为什么 Pollinations AI 能压倒 DALL-E，成为终极免费替代方案

I’m happy to translate the article for you, but I’ll need the full text of the post (the content you’d like translated). Could you please paste the article’s body here? Once I have the text, I’ll provide a Simplified‑Chinese translation while keeping the source line, formatting, markdown, and any code blocks or URLs unchanged.

Source: …

介绍

DALL·E 把你锁在付费墙和数据囤积之中，而 Pollinations AI 则提供基于开源模型（如 Stable Diffusion 和 Flux）的无限制、隐私优先的图像生成。作为一名在 Cloudflare 边缘自动化 LLM 流水线的 DevOps 工程师，我认为 Pollinations 是叛逆者的选择：免费、API 驱动，并且在没有大科技公司监管的情况下可扩展【2†source】【3†source】【7†source】。

Pollinations 为约 400 万月活用户提供服务，使用几乎全由 AI 编写的技术栈，全年零人工提交——这是一次纯粹的 LLM 自动化成功案例【3†source】。无需 ChatGPT Plus 订阅；只需访问 https://pollinations.ai 或其 API 端点，即可实现即时生成【2†source】【4†source】。

使用 Pollinations AI via Bash

curl "https://pollinations.ai/prompt/{your_prompt}?width=1024&height=1024&seed=42&nologo=true" | tee image.png

扩展它：部署一个 Cloudflare Worker 来代理请求，通过 KV 缓存，并使用 Workers AI 进行速率限制，以实现混合 LLM 编排。相比之下，DALL·E 受限于 OpenAI API 密钥和积分【1†source】【2†source】.

Python 批量生成

import asyncio
import aiohttp

async def generate(session, prompt, params={}):
    url = f"https://pollinations.ai/prompt/{prompt}"
    async with session.get(
        url,
        params={**{'width': 1024, 'height': 1024, 'seed': 42, 'nologo': True}, **params}
    ) as resp:
        with open(f"{prompt[:20]}.png", 'wb') as f:
            f.write(await resp.read())

async def batch(prompts):
    async with aiohttp.ClientSession() as session:
        tasks = [generate(session, p) for p in prompts]
        await asyncio.gather(*tasks)

# Run:
# asyncio.run(batch(["cyberpunk city", "abstract flux art"]))

URL 参数让您能够对种子、徽标包含以及模型选择进行细粒度控制——这些是 DALL·E 仅限提示的界面所缺乏的【2†source】。

Source: …

与 LLM 的集成

Cloudflare 隧道（零配置部署）

# requirements: cloudflare/cloudflared
import subprocess

prompt = "llm-generated: futuristic devops dashboard"
subprocess.run([
    "cloudflared", "tunnel", "--url",
    f"https://pollinations.ai/prompt/{prompt}"
])

这会公开边缘侧的生成内容，具备 DDoS 防护能力。

提示词精炼管道（Python）

from openai import OpenAI  # 或者使用 Ollama 运行本地模型

client = OpenAI()  # 如有需要可换成免费 LLM

def refine_prompt(base: str) -> str:
    response = client.chat.completions.create(
        model="gpt-4o-mini",               # 或者通过 Ollama 使用 Llama 3
        messages=[{
            "role": "user",
            "content": f"Enhance for Stable Diffusion: {base}"
        }]
    )
    return response.choices[0].message.content

prompt = refine_prompt("python code visualization")
url = f"https://pollinations.ai/prompt/{prompt}?model=flux&width=2048"
# 获取图像并使用 Pillow 进行自动化工作流处理

通过将 LLM 输出（例如来自 Grok 或 Llama）通过 LangChain 或 Haystack 输送到 Pollinations，你可以构建全自动的图像生成流水线。

Comparison with DALL·E

• Cost & Access: Pollinations 是免费且不需要 API 密钥；DALL·E 需要付费积分【1†source】【2†source】。
• Privacy: Pollinations 强制不存储数据——生成的图像不会用于训练企业模型【2†source】。DALL·E 会保留提示词以用于 OpenAI 的改进【2†source】。
• Customization: Pollinations 的 API 允许你调节宽度、高度、种子、模型（Stable Diffusion、Flux 等）【2†source】【7†source】。DALL·E 提供的界面更受限，属于黑盒。
• Scalability: 可部署在 Cloudflare Workers、KV 缓存和 Workers AI 上，实现边缘规模的工作负载。DALL·E 的速率限制与您的 OpenAI 配额挂钩。
• Community & Extensibility: 基于 MIT 许可证的 JavaScript，配合开源后端；已准备好用于 Web3/NFT 集成【3†source】【4†source】【7†source】。
• Image Quality: 对于“挑剔”使用场景，DALL·E 在写实度上可能略胜一筹【1†source】【4†source】；但 Pollinations 在免费、私密和可自动化生成方面表现出色。

结论

Pollinations AI 并不是纯写实的“最佳”选择，但对于寻求免费、隐私优先且高度可自动化的图像生成服务的开发者而言，它在行业中占据主导地位。摆脱付费墙，将其集成到你的 LLM 流程中，今天就开始在边缘进行生成吧。

参考文献

1. Revoyant: Pollinations vs DALL‑E 3 comparison
2. Skywork: Pollinations.AI Guide
3. Libhunt: pollinations vs dalle‑2‑preview
4. AITools.fyi: Mini DALL‑E 3 vs Pollinations
5. (隐含) – 文本中嵌入的链接。