如果你在问哪款免费 LLM 最适合写代码，坦白说，答案取决于你想运行哪种编码代理。
对于Cline和Roo Code，最好的免费 LLM API 起点通常是通过其 OpenAI 兼容端点使用 Gemini，因为它提供了第一方免费层、带文档说明的 OpenAI 风格 base_url，以及足够的兼容性，让你在付费之前先测试真实的代理提示词。对于Claude Code，答案则不同：免费的 OpenAI 兼容 API 不能直接即插即用。Claude Code 需要受支持的 Anthropic 格式网关路径，而 Anthropic 自己的文档也说明，它不支持通过网关将 Claude Code 路由到非 Claude 模型。
这种差异比排行榜分数更重要。编码代理不会只发送一条礼貌的聊天提示。它们会流式调用工具、检查文件、在出错后重试，并且很快耗尽免费额度。最适合写代码的免费 LLM 模型，是那个能撑住你实际使用的代理协议的模型。
本指南会比较适用于Claude Code、Cline 和 Roo Code 的免费 LLM API 路径，然后给出一个实用的决策矩阵，帮助想测试编码代理、又不想意外踩进额度陷阱的开发者。
哪款免费 LLM 最适合写代码？简短答案
如果你想要一个关于哪款免费 LLM 最适合写代码的默认答案，就用这个：
| 使用场景 | 最佳免费起点 | 原因 |
|---|---|---|
| Cline 编码代理测试 | 通过 OpenAI 兼容性使用 Gemini API 免费层 | 第一方免费层，加上有文档说明的 OpenAI 兼容聊天端点 |
| Roo Code 编码代理测试 | 通过 OpenAI 兼容性使用 Gemini API 免费层 | Roo 支持自定义 OpenAI 兼容提供商，但模型必须支持原生工具调用 |
| Claude Code 网关测试 | Anthropic 兼容的网关路径，而不是通用的免费 OpenAI API | Claude Code 网关文档主要围绕 Anthropic 格式端点和受支持的 Claude 流量 |
| 快速尝试多个免费模型 | OpenRouter 免费模型变体 | 方便进行模型抽样，但免费变体有明确的请求上限和 429 行为 |
| 速度实验 | Groq 免费计划 | 适合做延迟实验，并带有账户级速率限制以及预览/生产模型区分 |
| 本地或边缘实验 | Cloudflare Workers AI 或本地 Ollama/LM Studio | 当你的技术栈已经在这些环境中运行时很合适，但“免费”仍然意味着每日配额、硬件或平台限制 |
重要规则是：用于编码代理的免费 LLM API 应该根据工具调用、上下文处理、重试行为和额度可见性来判断，而不只是看单个编码提示上的回答质量。
我们测试了什么
对于本文来说，“测试”指的是针对开发者实际需要配置的三个代理入口做的就绪性测试：
- 代理能否指向自定义 API 端点，而不用修改扩展或 CLI？
- 提供商是否暴露与代理匹配的 OpenAI 兼容或 Anthropic 兼容路由？
- 模型路径是否支持代理式编码所需的工具调用行为？
- 长时间编码任务开始前，速率限制、免费层限制和生产注意事项是否可见？
- 团队能否从免费的测试平滑升级到有路由、可观测的 API 架构，而不需要再次更改每个本地代理配置？
这不是一张合成基准测试表。确切的免费层配额会变化，账户层级也会不同，而且随着工具演进，编码代理的行为也会变化。真正有用的比较是：这个免费路径是否适合安全测试，以及最先坏掉的是什么。
按编码代理划分的兼容性
Claude Code
对于通用的免费 OpenAI 兼容 API 来说，Claude Code 是最不友好的入口。
Anthropic 为 Claude Code 文档化了通过 ANTHROPIC_BASE_URL 等变量的网关路径，但该网关必须暴露受支持的 API 格式。同一份文档还说明，Anthropic 不支持通过任何网关将 Claude Code 路由到非 Claude 模型。它还解释说，网关凭证会改变计费和使用限制的行为，因为请求使用的是网关凭证，而不是已保存的 Claude 订阅登录。
这让实际答案变得很简单：如果你的问题是在 Claude Code 中哪款免费 LLM 最适合写代码，不要一上来就接入一个随机的 OpenAI 兼容免费端点。先从 Claude 兼容路径开始，只有在你理解了凭证处理、计费和受支持协议行为之后，再使用网关。
Flatkey 自己的快速入门也体现了这种区别。Flatkey 文档中提供了一个 key、一个余额、一个模型目录、一个用于 SDK/API 使用的 OpenAI 兼容路由器，以及通过 Console 进行的独立 Codex 和 Claude Code 设置路径。这让团队可以把代理设置当作基础设施来管理，而不是把提供商密钥散落在各台笔记本电脑上。
Cline
Cline 对免费的 API 实验要直接得多。
Cline 的 OpenAI 兼容提供商设置要求填写三个核心字段：Base URL、API Key 和 Model ID。它还允许你配置模型细节，例如最大输出 token、上下文窗口、图像支持、computer use，以及输入/输出价格假设。
这使得 Gemini 的 OpenAI 兼容端点成为 Cline 的强默认选择。Google 文档中的 Gemini API OpenAI 兼容 base URL 为：
https://generativelanguage.googleapis.com/v1beta/openai/因此，Cline 测试可以非常简单：选择“OpenAI Compatible”，粘贴兼容 Gemini 的 base URL，添加 Gemini API key，然后选择一个具备编码能力的模型。需要注意的是配额：agent 循环会很快消耗免费额度，所以你应该保持任务简短，并在认定模型有问题之前先检查错误。
Roo Code
Roo Code 也支持 OpenAI-compatible 提供商，但它对编码 agents 增加了一个更严格的要求：原生工具调用。
Roo 的文档说明 OpenAI-compatible 提供商使用 Base URL、API Key 和 Model ID，但它也表示 Roo Code 只使用原生工具调用。如果模型不支持 OpenAI-compatible 工具调用，就不能与 Roo Code 一起使用。
这就改变了在 Roo 中哪款免费 LLM 最适合写代码这个问题的答案。一个能写出不错独立代码的模型还不够。它必须对 function-calling/tool schema 提供足够好的支持，这样 Roo 才能可靠地读取文件、应用编辑并流式传递工具事件。
对于 Roo，先从 Gemini 或其他文档明确支持 OpenAI-compatible 工具调用的提供商开始，把第一个任务保持得小一些，并在你花时间调优提示词之前先关注工具调用错误。
适用于 coding agents 的免费 LLM API 选项
1. Gemini API 免费层
Gemini 是许多 Cline 和 Roo Code 用户的首选免费 LLM API，因为 Google 同时提供了免费的起步路径和 OpenAI 兼容性。其定价页面说明，开发者可以免费开始构建，但会有一定限制，之后可以扩展到预付费或按量付费使用。其 OpenAI 兼容性文档展示了 Gemini API 可与 OpenAI library 以及 chat/completions 路由配合使用。
在以下情况优先使用 Gemini：
- 你想要的是第一方提供商，而不是第三方模型路由器。
- 你需要一个适用于 Cline 或 Roo Code 的 OpenAI-compatible base URL。
- 你希望在免费测试之后有清晰的升级路径。
- 你正在测试通用编码任务、重构、文档编写和小型 bug 修复。
不要把 Gemini 的免费层当作生产环境中 agent 成本低廉的证明。免费层流量只是测试通道。长期运行的 coding agents 需要付费配额方案、重试策略和使用量跟踪。
2. OpenRouter 免费模型变体
当任务是模型发现时，OpenRouter 非常有用。它提供许多模型变体，包括 ID 以 :free 结尾的免费变体。其限制文档描述了免费模型请求上限、取决于账户信用历史的每日请求上限、429 行为，以及用于查看当前限制的 key-inspection 端点。
在以下情况使用 OpenRouter 免费变体：
- 你想快速比较多个开源或托管模型。
- 你可以接受请求上限。
- 在选择提供商之前，你需要一种快速测试提示词匹配度的方法。
- 你可以妥善处理
429、402以及提供商侧的限制错误。
如果你的 coding agent 需要可预测的吞吐量来完成一次长时间重构，OpenRouter 就不那么理想。免费路径适合探索；它不是生产容量规划。
如果这正是你的瓶颈，可以将本文与 Flatkey 的 OpenRouter rate-limit 指南搭配阅读：OpenRouter Rate Limits: Why They Happen and How to Fix Them。
3. Groq 免费计划
当实验重点是速度时，Groq 很有吸引力。其速率限制文档解释了 RPM、RPD、TPM、TPD 以及相关限制类型，而模型文档区分了生产模型和预览模型。这一点很重要，因为预览模型可用于评估，但不应被视为稳定的生产依赖项。
在以下情况使用 Groq：
- 你测试的是延迟。
- 你的编码任务足够短，适合免费计划限制。
- 你可以选择一个符合 coding-agent 工具要求的可用模型。
- 在为更大模型付费之前，你想比较“足够快”和“足够聪明”。
要小心 agent 循环。速度快的免费模型可能比慢一些的模型更快触发请求或 token 限制。
4. Cloudflare Workers AI
如果你已经在 Workers 上构建，或者想要靠近边缘的推理，Cloudflare Workers AI 很有意思。其定价文档描述了 Workers AI 免费每日分配的 neurons，以及在 Workers Paid 上超过该分配后的付费使用。它还列出了 LLM 模型，包括与编码相关的 Qwen 和 DeepSeek 选项。
在以下情况使用 Workers AI：
- 你的产品本来就运行在 Cloudflare 上。
- 你想要靠近应用基础设施的 serverless AI 调用。
- 你的 coding-agent 测试更关注集成，而不是顶级模型质量。
不要仅仅因为出现了“free”这个词就选择它。你仍然需要了解每日重置、模型可用性、某些模型对付费计划的要求，以及你的 agent 是否能够使用正确的 API 形态。
5. 通过 Ollama 或 LM Studio 的本地 LLM APIs
本地模型在狭义上是“免费”的，因为不会按 token 产生提供商账单。但在运维意义上它们并不免费：你要付出本地硬件、延迟、内存、配置时间，以及在较小机器上较低的模型质量。
在以下情况值得尝试本地 APIs：
- 你的代码必须留在本机。
- 你的任务很小且重复。
- 你测试的是 agent 机制，而不是最高推理质量。
- 你可以接受较慢的性能和偶尔不太好的编辑结果。
如果你需要强大的多文件自主修改，本地模型通常不是哪款免费 LLM 最适合写代码这个问题的答案。它们更适合作为隐私优先的基线和备用方案。
决策矩阵
在把任何免费 LLM coding 方案接入日常工作之前，先使用这个矩阵：
| 问题 | 需要检查什么 | 为什么重要 |
|---|---|---|
| 该代理是否接受这种提供商格式？ | Claude Code 需要支持 Anthropic 格式的网关路径；Cline 和 Roo 可以使用 OpenAI 兼容的提供商 | 协议不对，在模型质量还没发挥作用之前就会失败 |
| 模型是否支持工具调用？ | 尤其对于 Roo Code | 编码代理需要文件读写和工具事件，而不仅仅是聊天文本 |
| 你能在开始前查看配额吗？ | 提供商控制台、密钥检查端点、账户限制页面或用量日志 | 当配额不可见时，长时间编码任务很容易失败 |
遇到 429 时会发生什么？ | 重试头、指数退避、排队、回退 | 免费额度是常态，不是例外 |
| 你能顺利切换到付费/路由使用吗？ | 相同的 base_url、相同的模型 ID 约定、集中式密钥管理 | 最好的测试配置不应变成迁移负担 |
如果其中两行或更多的答案不明确，那么在将其用于编码代理之前，先手动运行这个免费 LLM API。
Cline 和 Roo Code 的实用设置路径
在评估用于编码代理的免费 LLM API 时，可使用以下安全路径：
- 选择一个小任务：更新 README、解释堆栈跟踪，或进行单文件重构。
- 使用提供商文档中的 base URL、API 密钥和模型 ID 配置代理。
- 从能复现该任务的最小上下文开始。
- 在要求多文件编辑之前，先确认工具调用是否可用。
- 留意限流错误、缺少工具调用支持以及模型未找到错误。
- 保存准确的提供商、模型、base URL 和错误说明。
- 然后再尝试更长的任务。
对于 Cline，这主要是一个提供商配置练习。对于 Roo Code，应将工具调用视为硬性门槛。对于 Claude Code，则应将协议兼容性视为硬性门槛。
免费测试之后 Flatkey 的位置
免费 API 非常适合回答“这个代理能不能工作？”但它们不擅长回答“我的团队能否每天都这样运行？”
Flatkey 正是为第二个问题而构建。Flatkey 的公开快速入门文档说明了一个密钥可用于 API、SDK、CLI 和编码代理设置；并提供了位于以下地址的 OpenAI 兼容路由器：
https://router.flatkey.ai/v1它还记录了 Usage Logs，因此团队可以在请求后查看模型、令牌数量、延迟和成本。产品概览将 Flatkey 定位为在官方模型与按次付费工具之间实现一种平衡，而使用情况则汇总到同一本账中。
当一个免费的 LLM 编码测试扩展为以下情况时，这就很有用：
- 多个开发者使用不同的本地代理，
- 多个模型提供商，
- 重试和回退策略，
- 使用归因，
- 支出控制，
- 以及避免分散提供商密钥的需求。
迁移原则很简单：学习时直接测试免费模型，然后在本地配置变得难以管理之前，将正式的代理使用迁移到一个可观测的网关之后。
有关设置细节，请从 Flatkey API 快速入门：通过 router.flatkey.ai 发起你的第一次调用 和 用于多模型提示测试的一个 OpenAI 兼容 Base URL 开始。
常见错误
错误 1：把每个 OpenAI 兼容 API 都当作代理兼容
OpenAI 兼容的聊天并不等同于编码代理兼容。工具调用、流式传输、模型 ID 和最大输出设置都可能不同。
错误 2：只选最聪明的免费模型，却忽视配额
如果在重构进行到一半时失败，那么对编码最好的免费 LLM 模型也毫无用处。启动代理循环之前先检查速率限制。
错误 3：把 Claude Code 当作 Cline 或 Roo Code 来用
Claude Code 有不同的网关模型。一个在 Cline 中可用的通用免费 OpenAI 兼容端点，未必是受支持的 Claude Code 路径。
错误 4：忘记“免费”通常意味着“仅用于评估”
提供商文档通常会区分免费层、预览模型和生产模型。如果任务很重要，在自动化之前先阅读这些区别。
FAQ
总体来说，哪款免费 LLM 最适合写代码？
对于大多数测试 Cline 或 Roo Code 的开发者来说，通过 OpenAI 兼容端点使用 Gemini 的免费层是最佳起点。对于 Claude Code，通用的免费 OpenAI 兼容 API 不是合适的默认选择，因为 Claude Code 的网关支持以 Anthropic 兼容行为为中心。
最适合编码代理的免费 LLM API 是什么？
最适合编码代理的免费 LLM API，是那个与你的代理协议匹配并支持工具调用的 API。Gemini 是 OpenAI 兼容代理测试的最强默认选择；OpenRouter 适合免费模型采样；Groq 适合速度测试；本地模型适合私有实验。
实际上，问题哪款免费 LLM 最适合写代码应始终按代理来回答，而不是按模型排行榜来回答。
我可以在 Cline 或 Roo Code 中使用 OpenRouter 免费模型吗？
可以，只要你正确配置 OpenAI 兼容的 base URL、密钥和模型 ID，并且所选模型支持你的代理所需的行为。要预期免费模型请求上限，并处理 429 错误。
我可以在 Claude Code 中使用免费的 OpenAI 兼容模型吗？
不能把它当作通用即插即用方案。Claude Code 网关文档聚焦于受支持的 API 格式和 Anthropic 兼容的网关行为，而且 Anthropic 表示不支持通过任何网关将 Claude Code 路由到非 Claude 模型。
本地 LLM 够用于编码代理吗？
它们对于小改动、解释说明和私密实验来说通常已经足够好。除非你有很强的本地硬件以及支持代理工具协议的模型，否则它们在长时间、多文件的代理任务中通常会更弱。
最终建议
如果你真正的问题是哪款免费 LLM 最适合写代码，可以先从代理开始：
- Cline: 先试试 Gemini 的 OpenAI 兼容端点。
- Roo Code: 先试 Gemini，但要立即验证原生工具调用。
- Claude Code: 使用受支持的 Claude 兼容路径，而不是强行套用通用的免费 OpenAI API。
- Model shopping: 使用 OpenRouter 的免费变体，但要预期有额度限制。
- Latency experiments: 试试 Groq。
- Private/local tests: 试试 Ollama 或 LM Studio。
免费 LLM 编码最好作为测试工具来使用。一旦工作流成为你日常开发循环的一部分，就把它放到可观测的路由、用量日志、回退策略和一个托管密钥之后。
