现在的 AI API 有多贵? DeepSeek-R1 每百万 tokens 输入 16 元、输出 60 元;Kimi 稍微便宜点但也不便宜;Qwen 大杯模型更是贵到离谱。 对于个人开发者、小团队来说,光是调 API 测试和开发,每天烧掉几十块跟玩似的。 有没有一种可能——不花这份钱,也能用上同样的模型? 还真有。今天在 GitHub Trending 上看到的这个开源项目,让我觉得有点意思。 一、Chat2API 是什么? GitHub Stars Forks 语言 : TypeScript 一句话描述: 无需 API Key,直接调用官方网页版 AI 对话界面,实现零成本访问 DeepSeek / Kimi / Qwen / GLM 主流大模型。 这个项目来自个人开发者 xiaoY233,定位非常明确—— 让没有 API Key 的用户,也能用上主流 大模型 。 核心原理 很多人不知道的是:官方网页版的 AI 对话,其实调用的就是模型后端。网页前端只是一个"壳"。Chat2API 做的事,就是 把这个"壳"封装成 API 接口 ,让你可以像调用正规 API 一样调用它。 前端劫持 :拦截官方网页的请求/响应 接口封装 :把劫持到的请求封装成标准 REST API 零成本调用 :不需要 API Key,不需要充值,直接用官方免费额度 支持的模型 模型 | 状态 |
|---|
DeepSeek(V3 / R1) | 支持 | Kimi(月之暗面) | 支持 | Qwen(通义千问) | 支持 | GLM(智谱) | 支持 |
二、工作流:3 步跑起来 [启动本地服务] → [发送请求] → [获得模型响应]
环境要求 快速上手 Step1:安装npm install chat2apiStep2:启动服务npx chat2api本地服务默认运行在 Step3:调用curl -XPOST-H"Content-Type: application/json" \-d '{"model": "deepseek", "messages": [{"role": "user", "content": "Hello!"}]}'
三、实战案例:从失败到成功 场景 :用 DeepSeek R1 做代码审查,测试 10 次调用 第 1 次尝试(直接 API 调用): 花费:约 3.6(10次 × 百万 tokens 均价)结果: 成功,但心疼 第 2 次尝试(Chat2API 劫持模式): 花费:0(使用官方网页免费对话额度)结果: 完全成功,响应质量相同 第 3 次尝试(加入流式输出): 配置 SSE 流式返回结果: 体验流畅,跟官方网页版完全一致 关键发现: 整个过程中 无需人工干预 ,自动完成请求劫持 → 封装 → 响应返回。个人开发者用来做 Demo 和测试,完全够了。 四、技术亮点 1. 请求拦截 :通过中间件拦截官方网页的 fetch 请求,提取出实际调用模型的请求体 2. 流式响应(SSER) :支持 Server-Sent Events 流式输出,响应一个字一个字蹦出来,还原官方体验 3. 多模型兼容 :统一的接口格式,支持 4 个主流国产大模型自由切换 4. 本地优先 :所有请求在本地处理,不需要把数据上传到第三方服务器 5. 开箱即用 :不需要配置任何 API Key,不需要登录账号,直接安装启动就能用 五、行业观察:这是"白嫖"还是"合理利用"? Chat2API 这类工具的出现,折射出一个有意思的行业矛盾: 大模型 厂商一边卖 API 赚钱,一边用免费网页版吸引用户。 网页版的算力成本并不低,厂商当然知道有人在"免费蹭"。但他们没有封堵,因为: 网页版是获客入口,培养用户习惯 大部分人只是日常使用,消耗有限 封堵成本高,还影响口碑
所以 Chat2API 的本质,更像是**"把网页版的能力,正式封装成可用的接口"**——技术上巧妙,伦理上灰色地带。 厂商真正的护城河从来不是模型本身,而是生态和变现渠道。 单靠"劫持前端"的思路,长远来看不可持续。但如果能在这个窗口期做出有价值的东西,就是赚到了。 六、总结 Chat2API 用一个巧妙的思路,解决了"没有 API Key 怎么调 大模型 "的问题。 零成本访问 DeepSeek / Kimi / Qwen / GLM 支持流式输出,体验与官网一致 本地运行,数据不经过第三方 依赖官方网页版稳定性,非官方认可接口 对于个人开发者和学习者来说,这是一个值得收藏的工具。 用它做 Demo、跑测试、做小项目,不花钱。但如果你要做商业产品,还是乖乖去买 API——稳定性和合规性,才是商业化的底线。 如果说 API 是正门,Chat2API 就是翻窗。翻窗不是常态,但有时候确实管用。
|