新的 AIHubMix 帳戶總共可以獲得 10 次試用調用，這些調用在每個免費模型之間共享。這不是每天 10 次或每幾分鐘一次。一次性充值 $1 或更多 將帳戶切換到每日配額： 每天 100 次請求、每分鐘 10 次和每天 100 萬個令牌，這些令牌在整個免費目錄中共享。對於長時間的 JanitorAI 聊天，通常是 100 萬個令牌池最先耗盡，遠在你達到 100 次回覆之前。
本指南的其餘部分將解釋每個限制，顯示 JanitorAI 聊天使用令牌池的速度，並解釋 429 錯誤告訴你的內容。所有數據均來自 AIHubMix 免費模型頁面，截至 2026 年 10 月 12 日。
| 帳戶階段 | 你獲得的內容 | 到期 |
|---|---|---|
| 在任何充值之前 | 總共 10 次調用，所有免費模型 | 永不過期 |
| 充值 $1 或更多之後 | 每天 100 次請求、每分鐘 10 次、每天 100 萬個令牌 | 每天重置 |
第一階段：10 次試用調用，然後是通知而不是錯誤
試用是一個 10 次調用的單一桶。它不會自動補充，對不同免費模型的調用都來自同一 10 次。在 JanitorAI 中，你要求的每個回覆都使用一次調用。按下重新生成會要求另一個回覆，因此也會使用另一個調用。
當 10 次調用用完時，API 不會失敗。根據免費模型頁的說法，它會繼續回答“並附上試用已用完的通知——你的整合從未看到硬錯誤。”JanitorAI 可能會顯示該通知，彷彿角色說過。如果你的角色突然開始談論試用或配額，那麼試用已經用完。
試用保持小型以防止濫用：足夠的調用來嘗試服務，然後在正常每日使用之前進行小額一次性充值。
第二階段：一次性 $1 充值後的每日配額
根據頁面，“任何 $1 或更多的充值都會永久將你的帳戶切換到每日配額。”這是一個一次性步驟，而不是訂閱，配額沒有到期。如何付款在本系列的充值指南中有說明（鏈接在最後）。
在切換之後，你將獲得：
- 每分鐘 10 次請求。 此上限防止快速的來回和快速的重新生成。
- 每天 100 次請求。 這是每天回覆的上限。
- 每天 100 萬個令牌。 這是每個免費模型的一個池。更改模型不會給你一百萬的全新池。
頁面的常見問題解答將所有三個限制描述為“在免費目錄中共享。”它說它們每天重置，但沒有給出重置的具體小時或時區。如果確切的時間對你很重要，請聯繫支持（詳情見最後）。
某些模型計算為多次請求
一些免費模型的上限較低，因為頁面上說它們“承擔更高的請求權重——一次調用計算為多次請求。”
| 模型 | 每天 | 每分鐘 |
|---|---|---|
| qwen3.6-plus-preview-free | 50 | 5 |
| coding-glm-5-turbo-free | 50 | 5 |
| k2.6-code-preview-free | 50 | 5 |
上限在充值後適用。表中其他所有免費聊天模型的上限均為每天 100 次和每分鐘 10 次。該表還列出了幾個 GPT 和 Gemini 免費模型的較低上限，但它們的模型頁面現在說它們已被退役，因此在此省略。
為什麼在 JanitorAI 中令牌會在請求之前耗盡
在每次回合中，JanitorAI 向模型發送角色卡、你的角色設定，以及你設置的上下文大小中適合的聊天歷史。正如 Arcanum RPGs 對 Janitor 生成設置的指南 所說：“每次回合都會再次發送整個上下文。”使用外部模型時，Janitor 的上下文滑塊可達 128,000 個令牌。一旦聊天足夠長以填滿該窗口，每次回覆大約會消耗整個上下文大小的令牌。
下表估算了在常見上下文大小下 100 萬個令牌能持續多少次回覆。假設：
- 聊天足夠長以在每次回合中填滿上下文；
- 每次回覆約 500 個令牌；
- 發送的令牌和接收的令牌都計入每日池；
- 你當天不在其他地方使用免費模型。
| 上下文大小 | 每次回覆的令牌 | 每 100 萬個的回覆數 | 你首先達到的限制 |
|---|---|---|---|
| 8,000 | ~8,500 | ~117 | 100 次請求 |
| 16,000 | ~16,500 | ~60 | 100 萬個令牌 |
| 32,000 | ~32,500 | ~30 | 100 萬個令牌 |
| 64,000 | ~64,500 | ~15 | 100 萬個令牌 |
| 128,000 | ~128,500 | ~7 | 100 萬個令牌 |
每一行是 1,000,000 除以（上下文大小 + 500）。
在 Janitor 的最大上下文下，免費層大約持續七次長聊天的回合。在 16,000 時大約持續 60 次。影響此數字的設置：
- 上下文大小。 Arcanum 的指南建議從 16,000 到 32,000 開始，Janitor 自己的工具提示說“如果回覆無法生成，請降低它。”將上下文減半大約會使你的每日回覆數量翻倍。
- 最大令牌。 在 Janitor 中，0 “讓模型選擇長度。”非零值是硬性停止，這會使回覆更短，但可能會在句子中途截斷。
- 推理模型。 MiMo V2.6 Pro 列出了“思考”作為其能力之一。思考輸出仍然是輸出，因此推理模型每次回覆可能會使用比直接回答的模型更多的池。這是一個估算，而不是測量數字。如果池的耗盡速度超過表格所示，值得嘗試非推理模型。
切換模型不會補充池，因為每個免費模型都從同一 100 萬個令牌中提取。
429 錯誤的含義
免費模型頁面說：“超過上限後，API 返回 429，直到下一分鐘或一天開始。” 429 錯誤有兩種原因。
你達到了自己的上限。 你在一分鐘內發送了超過 10 次請求，或者你已經用完了當天的請求或令牌。等待是唯一的解決辦法：每分鐘的上限等候一分鐘，其他的則等到下一次每日重置。減慢發送消息的速度，並且不要狂按重新生成，可以讓你保持在每分鐘的上限之下。
模型本身忙碌或達到上限。 一些免費模型運行在有限的容量上。AIHubMix 更新日誌 曾提到一個免費模型：“資源有限，穩定性無法保證，可能會出現 429 錯誤。”在這種情況下，稍等一下或切換到另一個模型會有所幫助。JanitorAI 允許你保存多個代理配置，因此保持第二個不同模型的配置可以快速切換。
請注意，AIHubMix 狀態頁面 追蹤服務，如聊天完成，而不是單個免費模型。綠色狀態頁面並不排除模型繁忙的可能性。
另一條規則：餘額低於 -$1
根據 2026 年 6 月 23 日的更新日誌條目：“當帳戶餘額低於 -$1 時，免費模型將無法調用，直到帳戶充值。”這僅在你還使用同一帳戶上的付費模型並讓餘額變為負數時才重要。僅免費使用不會影響餘額。
回覆停止時：快速檢查
- 角色的回覆是關於試用已用完的通知：你的 10 次試用調用已用完，因此請充值 $1 或更多。
- 在幾條快速消息或重新生成後出現 429：你達到了每分鐘的上限，因此請等一分鐘。
- 在長時間會話後出現 429：你已用完當天的請求或令牌，因此請等待每日重置或降低上下文大小。
- 在等待一分鐘後仍然持續出現 429，且配額仍然存在：模型可能繁忙，因此切換到保存的配置，使用另一個模型。
- 在使用付費模型後免費模型停止：檢查你的餘額是否低於 -$1。
如果某個限制看起來不正確，聯繫 AIHubMix 支持，提供請求時間和時區、模型 ID 和 HTTP 狀態。請勿提供你的 API 密鑰；支持不需要它。
常見問題
10 次試用調用是每天的嗎？
不是。它們是總共 10 次調用，在所有免費模型之間共享，並且永不過期。每日配額僅在充值 $1 或更多後開始。
我是否需要每個月充值以保持每日配額？
不需要。免費模型頁面說，充值 $1 或更多會永久將帳戶切換到每日配額，這些配額沒有到期。
每個免費模型是否獲得自己的 100 次請求和 100 萬個令牌？
不。該頁面將限制描述為在免費目錄中共享，所有免費模型都從一個 100 萬個令牌池中提取。一些模型也將一次調用計算為多次請求。
為什麼我在大約 30 條消息後耗盡了？
在長聊天和上下文大小約 32,000 個令牌的情況下，每次回覆大約發送 32,000 個令牌。這在大約 30 次回覆後耗盡了 100 萬的每日池。降低上下文大小可以讓你獲得更多的回覆。
每日配額何時重置？
免費模型頁面說配額每天重置，但沒有公布小時或時區。如果你需要確切的時間，請聯繫支持。
429 錯誤意味著什麼？
要麼你超過了每分鐘或每日的上限，要麼你選擇的模型繁忙。對於第一種情況，請等一分鐘或直到重置；對於第二種情況，請切換到另一個免費模型。
我可以看到免費模型是否過載嗎？
在狀態頁面上不能，因為它追蹤的是服務而不是單個模型。
繼續閱讀：JanitorAI 的 AIHubMix 系列
- 還沒有連接？限制僅在 JanitorAI 與 AIHubMix 進行交互時才重要：如何在 JanitorAI 中使用 AIHubMix 免費模型：代理設置和常見錯誤
- 準備超越 10 次試用調用了嗎？逐步付款指南：如何使用 Alipay 在 AIHubMix 上付款
- 選擇具有完整 100 次每日上限的模型，並為 429 保留備份：哪個 AIHubMix 免費模型適合 JanitorAI 角色扮演
- AIHubMix 對這些請求的記錄，以及它不記錄的內容：AIHubMix 支持 JanitorAI 角色扮演聊天，默認情況下不保留數據
來源
- 免費 AI 模型 (AIHubMix)
- 小米 MiMo V2.6 Pro (免費) (AIHubMix)
- 更新日誌 (AIHubMix 文檔)
- Janitor AI 生成設置 (2026) (Arcanum RPGs)
- 聯繫 AIHubMix (AIHubMix)
