freellmpool
★ 43
vs
on-policy
★ 2.1k
freellmpool vs on-policy
freellmpool：freellmpool将19个LLM提供商的免费层聚合到一个OpenAI兼容的端点，部分提供商甚至无需API密钥即可访问。它支持提供商间的自动故障转移、每日使用量追踪，并提供命令行界面、Python库和本地代理等多种使用方式。；on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。
01
简评
选 freellmpool 如果…在本地使用pooled的免费LLM模型运行编码代理（例如Claude Code, aider）
选 on-policy 如果…合作多智能体强化学习的研究与实验
02
并排对比
03
功能特性
freellmpool01兼容OpenAI和实验性Anthropic API端点，用于LLM及其他服务
02在速率限制、超时或错误时，对多个免费LLM提供商进行自动故障转移和负载均衡
03对免费层进行每日使用量追踪和智能配额管理，以最大化可用性
04支持部分提供商免密钥运行，无需API密钥即可立即使用
05基于提示难度、延迟或使用情况的智能路由（例如，质量、快速、公平模式）
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
04
使用场景
freellmpool↳在本地使用pooled的免费LLM模型运行编码代理（例如Claude Code, aider）
↳实时基准测试并监控各种免费LLM提供商的健康状况和容量
↳通过简单的库API将免费LLM功能集成到Python应用程序中，用于摘要或嵌入等任务
↳作为现有工具和脚本的本地OpenAI兼容代理服务，将请求重定向到免费层
↳排队和管理缓慢、配额感知的LLM作业，用于后台处理和报告
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
05
适合场景
freellmpool—
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
freellmpool 和 on-policy 有什么区别？
freellmpool 和 on-policy 都属于 LLM Infra 类别。freellmpool 有 43 Stars，on-policy 有 2.1k Stars。
freellmpool 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。在本地使用pooled的免费LLM模型运行编码代理（例如Claude Code, aider） 时选 freellmpool，合作多智能体强化学习的研究与实验 时选 on-policy。
freellmpool 是免费的吗？
是的，freellmpool 在 GitHub 开源（MIT）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→