向AI转型的程序员都关注公众号 机器学习AI算法工程
开箱即用，无配置环节
https://github.com/Ebony-Vinyl/dsh-our-free-model
不用登录、不用注册、不用填 API Key、不用绑卡，打开输入框的模型选择器就能用上 DeepSeek V4.1 Flash、GLM 5.3 Flash、MiMo V2.6 Flash 这一批前沿模型，不充值、不按 token 计费、没有套餐，也不用先申请配额。模型清单跟着上游实时刷新，可用性由你自己这台机器的网络出口实测得出；地区不放行的模型单独分组，网关明确拒绝路由的模型从下拉框移走，留在设置页注明原因。除此之外还送一个 OpenAI 兼容的本地端口，把同一批模型接给 Claude Code、Codex、Cline、curl 以及同网段的另一台设备。
装之前准备三样东西
|
|
|
|---|---|
|
|
^22.19.0 || >=24.0.0
node --version 确认。插件本身零依赖、无构建步骤
|
|
|
npx @deepseek-ai/dsh web，默认打开 http://127.0.0.1:3080
|
|
|
.tgz 解压，或用官方带 scope 的 npm 包 @ebony-vinyl/dsh-our-free-model；适配 dsh 0.1.5 / 0.1.7 / rc.2
|
别装错包。README 用醒目提示写明：npm 上裸名的 dsh-our-free-model不是本仓库发布的——第三方打包时改动了 index.js、client.js，还多出仓库里从未有过的 src/channel-visibility.js；装它拿不到仓库审核过的构建，也没有签名清单校验和应用内升级。仓库自己发布的是带 scope 的 @ebony-vinyl/dsh-our-free-model，与 Release 的 tarball 同源同版本。同一个 profile 里只选一种安装方式，不要混用。
四步装完，重启就能用
-
启动 dsh： npx @deepseek-ai/dsh web，浏览器打开终端打印的地址（默认http://127.0.0.1:3080）。 -
挂载插件：把下面两条命令按你的安装来源选一条执行， --profile填实际使用的 profile 名称。 - 重启应用一次
。 -
回到输入框，点开模型选择器，选 Our Free Model分组下任意模型，直接发第一条消息。设置页不用进，账号、Key、配额一个都不用填。
# 1. 启动 dsh
npx @deepseek-ai/dsh web
# 2a. 本地目录（从 Releases 解压后的绝对路径）
dsh plugin --profile web add /绝对路径/dsh-our-free-model
# 2b. 或走官方带 scope 的 npm 包
dsh plugin --profile web add @ebony-vinyl/dsh-our-free-model@2.8.3
# 3. 重启应用一次，完成首次启动会弹一个 5 页引导（前言 / 模型清单 / 使用步骤 / 功能介绍 / 公告与升级），确认一次后不再出现。之后想升级，去设置 → Our Free Model → 插件升级，点「检查更新 → 立即升级」即可，下载、校验、备份、替换、热重载都在应用内完成，失败自动回滚，不用重装也不用重启。
其它宿主怎么装
|
|
|
|---|---|
|
|
|
|
|
|
|
|
link: 依赖或目录 junction
|
|
|
npm run start:standalone，默认端口 18900、数据目录 ~/.our-free-model、独立 API Key，启动打印一次性管理链接。独立服务的安装制品与 Release 尚未发布，目前需从完整源码仓库运行
|
# 独立本地服务（仓库根目录）
npm run start:standalone
npm run start:standalone -- --port 18900 --data-dir /path/to/ofm-data
# 让同一网络的其它设备也能用（默认关闭）
npm run start:standalone -- --lan --lan-port 18901能用到哪些模型
|
|
|
|
|
|
|---|---|---|---|---|
|
|
deepseek-v4.1-flash-free |
|
|
|
|
|
glm-5.3-flash-free |
|
|
|
|
|
mimo-v2.6-flash-free |
|
|
|
|
|
nemotron-3.5-super-vl-free |
|
|
|
|
|
nemotron-3.5-lightning-free |
|
|
|
|
|
-free id
|
|
|
|
|
|
longcat-2.5-preview-free
big-pickle
|
|
|
|
把模型接给已经在用的工具
这一步是插件最实用的地方：设置 → Our Free Model → 本地转发，打开开关，复制 base URL 并生成 Key，本机其它工具就能像调用普通 OpenAI 兼容接口一样用这批模型。
|
|
|
|---|---|
GET /v1/models |
|
POST /v1/chat/completions |
|
POST /v1/responses |
|
POST /v1/messages |
|
POST /v1/messages/count_tokens |
|
curl http://127.0.0.1:18900/v1/models \
-H "Authorization: Bearer <本机 Key>"
curl http://127.0.0.1:18900/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <本机 Key>" \
-d '{"model":"<选择器里的模型 id>","messages":[{"role":"user","content":"帮我看下这个仓库的目录结构"}],"stream":true}'网关页有「接入客户端」分区，会按实际绑定的端口和真实要求的密钥，直接生成可复制的 Claude Code 环境变量、Codex config.toml、OpenAI SDK、Anthropic SDK、curl 配方，不用自己拼。端口默认 18899，被占用时插件先重试几轮，再自动顺延到 18900 等可用端口，并把实际端口写回设置页，不会静默失效。
想让手机或另一台电脑也用，往下翻同一面板的「局域网访问」：默认关闭，显式开启后用独立的局域网 Key，面板会显示实际端口与本机网卡地址（每 15 秒重读一次，换 Wi-Fi 不用重开）。两把 Key 互不通用，泄露其中一把只轮换对应一侧即可。
五种端点均出自 README「使用说明」；本机监听默认只绑 127.0.0.1，跨机器访问需单独开启中继并使用局域网 Key。
开启局域网后，任何能访问这台主机的用户都可以持局域网 Key 消耗本机的免费额度。只在可信网络里开，必要时用防火墙限制来源网段。
几个用得上的可调项
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
git diff 能去掉 90% 字节且模型仍能就它作答；另有两族提示词瘦身档位，默认全关
|
|
|
combo:<name> 降级链，链首在输出正文之前失败会整段丢弃、自动切下一个，调用方无感
|
|
|
urgent 级别全屏弹窗；升级在应用内一键完成并热重载
|
常见报错与处理
|
|
|
|---|---|
profile "desktop" is managed exclusively by the Electron application |
|
PROFILE_UPGRADE_REQUIRED: offline dependency migration is not yet available |
link: 依赖或 junction，改用应用内插件管理器或本地 tarball
|
ERR_PNPM_VIRTUAL_STORE_DIR_MAX_LENGTH_DIFF |
node_modules 由旧版 pnpm 生成。关闭 dsh，删掉该 profile 的 node_modules 与 pnpm-lock.yaml 让它重建，再装一次
|
git ls-remote "git+ssh://git@github.com/..."
|
insteadOf 重写或没配 SSH 密钥会在下载前就失败。修正 git 配置，或改从 Releases 下载解压后本地安装
|
|
|
netsh interface portproxy 规则，netsh interface portproxy show all 可列出、reset 可清除
|
|
|
Retry-After 缺省 6 小时），下一轮探测自动恢复；等窗口过去或换个出口
|
|
|
region-limited 分组，被网关明确拒绝路由的移出下拉框、在设置页留拒因。换网络后重新探测
|
|
|
reasoning: false 的模型
|
|
|
xattr -cr /Applications/Our\ Free\ Model.app
|
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
【模型高效部署】tensorrtx 深度解读，yolov11高性能推理实战案例
实时语义分割ENet算法，提取书本/票据边缘
整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主
《大语言模型》PDF下载
动手学深度学习-（李沐）PyTorch版本
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《基于深度学习的自然语言处理》中/英PDF
Deep Learning 中文版初版-周志华团队
【全套视频课】最全的目标检测算法系列讲解，通俗易懂！
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
python就业班学习视频，从入门到实战项目
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
《深度学习之pytorch》pdf+附书源码
《Python数据分析与挖掘实战》PDF+完整源码
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
