文案库 · 抖音

让你白嫖各种大模型

梦莱加德 · 2026-10-27 · 赞 7,509 · 收藏 5,611 · 评论 95 · 读取于 2026-10-31

看原帖 ↗

要点（每条带原文引文）

  • 开源项目 dsh-our-free-model 在 GitHub 获得 44.9k Star，支持 DeepSeek V4.1 Flash、Kimi K3、MiMo V2.6 等主流模型。 — ✓ “GitHub已经拿下44K的star” (0:05)
  • 插件采用零配置模式，无需账号、Key 或后台申请配额，安装后即可直接使用。 — ✓ “不需要账号、不需要 Key” (0:02)
  • 上游接口公开透明，免费车道来源为 OpenCode 的 Zen 网关，Kilo 渠道来源为 Kilo AI 的公共网关，均直连无中转。 — ✓ “免费车道来源为 OpenCode” (0:02)
  • 具备工具输出自动压缩去冗余功能，实测可将 40KB 的 Git diff 缩减至 4KB，减少约 90% 的 Token 消耗。 — ✓ “砍掉90%冗余字节” (0:21)
  • 压缩后的内容结构完整，模型仍能正常理解语义，实现省 Token 且效率拉满。 — ✓ “模型还能正常读懂”
  • 支持自定义降级路由链，当主力模型出现 429、超时或故障时，可无缝切换至备用模型。 — ✓ “模型挂了自动无缝切换” (0:28)
  • 长思考阶段若被截断，系统可通过检查点机制自动恢复，无需重放已显示的思考过程。 — ✓ “长思考阶段还能自动恢复” (0:28)
  • 应用内升级支持一键操作，包含 SHA-256 校验、备份及原子替换，失败时自动回滚至上一版本。 — ✓ “下载 → SHA-256 校验” (0:02)
  • 支持热重载技术，升级与代码变更即时生效，无需重启应用即可使用最新功能。 — ✓ “热重载——升级与代码变更即时生效” (0:02)
  • 用量看板数据全部保留在本机，提供 Token 热力图、总量曲线及首字延迟等可视化监控。 — ✓ “Token 热力图、总量曲线”

要点由 LinkDigest 的模型写出，引文逐字核对过：✓ 在原文里找到了，✗ 没找到。

画面文字（前 10 行）

  • 0:00 MIT license / dsh-our-free-model / 简体中文 | English / license MIT / type: dependency status beta / GITHUB TRENDING #1 Repository Of The Day / TRENDSHIFT · JAVASCRIPT #1 Repository Of The Week / AI届最高的山它来了
  • 0:02 README MIT license / 开箱即用，无配置环节——不需要账号、不需要 Key、不需要在后台申请配额。 / 上游来源公开透明——免费车道来源为 OpenCode 的 Zen 网关，Kilo 渠道来源为 Kilo AI 的公共网关... / 清单跟随上游——模型集合、上下文长度与能力在每次刷新时向上游重新拉取... / 选择器只广播可用的模型——上游清单已声明但网关明确拒绝路由的模型... / 公告中心 + 实时推送——仓库维护者在仓库中编辑 JSON 并推送后... / 应用内升级——设置页一键升级：下载 → SHA-256 校验 → 备份 → 原子替换 → 校验回读 → 热重载... / 热重载——升级与代码变更即时生效，无需重启应用... / 按响应体形状判定流式响应——网关在高负载下会以 application/json 的 content-type 返回完整的 SSE 帧序列... / 思考强度实际生效——两类模型两种控制：声明了思考档位的模型（如 DeepSeek V4.1 Flash、GLM 5.3 Flash）给出它自己的档位菜单... / 现在登场的是可以
  • 0:04 README MIT license / 选择器只广播可用的模型——上游清单已声明但网关明确拒绝路由的模型... / 公告中心 + 实时推送——仓库维护者在仓库中编辑 JSON 并推送后... / 应用内升级——设置页一键升级：下载 → SHA-256 校验 → 备份 → 原子替换 → 校验回读 → 热重载... / 热重载——升级与代码变更即时生效，无需重启应用... / 按响应体形状判定流式响应——网关在高负载下会以 application/json 的 content-type 返回完整的 SSE 帧序列... / 思考强度实际生效——两类模型两种控制：声明了思考档位的模型（如 DeepSeek V4.1 Flash、GLM 5.3 Flash）给出它自己的档位菜单（Off / Low / High / Max 等），选中值按原值下发到上游 reasoning_effort，上游会校验该字段、集合外的取值直接 400；没有档位菜单的模型（MiMo V2.6 等）走预算阶梯——Light / Balanced / Deep 对应输出 token 预算 2 048 / 8 192 /
  • 0:05 README MIT license / 同样保留，选择器不会为空。 / 公告中心 + 实时推送——仓库维护者在仓库中编辑 JSON 并推送后，所有已安装实例最迟在一个轮询周期内收到；正文为白名单约束下的 HTML，支持图文排版；urgent 级别触发全屏弹窗；可选系统级通知。 / 应用内升级——设置页一键升级：下载 → SHA-256 校验 → 备份 → 原子替换 → 校验回读 → 热重载，任一步失败自动回滚至上一版本。 / 热重载——升级与代码变更即时生效，无需重启应用；也可在设置页手动触发，或启用文件监视自动重载。 / 按响应体形状判定流式响应——网关在高负载下会以 application/json 的 content-type 返回完整的 SSE 帧序列。插件按响应体形状判定，并将已嗅探的字节重新注入流，既不会导致整轮失败，也不会因 header 与实际内容不符而将可用模型判为不可用。 / 思考强度实际生效——两类模型两种控制：声明了思考档位的模型（如 DeepSeek V4.1 Flash、GLM 5.3 Flash）给出它自己的档位菜单（Off / Low / High /
  • 0:06 Code Issues 285 Pull requests 69 dsh-our-free-model Public main 18 Branches 36 Tags 今天要说的是 zixin947 Merge pull request #666 from zixin947
  • 0:07 ork 1.3k Star 44.9k 它在GitHub已经拿下四十四K的Star
  • 0:09 卡片工坊 · 装机台 装完直接用 DeepSeek V4.1 Flash · Kimi K3 01 / 06 Z1 · 装机台 插件落座，模型卡就位 CARD WORKBENCH NIGHT SHIFT · 06 ST dsh 插件 v2.7.2 dsh-our-free-model 装上就走 零配置 已挂载 MIT · 零构建 MiMo V2.6 MODEL CARD DeepSeek V4.1 Flash REASONING 强推理 · 思考档位 READY Kimi K3 LONG CONTEXT 长上下文 · 长任务 READY A1 · 装 01 / 06 03 04 05 Deepseek V4.1 Flash
  • 0:11 卡片工坊 · 装机台 装完直接用 DeepSeek V4.1 Flash · Kimi K3 01 / 06 Z1 · 装机台 插件落座，模型卡就位 CARD WORKBENCH NIGHT SHIFT · 06 ST dsh 插件 v2.7.2 dsh-our-free-model 装上就走 零配置 已挂载 MIT · 零构建 MiMo V2.6 MODEL CARD DeepSeek V4.1 Flash REASONING 强推理 · 思考档位 READY Kimi K3 LONG CONTEXT 长上下文 · 长任务 READY A1 · 装 01 / 06 03 04 05 Kimi K3这些主流强模型
  • 0:12 卡片工坊 · 装机台 / 装完直接用 / DeepSeek V4.1 Flash · Kimi K3 / 01 / 06 / Z1 · 装机台 / 插件落座，模型卡就位 / dsh 插件 v2.7.2 / dsh-our-free-model / 装上就走 / 零配置 / 已挂载 / MIT · 零构建 / DeepSeek V4.1 Flash / REASONING / 强推理 · 思考档位 / READY / MiMo V2.6 MODEL CARD / Kimi K3 / LONG CONTEXT / 长上下文 · 长任务 / READY / 不登录 / 不填 Key / 零配置 / DeepSeek V4.1 Flash / Kimi K3 已就位 · 零配置 / CARD WORKBENCH NIGHT SHIFT · 06 ST / A1 · 装 / L / 01 / 06 / Kimi K3这些主流强模型
  • 0:13 卡片工坊 · 装机台 / 装完直接用 / DeepSeek V4.1 Flash · Kimi K3 / 01 / 06 / Z1 · 装机台 / 插件落座，模型卡就位 / dsh 插件 v2.7.2 / dsh-our-free-model / 装上就走 / 零配置 / 已挂载 / MIT · 零构建 / DeepSeek V4.1 Flash / REASONING / 强推理 · 思考档位 / READY / MiMo V2.6 MODEL CARD / Kimi K3 / LONG CONTEXT / 长上下文 · 长任务 / READY / 不登录 / 不填 Key / 零配置 / DeepSeek V4.1 Flash / Kimi K3 已就位 · 零配置 / CARD WORKBENCH NIGHT SHIFT · 06 ST / A1 · 装 / L / 01 / 06 / 开箱即用 / 装完直接用

逐字稿

AI界最高的山,它来了。 现在登场的是可以让你直接白调各种大模型的开源项目。 今天要说的是,它在GitHub已经拿下44K的star。 DeepSeek v4.1 Flash、PeimiK3这些主流强模型,装完直接用。 最夸张的是它还帮你省着用。 工具输出自动压缩去冗余,同样的任务消耗更少Token。 实测40KB的Gitdiff能砍掉90%冗余字节,模型还能正常读懂,省Token效率拉满。 支持自定义降级路由链,模型挂了自动无缝切换,长思考阶段还能自动恢复,真的非常好使。

读了什么

  • 图上文字 226 行
  • 逐字稿 8 段 (34 / 34 s)
  • 画面文字 28 行，带出现时间
  • 抽帧间隔不超过 1.3 秒
  • 没读到：comments not read

只有计数和一句样例；全文留在原帖。

LinkDigest

读你自己的链接

贴一条小红书、抖音、B站、微博、公众号、YouTube 或 TikTok 链接，几十秒后拿到文案、逐字稿、图上文字和要点。

digest console
resolvefetchreaddigest

Try an example below, or paste your own link.

try

相关内容

本页由 LinkDigest 读取公开内容后生成的要点与引文；原文版权归作者，引用请注明原文链接。如需下架，请通过 /app/feedback 告知。 原文链接 · support@linkdigest.dev