Proveo sam dva dana registrovajući se na 20+ AI platformi i pokupio sve besplatne Token-e — samo ovi su zaista isplativi

Iako uvek naglašavam da je token proizvodna snaga i da u ovo doba treba imati barem jedan Coding Plan paket, jer će u suprotnom vaša produktivnost ozbiljno zaostajati.

Ali Coding Plan je sada teško kupiti — lite verzija je u osnovi uvek rasprodana. Pogledajte ovu potrošnju tokena.

U martu 2026. dostignuta je cifra od 140 biliona.

Iskreno, najveća anksioznost u eri AI-ja nije u tome što ne možete da naučite, već u tome što ne možete da priuštite. Token je kao mobilni internet — bez Coding Plan-a, bez pro i max verzija, ako ga ne pratite, nestane pre nego što se snađete.

Proveo sam puna dva dana pokupivši sve besplatne kvote koje sam mogao da nađem, 10 domaćih i 12 inostranih platformi. Koje su zaista vredne, a koje puno zamki, sve sam testirao i evo izveštaja.

Dovoljno je da sačuvate ovaj jedan članak, preporučujem da ga prvo sačuvate, a zatim pažljivo pročitate.

01. Šta je zapravo Token

Pre nego što pređemo na besplatne kvote, hajde da razjasnimo ovaj koncept.

Token nije slovo, nije reč, nije ni rečenica. To je najmanja jedinica kojom veliki model obraduje informacije. Možete ga zamisliti kao „piksel“ velikog modela — kao što se slika sastoji od piksela, tako se svet u očima velikog modela sastoji od Token-a.

Jedan kineski znak odgovara oko 1,5 do 2 Token-a, a jedna engleska reč oko 1 do 1,5 Token-a. Zato je na istu količinu teksta kineski „skuplji po Token-u“ od engleskog.

Jedan običan AI razgovor, sa ulazom i izlazom, potroši oko 1000 do 3000 Token-a.

U Coding scenariju, kada AI čita repozitorijum koda srednje veličine i zatim vrši izmene, potrošnja od 50 hiljada do 200 hiljada Token-a po razgovoru je sasvim uobičajena. Kod Agent režima kao što je Claude Code, jedan složen zadatak može potrošiti i do 500 hiljada Token-a, što nije iznenađujuće.

Zato i razumete zašto mnogi, koristeći AI za pisanje koda, usred posla odjednom dobiju poruku „nedovoljno sredstava“ — nije da ste vi potrošili mnogo, već je Coding scenarij po svojoj prirodi crna rupa za Token-e.

Upravo sada se desila jedna prilično zanimljiva stvar: Državni agregat podataka je Token-u prvi put dao zvanični domaći naziv — rečni element. Značenje je „najmanja, nedeljiva osnovna informaciona jedinica u oblasti obrade jezika“. Ovaj naziv prati logiku oblikovanja reči „piksel“ i „bajt“: „reč“ sidri domen obrade jezika, a „element“ označava najmanju osnovnu jedinicu.

Profesor Jang Bin sa Univerziteta Cinghua je tokom dve sednice predložio novi naziv: modelni element. Razlog je taj što „model“ direktno odgovara velikom modelu i višemodalnosti i sidri jezgro svojstvo AI scenarija.

Po mom mišljenju, u svakodnevnoj upotrebi sasvim je dovoljno da svi jednostavno kažu Token.

Ali ovo treba da bude jasno: osnovna merna jedinica prošlog doba bila je bit, a osnovna merna jedinica ovog doba je Token.

Sad kada smo razjasnili šta je Token, pređimo direktno na temu — koje platforme dele besplatne kvote, koliko dele i da li se isplati pokupiti ih.

02. Domaće platforme

Ovolika konkurencija u 2026. godini znači da skoro svako besno deli kvote. Sortirao sam 10 domaćih platformi koje sam testirao prema „nivou isplativosti“.

Prvi rang

SiliconFlow već pri registraciji daje veliku količinu Token-a, a pozivanjem prijatelja dobijate i dodatne nagrade. Još važnije je da agregira više od 100 open-source modela — Qwen, DeepSeek, Llama, sve su tu. Mali modeli (na primer Qwen/Qwen3.5-4B) mogu se trajno besplatno pozivati.

Ako često morate da prebacujete između različitih modela za poredbena testiranja, SiliconFlow to rešava iz jednog mesta. U Pai Liao Liao već koristim API SiliconFlow-a.

Zhipu AI — njihov GLM-4.7-Flash je takođe trajno besplatan i neograničen. Porodica GLM, kao jedan od vodećih domaćih velikih modela, u Flash verziji možda nije toliko jaka kao vodeća verzija, ali je za svakodnevne razgovore, obradu teksta i podršku u kodiranju sasvim dovoljan.

Novi korisnici pri registraciji dobijaju i veliki bonus sredstava, dovoljan da isprobate čitavu seriju modela. Još bolje je to što je Zhipu pokrenuo plan „jastog probna kartica“, gde i korisnici u timovima mogu dobiti pristojnu količinu GLM-5-Tu kredita.

iFlytek Spark — njihov Spark Lite. iFlytek ima duboko iskustvo u oblasti prepoznavanja govora, pa ako vaš scenario uključuje pretvaranje glasa u tekst i zatim obradu kroz veliki model, ovaj iFlytekov komplet se prilično lepo koristi.

Drugi rang

Volcano Engine (Doubao) je iz ByteDance ekosistema.

Strategija Ali Bailian je da svaki model zasebno deli kvote — novi korisnici prilikom prve aktivacije svakog modela dobijaju besplatnu kvotu. Na Bailianu ima mnogo modela — serije Qwen, DeepSeek, Kimi, itd., pa ukupno gledano iznos nije mali. Ako radite RAG ili razvoj Agent aplikacija, alatni lanac Bailian-a je prilično potpun.

Treći rang: posebni kanali

DeepSeek ja inače koristim za prevode. Sposobnost zaključivanja DeepSeek V3.2 i R1 među domaćim modelima je na vrhunskom nivou. API cena je jeftina, i obnova ne boli.

Moonshot (Kimi) — obrada dugog teksta Kimi K2.5 jedna je od glavnih prednosti; sa prozorom konteksta od 128K izuzetno je pogodan za obradu dugih dokumenata i analizu naučnih radova.

Nacionalni superkompjuting internet je nedavno uradio veliku stvar — besplatno podelio Token kvote korisnicima OpenClaw-a. Iako je u pitanju vremenski ograničena akcija, cena računske snage superkompjuting interneta zaista je niska, pa će verovatno biti još sličnih akcija.

MiniMax ima svoje specifičnosti u pogledu višemodalnosti — sinteza govora im je prilično dobra.

Baidu ERNIE serija — novi korisnici pri registraciji dobijaju besplatnu kvotu. Lično sam testirao i ERNIE je za zadatke kao što su sažimanje teksta i prevođenje i dalje pouzdan, vreme odziva nije sporo, rezultat se obično pojavi za sekund-dve.

Tencent Hunyuan — novi korisnici pri prvoj registraciji dobijaju besplatnu kvotu. Hunyuan ima prilično dobro razumevanje kineskog jezika i stabilno se ponaša u zadacima koji se odnose na kineski tekst.

03. Inostrane platforme

Cerebras je inostrana besplatna platforma koju toplo preporučujem. Specifičnost Cerebras-a je ekstremno brzo izvođenje — njihov namenski čip WSE-3 ima 4 biliona tranzistora na jednoj ploči, a brzina izvođenja je višestruko veća nego kod GPU rešenja. Besplatno dobiti takvu brzinu je zaista dobra pogodnost.

Besplatni nivo Google Gemini-a je takođe vrlo solidan. Ne zahteva kreditnu karticu, dovoljno je da se pozove preko Google naloga. Ako radite višemodalne aplikacije (razumevanje slika, analiza video zapisa), odnos cene i kvaliteta Gemini-jevog besplatnog nivoa je visok.

Mistral AI.

OpenRouter je agregatorna platforma i trenutno nudi priličan broj besplatnih modela. Prednost je u tome što jednim API ključem pozivate sve modele, što je za poredbena testiranja modela veoma pogodno. Lista besplatnih modela uključuje Llama, Qwen i druge.

GitHub Models je otvoren za sve GitHub korisnike; ako ste već korisnik GitHub-a, ovo je kao da pokupite besplatno. Za programere koji žele da iskuse OpenAI modele, a ne žele da vezuju inostranu kreditnu karticu, GitHub Models je trenutno najpogodniji ulaz.

04. Toplo preporučujem

Zhipu GLM-4.7-Flash (trajno besplatan), bez trošenja novca, pokriva 90% svakodnevnih scenarija.

GLM-4.7-Flash se ističe u zadacima na frontu i beku. Pored scenarija programiranja, preporučujemo vam i da isprobate GLM-4.7-Flash u opštim scenarijima kao što su pisanje na kineskom, prevoodi, dugi tekstovi, emocije i uloge.

OpenRouter i GitHub Models su takođe toplo preporučeni; sasvim je moguće da tokeni koje ste kupili na nezvaničnim kanalima zapravo dolaze odavde.

05. ending

Iskreno, besplatne stvari najlakše navode ljude da zaborave na jednu činjenicu — vreme je ono što najviše košta.

I ja sam ranije težio jeftinom, koristio besplatne modele, ali sam često posao morao iznova da ponavljam. Ali otkako sam uzeo Codex pro verziju, čini mi se da se razvojna efikasnost popela na raketu.

Ovih dana sam intenzivno kodirao mnogo sadržaja za tehničku školu i Pai Cong Ming koristeći Codex. Ukratko ću vam sumirati.

Prvo, način pisanja biografije za nove funkcionalnosti Pai Cong Ming.

Naziv projekta: Pai Cong Ming RAG sistem poslovnog znanja

Tehnološki stek: Spring Boot 3, Spring Security, JWT, MySQL, Redis, Elasticsearch, Kafka, MinIO, WebSocket, Docker

Opis projekta: platforma RAG pametne baze znanja za upravljanje poslovnim znanjem, podržava parsiranje dokumenata, vektorsku pretragu, organizacionu izolaciju dozvola, AI pitanja i odgovore, registraciju pozivnim kodom i naplatu po preostalom Token stanju.

Ključne odgovornosti:

• 1. Vodio nadogradnju arhitekture za naplatu Token-a u RAG platformi: Redis čuva stanje u realnom vremenu, MySQL čuva dnevne glavne knjige i statističke detalje; podržava dopunu, odbijanje, rang-listu i analizu trendova za dvostruke LLM/Embedding Token-e.
• 2. Na osnovu WeChat Pay v3 Native Pay zapakovao procese kreiranja naloga, generisanja QR koda za plaćanje, upita statusa naloga, verifikacije potpasa povratnog poziva plaćanja i izdavanja Token-a nakon priliva sredstava.
• 3. Dodao skriptu za primenu deploy-front.sh koja automatskuje pakovanje front-end rezultata izrade, daljinsko otpremanje, dekompresiju i zamenu na serveru i proveru ispravnosti, čime se smanjuje broj ručnih koraka u izdavanju.

Pri ovom intenzitetu razvoja, ranije bi mi trebala barem nedelja da završim.

Ovo je način pisanja biografije za tehničku školu.

Naziv projekta: Zajednica tehničke škole

Tehnološki stek: Spring Boot 2.7, MyBatis-Plus, MySQL, Redis, RabbitMQ, ElasticSearch, MongoDB, Liquibase, WebSocket, WeChat zvanični nalog, LLM

Opis projekta: usvaja slojevitu arhitekturu sa 5 modula, obuhvata ključne scenarije kao što su objavljivanje članaka, pretraga, komentari, rang-lista aktivnosti, AI pitanja i odgovori, WeChat prijava skeniranjem QR koda i odgovori na poruke zvaničnog naloga. Ključno zadužen za izgradnju AI platforme sposobnosti i nadogradnju pametnog upravljanja WeChat zvaničnim nalogom.

Ključne odgovornosti:

• 1. Na osnovu Redis-a i dinamičke konfiguracije implementirao backend za upravljanje AI konfiguracijom, omogućavajući jedinstvenu konfiguraciju za 9 klasa modela — Zhipu, iFlytek, DeepSeek, Doubao, Ali itd.
• 2. Izgradio sposobnost upravljanja WeChat menijem, podržava nacrt menija, validaciju pravila, daljinsku sinhronizaciju, zvanično objavljivanje, prepoznavanje ključnih reči, odgovor na pretplatu i AI odgovor kao rezervu, čime se rešava problem jake zavisnosti zvaničnog naloga od razvojnog tima.
• 3. Na osnovu Redis-a + Async asinhronih zadataka + WeChat interfejsa za poruke korisničke podrške refaktorisao WeChat povratni poziv, omogućivši brz ACK ispod 300 ms i asinhrono naknadno slanje AI odgovora, uz dodavanje brava za deduplikaciju povratnih poziva od 30 sekundi i keširanja odgovora od 600 sekundi, čime se rešava problem ponovljenog procesiranja poruka zbog WeChat tajm-auta usled sporog odgovora velikog modela.
• 4. Na osnovu apstraktnog sloja ChatService + mehanizma za injekciju Prompt-a unapredio sposobnost razgovora sa više modela, podržava sistemski prompt, kontekst sa više poruka i adaptaciju jedinstvenog protokola razgovora, rešavajući problem nekonzistentnosti strukture zahteva između različitih modela i nedovoljnog iskorišćenja konteksta, podržava učešće poslednjih 10 istorijskih poruka u višekružnom razgovoru.
• 5. Dodao ubacivanje .env konfiguracije, mock prijavu, AI optimizaciju osetljivih reči, rezervne obrade izuzetaka i mogućnosti poboljšanja logovanja; u poslednje dve nedelje završeno ukupno 104 izmene fajlova, sa 5190 novih linija koda.

Pri ovom mom intenzitetu, dva dana sam na Codex pro kvoti potrošio manje od 30% nedeljnog limita.

Zato, bilo da pokupite besplatne tokene ili platite Coding Plan paket, po mom mišljenju najvažnije je koliko vam je AI zaista pomogao.

A ne koliko je tokena potrošeno.