大家好，这里是Cherry，喜爱折腾、捡垃圾、玩数码，热衷于分享数码玩耍经验~
前言
如今，各行各业的AI平台层出不穷，模型和应用场景也越来越丰富，但是依旧有很多人没体验过LLMs AI服务，或者说没有体验过AI API的整合。
今天，cherry为大家一次性带来9款AI平台的逆向API接口，主打的一个就是白嫖免费、次抛、兼容性强！相比较于直接使用网页版的AI系统，AI API可以让我们对不同AI模型进行集中管理，也可以使用到不同的开发环境中，
该9款AI平台逆向API接口，均为LLM Red Team开发而成，LLM Red Team 意为 LLM大模型红队，为了突出大模型应用发展表象下是日益严重的安全风险，针对不同平台研发出不同的逆向方法。
包含的AI平台列表如下，聆心智能已经不能用了，所以我从列表中删除了。
Moonshot AI（Kimi.ai）接口转API find-free-api
阶跃星辰 (跃问StepChat) 接口转API step-free-api
讯飞星火（Spark）接口转API spark-free-api
阿里通义 (Qwen) 接口转API qwen-free-api
智谱AI (智谱清言) 接口转API glm-free-api
秘塔AI (metaso) 接口转API metaso-free-api
MiniMax（海螺AI）接口转API hailuo-free-api
深度求索（DeepSeek）接口转API deepseek-free-api
温馨提示：逆API是不稳定的，建议前往各平台AI首页选择付费使用API，避免封禁的风险。本文仅为内容分享，对自行部署使用导致的问题，概不负责。
关于部署机
由于本次部署项目较多，必须使用docker-compose（项目堆栈）来执行，因为我们选择绿联NAS私有云作为本次教程的部署设备，其它NAS支持compose的也可以参照执行。
目前我在用的机器是4盘位的绿联DXP 4800 Plus，该型号设置核心优势明显：一是5核6线程的Intel 8505处理器，比主流的N100处理器提升约40%；二是万兆+2.5Gbps网卡的组合拳，可以满足万兆高速局域网或设备直连，突破双千兆外网速率，大幅度提升数据传输速率；三是硬盘空间充足，包括4盘位HDD+2盘位M.2，满足高速存储、海量存储两大需求。
绿联NAS私有云在推出UGOS Pro新系统后，正一步步的对系统进行优化、提升，使用体验感越来越好。就以我们最常用的docker为例，支持compose堆栈、macvlan网络、docker代理、镜像库设置、自动配置路径/端口/权限等，几乎是将docker cli的功能都可视化了，极大的便利了docker用户使用体验。
除了软件越来越赞之外，绿联NAS私有云的DXP系列，涵盖了2盘位-8盘位的所有NAS型号，可供新手入门、老鸟、企业、资深极客的选择，这里我最推荐的3款分别是DXP2800（新手入门）、DXP4800（家庭最优）、DXP4800 Plus（升级款做优）、DXP6800 Pro（性价比之王）。
一、各API部署方法
所有的项目镜像压缩包，我都上传到网盘里了，需要的朋友可以下载解压为.tar格式的文件，并上传到NAS中备用。
夸克网盘：https://pan.quark.cn/s/ec9ba0111fe1
阿里云盘：https://www.alipan.com/s/geDbXYS5dXT
整个项目的compose代码如下，一共有9各项目，对应的端口是8000-8008，大家可以根据自己的需要删减不同段落来部署指定的AI。
version: '3' services: qwen-free-api: # 通义千问 container_name: qwen-free-api image: vinlic/qwen-free-api:latest restart: always ports: - "8000:8000" environment: - TZ=Asia/Shanghai kimi-free-api: # Kimi月之暗面 container_name: kimi-free-api image: vinlic/kimi-free-api:latest restart: always ports: - "8001:8000" environment: - TZ=Asia/Shanghai step-free-api: # 跃问 container_name: step-free-api image: vinlic/step-free-api:latest restart: always ports: - "8002:8000" environment: - TZ=Asia/Shanghai glm-free-api: # 智谱清言 container_name: glm-free-api image: vinlic/glm-free-api:latest restart: always ports: - "8003:8000" environment: - TZ=Asia/Shanghai metaso-free-api: # 秘塔AI container_name: metaso-free-api image: vinlic/metaso-free-api:latest restart: always ports: - "8004:8000" environment: - TZ=Asia/Shanghai spark-free-api: # 讯飞星火 container_name: spark-free-api image: vinlic/spark-free-api:latest restart: always ports: - "8005:8000" environment: - TZ=Asia/Shanghai hailuo-free-api: # 海螺AI container_name: hailuo-free-api image: vinlic/hailuo-free-api:latest restart: always ports: - "8006:8000" environment: - TZ=Asia/Shanghai deepseek-free-api: # 深度求索 container_name: deepseek-free-api image: vinlic/deepseek-free-api:latest restart: always ports: - "8007:8000" environment: - TZ=Asia/Shanghai
打开绿联NAS私有云docker应用，项目名称输入ais，将上面的compose代码复制到配置中部署即可。
如果没有导入过镜像的，可以看到项目已经在下载了，等待部署完成即可。
二、获取各个AI的token以及模型
由于逆向AI的原理和逻辑，我们无法长时间高频次的使用逆向AI API，因此项目提供了登录账号和非登录账号两种选择。一般建议大家选择非登录账号来使用，即游客账号，以确保我们的账号不会因为使用逆项目被封禁。
同时，在每一个项目的github都有详细的游客cookie抓取方法和教程，我这里就不赘述，直接把官方文档拿过来略作完善。
所有的token都将作为作为Authorization的Bearer Token值使用。（Authorization: Bearer TOKEN）
1、通义千问token
进入通义千问官网随便发起一个对话，然后F12打开开发者工具，从应用程序-Cookies中找到tongyi_sso_ticket的值。
2、KIMI月之暗面token
进入月之暗面官网随便发起一个对话，然后F12打开开发者工具，从应用程序-本地存储中找到refresh_token的值。
3、跃问token
进入跃问官网随便发起一个对话，然后F12打开开发者工具，从应用程序-本地存储中找到deviceId的值。
接着从应用程序- Cookie中找到Oasis-Token的值。最后将两串字符串拼接起来，形成【deviceId@Oasis-Token】这样的形式，注意最终结果不包括括号和两侧的引号。
4、智谱清言token
进入智谱清言随便发起一个对话，然后F12打开开发者工具，从应用程序-本地存储中找到chatglm_refresh_token的值。
关于智能体接入
打开智能体的聊天界面，地址栏的一串ID就是智能体的ID，复制下来备用，这个值将用作调用时的 model/模型 参数值。
5、秘塔AI
进入秘塔AI搜索，登录账号（建议登录账号，否则可能遭遇奇怪的限制），然后F12打开开发者工具，从应用程序-Cookies中找到uid和sid的值，最终将两则使用-拼接，如：uid-sid。
6、讯飞星火
进入星火Spark，登录并发起一个对话，接着安装浏览器插件Cookie-Editor ，从Cookie获取 ssoSessionId值。注意，星火如果F12会直接跳到平白网站。
Cookie-Editor下载地址，https://microsoftedge.microsoft.com/addons/detail/cookie-editor/ajfboaconbpkglpfanbmlfgojgndmhmc
讯飞星火的模型可以从下列网站查询，其中botId就是model/模型值。
7、海螺AI
进入海螺AI，随便发起一个对话，然后F12打开开发者工具，从应用程序-本地存储中找到_token的值。
8、深度求索
进入深度求索随便发起一个对话，然后F12打开开发者工具，从应用程序-本地存储中找到userToken中的值。
最后
1、关于多账号接入
由于单独的一个token存在使用限制，因此大家可以对不同AI都搜集一些token，然后通过,拼接使用，大致格式如下Authorization: Bearer TOKEN1,TOKEN2,TOKEN3
2、关于接口兼容规范
所有的AI API接口都准寻gpt的接口规范，最终的URL大致可以归类为以下三种
# 对话，文档解读
ip:port/v1/chat/completions
# 绘图
ip:port/v1/images/generations
# 视频生成
ip:port/v1/videos/generations
3、关于食用方法
所有支持openai接口的前端页面都支持使用这些逆AI API，比如LobeChat、dify、ChatXXX-next等等。原作者推荐使用https://github.com/Yanyutin753/lobe-chat这个项目接入。
该项目部署的compose代码如下：
version: '3'
services:
lobe-chat:
image: yangclivia/lobe-chat:latest
container_name: lobe-chat
network_mode: host #默认端口3210
restart: always
environment:
OPENAI_API_KEY: key 密钥
OPENAI_PROXY_URL: 接口地址
ACCESS_CODE: 使用密码
进入系统以后，在如下位置设置API接口即可，API Key就是刚才获取的那些token，接口地址就是第二点提到的规范，模型的话有需要的就添加。
作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～
,
