费模型,帮他们测试吧!

模型选择与计费逻辑

  • 计费逻辑:大模型通常是按 Token计费,Input(提示词)和 Output(生成内容)往往有不同的收费标准。
  • 免费模型筛选:选择免费模型时,关注 Input: 0, Output: 0 的模型。

按下图提示,找到 Prompt Pricing, 把价格区间设置为0,过滤大部分付费模型,然后注意选择 input/output 都是0的模型:

step4.1:模型选择列表 step4.5&step4.9:选择免费的模型

测试

step5:点击chat可使用大模型

在现阶段有这样一些模型(仅限免费)可以推荐:

  • 养虾模型推荐
    • Gemma 4 26B A4B:速度极快,效果好,首选。
    • NVIDIA: Nemotron 3 Super:英伟达出品,免费且好用。
    • OpenAI: gpt-oss-120b:性能强,适合复杂的养虾指令。

02 顶级智力,不限额度,还得是老黄

当下开源模型中的顶流当属 GLM-5。如果能用上这个模型来养虾,还不用担心账单,生产力真是直线拉满。

英伟达说,我来!

这就是英伟达通过 AI Playground 服务。它提供了顶级智力模型比如 GLM-5, Kimi 2.5,无须绑信用卡,即可永久免费使用。在大大的诚意之外,我们也看到了黄仁勋的野望: 如果 OpenClaw 不做起来,几年之年,N 家的芯片卖给谁?

所以,相信这个『永久』的承诺,应该还有好几年的保鲜期。话不多说,我们接下来就看看如何接着老黄送出的大礼。

访问官网

输入网址:https://build.nvidia.com。注意登录时,可能根据你的地域和语言设置发生重定向到别的 URL。我们没有详细测试,但这个免费服务应该只能在这个网址上申请。

使用这里的大模型很简单,主要就是申请 Api Key,然后找到模型卡。我们先看注册。

注册与验证

任何邮箱都可以注册。但要申请 Api Key,还得进行一次验证。这个验证需要通过短信验证。我们测试中,这一步对手机号没有限制。

  1. 邮箱注册:仅需邮箱即可。
  2. 账号验证 (Verify):注册后必须点击上方的 Verify 进行验证,否则拿不到 API Key。
  3. 手机号 Bug 处理:验证时需要手机号。这里有一个小 bug, 你需要手动把区号修改为 +86 。填完后点击发送验证码即可。

step2.1:注册后点击验证 step2.5:手机号验证与区号修改界面

生成 API Key

完成验证后,回到页面,点击右上角的头像,就会弹出一个“生成 API Key”的按钮。点击并保存好你的 Key,有了它就可以连接业务了。

step3:英伟达API Key生成位置

模型选择与限制

以下就是查模型 ID。这一步对熟悉大模型玩法的人来说可以不用看了。比如提到 GLM5大模型,老手可能知道,它几乎在所有平台上,id 都是 z-ai/glm5,所以,查模型 ID 这一步就可以省去了。

  1. 选择模型:在页面中找到 models: glm-5,这是我们目前推荐使用的顶级模型。
  2. 访问限制:目前英伟达不限额度,但会限制访问速度(RPM):每分钟不要超过 50 次。这个调用次数基本上对所有人来讲都不会超过。

step4:找到免费模型

同样,你也可以对模型进行一下测试。可以如图在下面的 chat 窗口聊几句。

完成

03 如何配置 OpenClaw?

配置大模型时,核心信息主要是三个:

  1. 访问地址(即URL)
  2. Api Key,用来确定你是否有权限使用服务
  3. 模型ID。一个服务商往往提供多个大模型以供使用,所以,需要模型 id来区分它们。

对于 OpenRouter 来说,它一直是知名的在线大模型服务端,所以,它的服务地址是 OpenClaw 预知的,我们在设置时,就不需要提供 URL。

而 build.nvidia.com 这个服务则比较新,并且它也不是专业的大模型服务商,所以, Openclaw 并不会收录它的地址,我们在设置小龙虾时,就需要给出服务地址。

这里的关键信息是: https://integrate.api.nvidia.com/v1

接下来,我们就看看在小龙虾中的配置,这里以英伟达为例。配置 OpenRouter 大同小异,不过会少一步填写服务地址而已。

以下是配置步骤:

  1. 获取信息:准备好 api key 和模型 id
  2. 打开 OpenClaw 配置页面openclaw config --section models
  3. 按图示操作

小龙虾配置界面截图 1

如果是使用 OpenRouter 的服务,这里就要选择 OpenRouter。图中最后一项。接下来是填写 Base URL(如果是 OpenRouter,则无此步聚)、填写 Api Key和 Model ID,如下图所示:

小龙虾配置界面截图 2

你可以直接参考下面的 Python 验证代码来对应填入 URL、API-Key 和 Model 模型:

1
2
3
4
5
6
7
# 小龙虾接入参数参考(对应代码中的关键行)
client = OpenAI(
    base_url="https://integrate.api.nvidia.com/v1", # <--- 填入小龙虾的 URL/Base URL
    api_key="YOUR_NVAPI_KEY"                       # <--- 填入小龙虾的 API-Key
)

model="z-ai/glm5"                                  # <--- 填入小龙虾的 Model/模型名称
  • URL (Base URL):填入 https://integrate.api.nvidia.com/v1
  • API-Key:填入你刚刚保存的英伟达 Key。
  • Model (模型名称):填入 z-ai/glm5(如果你想尝试英伟达其他模型,如 Nemotron,也可以在这里更换对应的名称)。

04 参数验证

如果配置不成功,你还可以运行下面完整的 Python 程序来最终确认相关信息是否正确:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
import os
from openai import OpenAI

# 初始化客户端
client = OpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="YOUR_NVAPI_KEY" # 替换成你生成的 Key
)

# 调用 GLM-5 模型
response = client.chat.completions.create(
    model="z-ai/glm5",
    messages=[
        {"role": "system", "content": "你是世界顶流人工智能!"},
        {"role": "user", "content": "你好,GLM-5模型!"}
    ],
    temperature=0.7,
    max_tokens=1000
)

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

后记

在一天烧掉了7500万 token 之后,我深深地被 OpenClaw的无限可能所折服。

每个人都应该养几支小龙虾。智能代码拓展了我们的大脑,拓宽了我们的工作空间,也提升了我们的工作效率。所有这一切,都是为了构建更强大的自己。

但是,尽管你知道这件事的极端重要性,但却受困于养龙虾贵,养龙虾不安全,和养龙虾太难。

一开始我也遇到了同样的困难,但借助于社区,我不仅找到了非常好的方案,还把这个方案做成了产品,在这个过程中,也有了很多经验和踩坑的经历要跟大家分享。

今天的分享只是其中的一小部分。关注我们,一起来养虾吧。而且,今天分享的信息肯定是有时效性的,下一波免费的资源,很可能还是我先找到。

保持联系!