为什么视觉 API 的"免费"要分三档？
让 AI"看懂"图片（OCR、图表理解、截图问答、视频内容分析）是 2026 年最刚需的多模态能力。但"免费视觉 API"这个词下面藏着三条完全不同的路：
① 云厂商免费档：Google Gemini API 免费层直接支持图像输入，旗舰级视觉能力，但每日请求数有限。 ② 聚合平台免费模型：OpenRouter 当前 19 个免费模型里有 10 个支持图像输入，一个 Key 全试遍，但每天只有 50 次请求。 ③ 开源权重本地部署：Qwen2.5-VL、Moondream、LLaVA 这类开源模型跑在自己机器上永久免费、无请求上限，但你要有一张 GPU（或选 2B 级小模型跑 CPU）。
选错档位，要么第二天就被 429 限流打断，要么为了几张图去租 GPU。本榜单把 6 个主流方案放在一起，按 5 个维度 25 分制实测打分，帮你一次选对。
五维评分总榜（满分 25）
评分维度：免费额度可持续性（免费是永久的还是试用？）/ 上手零配置（多快能跑通？）/ 视觉能力（OCR、图表、视频理解水平）/ 性能与规模（模型上限与吞吐）/ 生态集成（主流框架与语言支持）。
| 排名 | 方案 | 免费形式 | 免费可持续 | 零配置 | 视觉能力 | 性能规模 | 生态集成 | 总分 |
|---|---|---|---|---|---|---|---|---|
| 🥇 | Gemini API 免费档 | 云端免费层（gemini-3-flash） | 4 | 5 | 5 | 4 | 5 | 23 |
| 🥈 | Qwen2.5-VL（本地部署） | 开源权重（Apache 2.0） | 5 | 3 | 5 | 5 | 4 | 22 |
| 🥉 | OpenRouter 免费视觉模型 | 聚合平台 :free 模型 | 4 | 5 | 4 | 3 | 5 | 21 |
| 4 | Moondream 2 | 开源 2B + 官方 API 免费额度 | 5 | 4 | 3 | 3 | 4 | 19 |
| 5 | LLaVA / Llama 3.2 Vision | 开源权重本地部署 | 5 | 3 | 3 | 3 | 4 | 18 |
| 6 | Hugging Face（ZeroGPU） | $0.10/月信用 + ZeroGPU 5 分钟/天 | 2 | 3 | 3 | 2 | 4 | 14 |
数据复核至 2026-09-15：OpenRouter 免费模型清单为当日实测拉取；Gemini 免费档限额以官方 rate-limits 文档为准（免费档位会随厂商策略调整）。注意：Gemini 2.5 系列将于 2026 年 10 月起逐步退役，新项目请直接使用 3.x 系列。
分方案详解
🥇 Gemini API 免费档 —— 云端免费视觉的天花板
免费形式：Google AI Studio 账号（Google 账号即可，无需绑卡）即享 API 免费层，gemini-3-flash 系列免费档约 10 次/分钟、每日上千次请求量级，图像输入直接按多模态消息传入。
适合：想要"注册就能用"的旗舰级视觉能力：复杂图表解读、多语言 OCR、截图转结构化数据、视频帧理解，全部零成本起步。单图可到百万 token 级上下文，长截图、多页文档拍照识别都能吃下。
短板：免费档有 RPM/RPD 限额，高频生产场景会撞 429；数据需出境 Google 云端，合规敏感场景不适用。
一句话：个人项目与中小团队做视觉功能验证，2026 年仍然是最省心的第一选择。
🥈 Qwen2.5-VL —— 开源视觉旗舰，中文 OCR 天花板
免费形式：Apache 2.0 开源权重（3B / 7B / 32B / 72B 四档），本地部署永久免费、无请求上限，跑在 Ollama / vLLM 上即可获得 OpenAI 兼容接口。
适合：中文场景重度用户——中文票据、证件、表格、手写体的识别精度是开源阵营公认第一梯队；文档解析（PDF 截图转 Markdown/JSON）与视频时间定位（动态帧采样 + MRoPE 位置编码）是招牌能力。有 GPU 的团队可以把它当"私有化的 GPT-4o 视觉"用。
短板：7B 起步才有实用视觉精度，需要一张像样的显卡；纯 CPU 环境只能跑 3B 且明显变慢。
一句话：有 GPU + 中文文档场景，闭眼选它；没有 GPU 就先去 🥇 或 🥉 过渡。
🥉 OpenRouter 免费视觉模型 —— 一个 Key 试遍 10 个视觉模型
免费形式：注册即用，:free 后缀模型零费用。2026-09-15 实测：19 个免费模型中 10 个支持图像输入，包括 google/gemma-4-31b-it（图像+文本+视频，262K 上下文）、inclusionai/ling-3.0-flash-vl、nex-agi/nex-n2.5-pro、nvidia/nemotron-3-nano-omni-30b（音频+图像+视频全模态）、thinkingmachines/inkling（1M 上下文）等。
适合：选型阶段想横向对比多个视觉模型、不想挨家注册账号的开发者。OpenAI 兼容接口，一个 Key 切换全部模型；充值 10 美元后免费额度从每天 50 次提升到 1000 次。
短板：免费档每天 50 次请求只够测试不够生产；免费模型以中小参数量为主，复杂视觉推理与旗舰付费模型有差距。
一句话：视觉模型的"免费试衣间"，正式上线前先在这里把候选模型筛一遍。
4. Moondream 2 —— 2B 参数的边缘视觉专家
免费形式：Apache 2.0 开源（2B 稠密模型），本地部署永久免费且足够轻量到 CPU/边缘设备可跑；官方托管 API 也提供免费额度（以官网定价页为准），是各家推理平台上实测成本最低的 VLM 之一。
适合：图像描述（caption）、目标检测（detect/point）、图像分割（segment）这类"看得快、答得短"的任务；树莓派、手机端、本地小工具嵌入视觉能力的首选。
短板：2B 参数决定了复杂推理、长文档理解、图表分析能力有限，别拿它当通用视觉旗舰用。
一句话：要"轻、快、便宜"的看图能力，它是边缘端的唯一答案。
5. LLaVA / Llama 3.2 Vision —— 社区老将，生态最广
免费形式：开源权重（Llama 3.2 Vision 11B/90B、LLaVA 系列）本地部署永久免费。
适合：已有 LLaVA 工作流、论文复现、教学演示——它是视觉语言模型开源生态的"启蒙教材"，教程、微调脚本、数据集最丰富。
短板：2026 年视角下，视觉能力已被 Qwen2.5-VL、Gemma-4 明显超越；新项目不建议再从它起步。
一句话：存量项目继续用，新项目请直接选 🥈 或 🥇。
6. Hugging Face（ZeroGPU + $0.10 信用）—— 只适合跑 demo
免费形式：免费账号每月 $0.10 推理信用（2026 年新规，已取消按小时请求限制），另有 ZeroGPU Space 每天 5 分钟 Blackwell GPU 时长。
适合：在 Space 里部署一个视觉 demo 给朋友玩、跑通一次模型验证。注意旧的 api-inference.huggingface.co 接口已停用，chat 模型现走 router.huggingface.co/v1。
短板：$0.10/月只够"确认模型能跑"，撑不起任何真实视觉任务；ZeroGPU 每日 5 分钟排队制，不适合接进产品。
一句话：把它当"免费试驾"，别当"免费通勤车"。
剔除清单（为什么没进榜）
| 方案 | 剔除原因 |
|---|---|
| GPT-4o / Claude 视觉 API | 无免费 API 档位，网页端免费但 API 按量付费 |
| Google Cloud Vision | 传统 CV 服务（OCR/标签）非生成式 VLM，且需绑定信用卡的 GCP 账号 |
| 各类"7 天免费试用"视觉 API | 到期即收费，不满足"永久免费"标准 |
选型决策树
- 要旗舰视觉 + 零运维零显卡 → Gemini 免费档
- 有 GPU + 中文 OCR / 文档解析 → Qwen2.5-VL
- 一个 Key 横评多个视觉模型 → OpenRouter
- 边缘设备 / CPU 推理 / 嵌入小工具 → Moondream 2
- 存量 LLaVA 项目 → 继续用，新项目换 Qwen-VL / Gemma-4
- 只想跑个 demo 分享 → Hugging Face ZeroGPU
一句话结论：90% 的零成本视觉需求，"Gemini 免费档起步 + 用量上来后迁移 Qwen2.5-VL 本地部署"是 2026 年最稳路径。
下一步
视觉理解解决"看懂图"，图像生成解决"画出图"——两者拼起来才是完整多模态。本站 free API 栏目已有 2026年9月免费图像生成 API 实力榜单（Pollinations / Cloudflare / Together 等 7 平台实测）与 免费 LLM API 综合实力榜单，配合本文的视觉选型，多模态应用的两端都能零成本跑通。更多免费 API 与统一调用渠道，欢迎访问 apishare.cc 免费注册体验。