OpenRouter 教程：用 Python 调用免费大模型 API

数码解码2026-06-012026-10-01

OpenRouter 教程：用 Python 调用免费大模型 API

AI 模型越来越多，逐个平台注册、接接口、付订阅费，对开发者和爱好者都不友好。OpenRouter 是一个 AI 模型聚合平台，把几十家提供商的几百个模型统一到一套 OpenAI 兼容的接口后面，一次接入即可切换调用。

官网：https://openrouter.ai/

一、平台特点

统一接口：一套 API 格式调用多个模型，不用为每个模型单独对接；
按量计费：除订阅外也支持按调用量付费，适合开发测试阶段控制成本；
免费模型：平台提供一批免费额度的模型（模型名带 :free 后缀），适合学习和轻量实验；
透明度：可查看各模型的延迟、吞吐量等公开指标，以及基准测试评分，辅助技术选型。

说明：免费模型的种类与可用额度会随平台政策调整，以 OpenRouter 官网实时页面为准。

二、筛选免费模型

注册并登录 OpenRouter 账号；
进入”模型”页面，使用”即时定价”筛选功能，把价格滑块拖到”免费”档位；
挑选需要的模型（如 DeepSeek、Gemma、NVIDIA Nemotron 等系列），点击模型名查看上下文长度、响应速度等参数。

三、Python 接入实战

1. 环境准备

新建项目文件夹，用 VS Code 打开并新建 new.py。确保已安装 Python：

1	pip install openai

2. 创建 API 密钥

在 OpenRouter 后台创建一个 API 密钥。密钥只显示一次，复制后保存在安全位置。建议通过环境变量传递密钥，不要硬编码在代码里，示例中为演示方便直接填写，实际使用请替换为你自己的密钥。

3. 示例代码

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="填入你自己的 API 密钥",
)

response = client.chat.completions.create(
    model="openai/gpt-oss-120b:free",
    messages=[
        {"role": "user", "content": "How many r's are in the word 'strawberry'?"}
    ],
    extra_body={"reasoning": {"enabled": True}},
)

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

模型 ID（如 openai/gpt-oss-120b:free）以平台实时列表为准，免费模型可能下线或更名，调用前先在官网确认。

4. 运行

1	python new.py

5. 常见问题

SDK 版本：pip install --upgrade openai 保持 SDK 为最新版；
依赖报错：按终端提示补装缺失的包后重试。

四、多轮对话示例（Nemotron）

下面是一个带上下文记忆的多轮对话示例，模型以 NVIDIA Nemotron 为例：

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="填入你自己的 API 密钥",
)

history = [
    {"role": "system", "content": "你是一个有用的 AI 助手，擅长详细推理。"}
]

print("--- 对话已启动！输入 'quit' 退出 ---")

while True:
    user_text = input("\n你: ")
    if user_text.lower() == 'quit':
        break

    history.append({"role": "user", "content": user_text})

    try:
        response = client.chat.completions.create(
            model="nvidia/nemotron-3-super-120b-a12b:free",
            messages=history,
            extra_body={"reasoning": {"enabled": True}},
        )
        ai_message = response.choices[0].message
        print(f"AI: {ai_message.content}")
        history.append({"role": "assistant", "content": ai_message.content})
    except Exception as e:
        print(f"发生错误: {e}")