国内免代理免费使用Gemini大模型实战

于 2025-07-07 18:59:00 发布
阅读量801 收藏 8
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 机器学习 文章标签： 语言模型 AI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fullbug/article/details/149178997

文章目录

谷歌的Gemini API 为开发者提供了具体的免费额度，允许将Gemini模型集成到自己的应用程序中。
模型可访问范围：开发者可以免费调用 Gemini 2.5 Pro 模型及其轻量级版本 Gemini 2.5 Flash 6。
标准免费额度：通过在 Google AI Studio 获取 API 密钥，每位开发者可以获得慷慨的免费使用额度。这包括每天 300,000 个 Token（包括提示和响应）以及每分钟 60 个请求的速率限制 。

一、免费申请Gemini API密钥

注册google账号就可以免费申请Gemini API密钥。
申请地址 https://aistudio.google.com/
申请密钥

有了Gemini API密钥后就可以调用API使用Gemini 大模型的能力了。
国内上网环境无法直接使用Gemini API，本文介绍能够免代理使用Gemini的方法。

二、使用openai-gemini

1、在github上找到openai-gemini

openai-gemini 是一个 serverless 的代理项目，用于将 Gemini API 转换为 OpenAI API 。
项目地址：https://github.com/PublicAffairs/openai-gemini
Gemini API 是免费的， 但有许多工具专门与 OpenAI API 一起使用。该项目可以将Gemini API 转换为 OpenAI API ，并且通过serverless进行调用。我们可以找个国内可以访问的免费serverless服务进行中转满足国内调用使用需求。
这里介绍将openai-gemini部署到Netlify
Netlify 是一个领先的 Web 开发平台，它专门为构建、部署和管理现代高性能网站和 Web 应用程序提供了一站式解决方案。Netlify 的核心理念是支持 Jamstack 架构（JavaScript, APIs, Markup），该架构强调将网站内容预构建为静态文件，并通过 CDN 快速分发，然后通过 API 调用动态数据和执行后端逻辑。

2、将openai-gemini部署到Netlify

Deploy to Netlify

找到"Deploy to Netlify" 点击就可以一键部署到Netlify,部署完成后Netlify会自动分配一个地址用于访问刚部署的openai-gemini的serverless服务。并且这个地址是在过国内可以正常访问的。
project overview

3、在Cherry Studio中配置和使用gemini的模型

1）在Cherry Studio中配置gemini API

通过Netlify中转访问gemini API，我们可以直接在Cherry Studio中配置通过Netlify中转访问gemini API
配置API地址为通过netlify中转的地址
API密钥为google gemini 的API Key
模型可以配置你想使用的模型 如：gemini-2.5-pro
Cherry Studio中配置API key

2）在Cherry Studio中使用gemini 的模型

在Cherry Studio中选择刚配置的gemini-2.5-pro并和它对话，可以看到gemini-2.5-pro可以流畅的输出。
在cherry Studio中使用gemini

4、在Dify中配置和使用gemini的模型

1) 在Dify中配置gemini API

通过openai-gemini将 Gemini API 转换为了 OpenAI API ，所以在dify中应该使用“OpenAI-API-compatible”的插件来配置模型。
OpenAI插件

如果没有安装“OpenAI-API-compatible”插件需先安装。在模型供应商中选择“OpenAI-API-compatible”,点击“添加模型”。
配置API地址为通过netlify中转的地址
API密钥为google gemini 的API Key
模型可以配置你想使用的模型 如：gemini 2.5 pro
配置API key

2）在Dify中使用gemini的模型

在Dify中建一个对话应用，选择刚配置好的 Gemini 2.5 Pro 模型进行对话，可以看到对话成功的调用了gemini API使用Gemini 2.5 Pro的模型进行了回复。
在Dify中使用

5、如果自己有域名可以用自己的域名来中转netlify的地址进行访问

1) 在自己的DNS中配置域名解析到netlify的地址

以我的cloud flare域名服务配置为例，在DNS中配置一个netlifygemini的子域名，解析到目标为开始netlify给的服务地址。
配置子域名

2）在netlify中配置子域名

在netlify中可以配置自己的域名对gemini API进行访问。在netlify的项目中找到“domain you already own”
在netlify中配置自己的域名

在自定义域名配置界面，输入自己的子域名，它会给出Host和Value的值，这两个值需要在自己的DNS域名服务器中配置校验。
效验信息

接下来需要在自己的DNS服务中进行配置，我以自己的cloud flare域名服务配置为例，配置如下：

3）在 Cloudflare 中添加TXT记录用于校验
  1. 登录你的 Cloudflare 账户，选择我的域名doai8.dpdns.org。
  2. 进入左侧的 “DNS” 菜单。
  3. 点击 “Add record” (添加记录) 按钮。
  4. 根据下面的表格，准确填写每一个字段：
Cloudflare 字段你需要填写的内容 (从 Netlify 截图复制)
Type (类型)TXT
Name (名称)netlify-challenge
Content (内容)4f*****************062b
TTL保持默认的 Auto 即可

添加TXT记录

4）在netify中进行验证，验证通过就可以用自己的域名访问了

在netify中进行验证，验证通过就可以用自己的域名访问了，在图中可以看到自己的子域名和netlify给的子域名。两个域名都可以用，自己的子域名的好处就是自己容易记忆。
自定义域名配好

5）用自定义域名进行gemini API接口的测试

在Cherry Studio中将API地址配置程自定义域名的地址
配置自定义域名地址
可以看到和gemini 2.5 pro 对话同样也很丝滑。
测试

作者博客：http://xiejava.ishareread.com/

使用Claude Desktop和MCP工具创建个人编程助手
独立开发，substack顶级编辑
04-02 1728
模型上下文协议（Model Context Protocol）是一个开放标准，旨在促进AI模型与外部工具/数据源间的无缝通信。该协议采用客户端-服务器架构，能安全高效地实现AI模型与各类系统的交互。
AIGC内容变现指南：如何在AI创作市场分一杯羹？
AI天才研究院
04-22 1484
根据Gartner 2023年报告，全球AIGC市场规模已突破400亿美元，预计2025年将以42%的年复合增长率达到1200亿美元。技术成熟度提升：大语言模型（如GPT-4）、扩散模型（如Stable Diffusion）、多模态模型（如Google Gemini）的迭代，使AI生成内容的质量从“可用”跃升至“专业级”；需求侧爆发：企业降本增效需求（如营销文案、客服话术生成）与消费者个性化内容需求（如定制头像、数字艺术品）共同推动市场扩容。
免费畅享深度求索DeepSeek-R1与谷歌Gemini Pro 2.0：Cherry Studio与四大API代理商（硅基流动、DMXAPI、ocoolAI和OpenRouter）的完美结合
LiLiu_YiYu的博客
03-14 4487
通过本文的教程，您应该已经掌握了如何通过Cherry Studio结合硅基流动、DMXAPI、ocoolAI和OpenRouter四个API代理商，实现免费使用深度求索的DeepSeek-R1和谷歌Gemini Pro 2.0的方法。希望本文对您有所帮助，祝您使用愉快！
RAG与MCP技术对比分析：深入探讨两者差异与优势！
2401_84204207的博客
04-20 844
通过增强生成结果的准确性和专业性通过协调 LLM 与外部工具/数据源的交互，支持复杂操作流程检索模块（如向量数据库）获取外部信息 → 生成模块（LLM）融合检索结果生成内容 [1] [9]定义标准协议规范 LLM 的输入输出上下文，实现多工具调用、动态数据路由和状态管理 [13] [21]依赖外部结构化/非结构化知识库（如文档、数据库）依赖预定义的工具集（API、函数）及上下文路由规则医疗问答（检索最新论文+患者病历生成诊断建议）[15] [34]
在国内使用Gemini2.5的两种方法
m0_65555479的博客
05-22 3954
近期Google模型发布频繁，能力强劲，深得用户的喜爱，然而国内用不了 Google Gemini 2.5，原因很直接：其一：墙的存在导致 Google 服务（Gemini 2.5 自然在列）的服务器IP在境内无法解析或被阻断。其二：就算你用代理出去了，访问 Gemini 2.5 的 API，数据包也得绕一大圈，延迟高、丢包率可能也高，稳定性没法保证。其三：Google 账号在国内从注册到验证都有一套区域性限制，搞定账号本身就是个坎儿，这直接影响了 Gemini 2.5 的授权和使用。
Cherry Studio 深度评测与高阶配置指南：解锁开发者的AI新生产力
qq_38220914的博客
03-15 1087
例如，上传技术文档后，可直接提问“如何在项目中集成XX框架”，AI 将优先从知识库提取答案，避免通用模型的“幻觉”问题。除文本交互外，Cherry Studio 还集成硅基流动的图像生成模型，支持通过自然语言描述生成设计草图、流程图，甚至将代码逻辑可视化，为技术文档配图提供一键解决方案。开发者可在一个界面中自由切换模型，例如调用硅基的 DeepSeek 处理代码任务，转用 Gemini 优化文案生成，实现“模型择优调用”的灵活策略。例如，在代码提交时自动触发单元测试生成，或通过知识库检索生成版本更新日志。
大模型应用入门指南——Gemini 篇
大模型研究中心
05-21 679
春节期间，我也向亲朋好友安利了 DeepSeek APP，它确实是解放生产力的好帮手。但遗憾的是，由于用户激增和恶意攻击，DeepSeek R1 经常宕机，影响了使用体验。好在，Google Gemini 2.0 强势来袭，不仅性能不逊于 DeepSeek R1，还拥有极高的性价比。
大模型应用实战：项目实操与深度解析，手把手教会你
2401_84204413的博客
01-21 1201
你是否学习了大模型技术，但是不知道如何落地？今天带来5个大模型落地项目，保证你看完一定有所收获！
大模型应用场景实战：实操项目全解析！非常详细，收藏我这一篇就够了
2401_84204207的博客
05-09 1403
你是否学习了大模型技术，但是不知道如何落地？今天带来5个大模型落地项目，保证你看完一定有所收获！
国内外AI大模型对比，国产AI的优势是什么？非常详细收藏我这一篇就够了
2401_85343303的博客
09-26 6386
以上介绍的6款AI大模型代表了当前国内外的技术前沿，但随着科技的不断进步，AI大模型的研发将会持续迭代和优化，未来可能会涌现出更多功能更强大、应用更广泛的模型。无论是国外的GPT-4、Gemini和LLaMA，还是国内的文心一言、通义千问和Kimi大模型，它们都展示了AI技术在充当日常生活中的智能助手、企业运营中的数据分析和决策优化的强大能力。AI正在飞速改变我们的世界，推动全社会向更加智能化的未来迈进，随着大模型技术的日益成熟，拥抱AI，让AI为我们所用，已成为不可阻挡的趋势。
免费时代到来！价格战带领AI大模型走出商业化困局？
python1222_的博客
05-29 1624
电子发烧友网报道（文/梁浩斌）大模型厂商彻底疯狂！电商618大促刚刚开始，大模型厂商就开始轮番疯狂降价。每千Tokens的价格，从过去几分钱，再下降一个数量级至几厘，甚至还有直接开放大模型全面免费试用。5月21日，阿里云宣布通义千问4款商业化模型和5款开源模型大降价，其中GPT-4级别的主力模型Qwen-Long价格直降97%，从此前API输入0.02元/千Tokens，降价至0.0005元/千Tokens；API输出从0.02元/千Tokens，也降了90%到0.002元/千Tokens。
大模型应用场景落地：实操项目全解析
m0_63171455的博客
01-13 2673
你是否学习了大模型技术，但是不知道如何落地？今天带来5个大模型落地项目，保证你看完一定有所收获！
大模型智能体（LLM Agent）学习笔记
2401_85373691的博客
01-16 1390
大模型对应的英文是Large Language Model（LLM），即大语言模型，简称大模型。技术层面讲，大模型是一种基于深度学习技术的机器学习模型。为什么叫大模型呢？它是相对于小模型而言的。传统的机器学习算法一般是解决某个特定领域的问题（例如文本分类），使用的训练数据集规模较小，参数也比较少。而大模型一般是基于互联网上的海量数据训练而成的，模型参数可达数十亿至数万亿。这些参数就像大脑中的神经元连接，数量越多，模型能学习和掌握的细节就越丰富，解决问题的能力也就越强。
AIGC大模型实践总结
淘系技术
08-07 1788
大模型浪潮席卷全球，在各行各业中的重要性愈发凸显，呈现出一股不可逆转的发展趋势。这一年本人所在业产技也在这一过程中持续探索和尝试AIGC。本文一方面是对AIGC实践的总结回顾，同时也是本人学习实践AIGC过程中一些笔记、心得分享。因个人能力限制，文章中可能存在一些理解或表述错误的地方，希望各位大佬能及时批评和指正。AI时代2022年11月30号，OpenAI推出ChatGPT后随即爆火，五天注册用...
【大模型】DeepSeek 的人工智能发展之路
知识靠谱的博客
02-19 1053
它的出现，不仅提升了 DeepSeek 在技术领域的声誉，还极大地扩大了其市场影响力，让更多开发者和企业能够以较低成本使用高性能的大模型，推动了相关应用的开发与普及。它还支持多种语言，满足了全球不同地区用户的需求。通过在如此大规模且多样化的数据集上训练，DeepSeek LLM 具备了强大的语言理解和生成能力，能够处理各种复杂的自然语言任务，为 DeepSeek 后续模型的优化与改进提供了经验和数据基础，也让 DeepSeek 在大模型领域迈出了坚实的第一步，吸引了业界的目光，为公司树立了初步的技术形象。
CV / NLP / 多模态：AI产品经理必备的主流模型体系全景掌握
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
06-26 863
AI 产品经理在主导 AI 应用落地过程中，必须对常见的模型体系有清晰认知，尤其是计算机视觉（CV）、自然语言处理（NLP）与多模态模型三大方向。本文将以产品落地视角，系统梳理主流模型范式的核心能力、典型应用场景与关键结构原理，结合企业项目中的工程实践，帮助产品经理实现“从理解到决策”的能力跃迁，能看懂模型、能参与设计、能辅助选型。
中小学校网络视频监控解决方案.doc
07-08
中小学校网络视频监控解决方案.doc
分治算法实验报告.docx
最新发布
07-08
分治算法实验报告.docx
基于BACF算法的实时目标跟踪技术
07-08
资源下载链接为： https://pan.quark.cn/s/abbae039bf2a 在计算机视觉领域，实时目标跟踪是许多应用的核心任务，例如监控系统、自动驾驶汽车和无人机导航等。本文将重点介绍一种在2017年备受关注的高效目标跟踪算法——BACF（Boosted Adaptive Clustering Filter）。该算法因其卓越的实时性和高精度而脱颖而出，其核心代码是用MATLAB编写的。 BACF算法全称为Boosted Adaptive Clustering Filter，是基于卡尔曼滤波器改进的一种算法。传统卡尔曼滤波在处理复杂背景和目标形变时存在局限性，而BACF通过引入自适应聚类和Boosting策略，显著提升了对目标特征的捕获和跟踪能力。 自适应聚类是BACF算法的关键技术之一。它通过动态更新特征空间中的聚类中心，更准确地捕捉目标的外观变化，从而在光照变化、遮挡和目标形变等复杂情况下保持跟踪的稳定性。此外，BACF还采用了Boosting策略。Boosting是一种集成学习方法，通过组合多个弱分类器形成强分类器。在BACF中，Boosting用于优化目标检测性能，动态调整特征权重，强化对目标识别贡献大的特征，从而提高跟踪精度。BACF算法在设计时充分考虑了计算效率，能够在保持高精度的同时实现快速实时的目标跟踪，这对于需要快速响应的应用场景（如视频监控和自动驾驶）至关重要。 MATLAB作为一种强大的数学计算和数据分析工具，非常适合用于算法的原型开发和测试。BACF算法的MATLAB实现提供了清晰的代码结构，方便研究人员理解其工作原理并进行优化和扩展。通常，BACF的MATLAB源码包含以下部分：主函数（实现整个跟踪算法的核心代码）、特征提取模块（从视频帧中提取目标特征的子程序）、聚类算法（实现自适应聚类过程）、Boosting算法（包含特征权重更新的代
本地部署Gemini大模型
02-14
### 如何在本地环境中部署 Gemini 大模型 #### 使用 Docker 和 Docker-Compose 私有化部署 为了在本地环境中成功部署 Gemini 大模型，可以采用 Docker 及其编排工具 Docker-Compose 来实现私有化的安装过程[^3]。 首先，在计算机上需确保已正确安装并配置好 Docker 环境。接着下载官方提供的 Gemini 模型镜像文件，并创建相应的 `docker-compose.yml` 文件用于定义服务参数和服务之间的依赖关系： ```yaml version: '3' services: gemini-model: image: gcr.io/path-to-gemini-image:latest ports: - "8080:80" environment: MODEL_NAME: "gemini-large" ``` 通过上述 YAML 文件指定端口映射和环境变量设置之后，执行命令启动容器即可完成基本的部署工作： ```bash docker-compose up -d ``` 这会以后台模式运行 Gemini 模型实例，并监听主机上的特定端口号以便访问 API 接口。 对于那些不具备物理服务器资源但又希望尝试 Gemini 的开发者来说，则可以选择利用 Vercel 这样的云服务平台来进行无服务器形式下的快速搭建。不过需要注意的是，这种方式可能会受到平台本身的一些限制条件影响。 #### 基于 LMStudio 或 Ollama 工具链的选择 除了借助容器技术外，还有其他途径能够简化 Gemini 在个人电脑中的集成流程。例如，LMStudio 提供了一套完整的解决方案来帮助用户更便捷地操作该类大型预训练语言模型；而 Ollama 则专注于优化模型推理效率的同时也提供了详尽的手册指导整个项目的落地实施[^1][^2]。 无论是选用哪种方法论作为切入点去探索 Gemini 的实际应用价值，都建议事先仔细阅读相关文档资料以获取最准确的操作指南和支持信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

xiejava1018

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值