Ingyenes AI Discord botok 2026-ban

Ha rákeresel arra, hogy “free AI Discord bot”, több tucat lehetőséget találsz. Néhány valóban ingyenes. A legtöbb nem az, legalábbis nem úgy, ahogy várnád. Ez a bejegyzés bemutatja, mi érhető el ténylegesen, milyen kompromisszumokkal jár, és mennyibe kerül valójában az „ingyenes”, amikor AI-inferencia is van a rendszerben.

Miért bonyolult az „ingyenes AI”

Egy LLM futtatása pénzbe kerül. Minden alkalommal, amikor egy felhasználó üzenetet küld és választ kap, valaki fizet a számítási kapacitásért. Egy hosztolt API-nál, például az OpenAI vagy az Anthropic esetében tokenenként fizetsz. Egy saját hosztolású modellnél hardverben, áramfogyasztásban és karbantartási időben fizetsz. Ezt nem lehet megkerülni: az inferenciának nem nulla a határköltsége.

Amikor egy szolgáltatás „ingyenes AI botot” kínál, az alábbiak egyike igaz:

1. Közvetlenül te fizeted az inferencia költségét (például a saját API-kulcsod megadásával).
2. A szolgáltatás átvállalja a költséget, majd fizetős csomagokból, hirdetésekből vagy adatgyűjtésből téríti meg.
3. Te futtatod az inferenciát a saját hardvereden, nyílt forráskódú modellel.
4. Az ingyenes csomag szigorúan korlátozott, alacsony forgalmi szinttel, amely limitálja a szolgáltató számítási költségeknek való kitettségét.

Annak megértése, hogy ezek közül melyik vonatkozik egy adott botra, kulcsfontosságú annak eldöntéséhez, hogy valóban illik-e a használati esetedhez.

Az ingyenes AI Discord botok három kategóriája

1. Saját hosztolású nyílt forráskódú botok (valóban ingyenesek, te adod a hardvert)

Ez az egyetlen olyan lehetőség, ahol harmadik fél nem szabályozza a használati korlátaidat. Helyben (vagy VPS-en) futtatsz egy nyílt forráskódú LLM-et, összekötöd a Discorddal egy általad írt vagy forkölt boton keresztül, és mindent magad kezelsz.

Tipikus stack:

• Ollama helyi modellkiszolgáláshoz
• discord.py vagy discord.js a Discord bothoz
• Egy modell, például Llama 3.1 8B, Mistral 7B vagy Gemma 2 9B

Amit kapsz:

• Nincs üzenetenkénti költség az áramfogyasztáson túl
• Teljes kontroll a modell, a system prompt és az adatok felett
• Nincsenek harmadik fél által előírt rate limitek (csak a Discord saját API-korlátai érvényesek)
• Helyi modellfeldolgozás: az inferencia a gépeden marad, miközben a Discord továbbra is továbbítja és tárolja az üzeneteket

Amiről lemondasz:

• Hardverre van szükséged. Egy 7B paraméteres modell elfogadható sebességű futtatásához legalább 8 GB VRAM-mal rendelkező GPU kell, vagy egy modern Mac egységes memóriával. CPU-s inferencia működik, de lassú (egy 7B modellnél válaszonként több másodperc).
• Te tartod karban az infrastruktúrát. A frissítések, újraindítások, monitorozás és a modell súlyainak lemezhelye mind rád tartozik.
• A modellminőség alacsonyabb, mint a frontier modelleknél. A Llama 3.1 8B használható, de nem GPT-4o vagy Claude Sonnet. Egyszerű kérdés-válaszhoz és kötetlen beszélgetéshez megfelelő. Árnyalt következtetésnél vagy összetett, többfordulós párbeszédnél elmarad.
• Nincs beépített tudásbázis, analitika vagy handoff funkció. Neked kell megépítened, amire szükséged van.

Minimális hardverkövetelmények gyakori modellekhez:

(A sebességek hozzávetőlegesek, RTX 4090-en mérve. A kvantált változatok kevesebb memóriát használnak, kisebb minőségvesztés mellett.)

2. Freemium menedzselt szolgáltatások (ingyenes csomag korlátokkal)

Ezek olyan termékek, ahol valaki más hosztolja az AI-t és a bot infrastruktúráját. A botot webes dashboardon keresztül konfigurálod. Az ingyenes csomag korlátozott használatot ad, a többért fizetsz.

Példák:

A Quickchat AI Free plan lehetővé teszi a tesztelést bankkártya nélkül. A Discord integráció minden csomagban elérhető, így összekötheted a botodat, és valódi felhasználókkal tesztelheted, mielőtt elköteleződnél. A csatlakoztatás egy kattintás: az External Apps alatt nyisd meg a Discord elemet, kattints az Add to your Discord server gombra, majd válaszd ki a szervert, amelyhez hozzáadod. A fizetős csomagok Starter szinten indulnak, $9/mo áron, vagy éves számlázással $8/mo áron.

A menedzselt szolgáltatások fő előnye, hogy a nyers LLM-inferencián túlmutató funkciókat kapsz: a dokumentumaidból és weboldaladból épített tudásbázisokat, beszélgetési analitikát (szentimentelemzés, témadetektálás), többcsatornás telepítést (ugyanaz az agent működik a weboldaladon, WhatsAppon, Slackben és Discordon), valamint emberi handoffot azokra az esetekre, amelyeket az AI nem tud megoldani. Ezeket nulláról felépíteni egy saját hosztolású modell fölé jelentős mérnöki projekt.

A MEE6 elsősorban moderációs és engagement bot. AI chat funkciói a prémium előfizetés mögött vannak ($11.99/mo 2026 elején). Az ingyenes csomag szintezést, alapvető moderációs parancsokat és üdvözlő üzeneteket tartalmaz, de AI-alapú beszélgetéseket nem.

A Botpress ingyenes csomagja havi 2,000 bejövő üzenetet tartalmaz az összes csatornán. Vizuális flow buildert kínál, és támogatja az egyedi LLM-konfigurációkat. A beállítása azonban összetettebb, mint a Quickchaté egy egyszerű Discord bot esetében, mivel a Botpress elsősorban strukturált beszélgetési folyamatokra készült, nem nyílt végű chatre.

3. Saját API-kulcsos botok (te fizetsz az LLM-szolgáltatónak)

A harmadik kategória: nyílt forráskódú botok, amelyek szerveren futnak, de inferenciához kereskedelmi API-t hívnak (OpenAI, Anthropic, Google stb.). Te adod az API-kulcsot. Maga a botkód ingyenes, de tokenenként fizetsz a modell szolgáltatójának.

Példák GitHubon:

• GPT Discord Bot (az OpenAI hivatalos példája)
• Különféle közösségi botok discord.py + OpenAI Python SDK alapon

Üzenetenkénti költség kereskedelmi API-kkal (hozzávetőleges, 2026 elején):

*Üzenetváltásonként ~500 bemeneti tokennel és ~200 kimeneti tokennel számolva, beszélgetési előzmények nélkül. Ha a beszélgetési előzmények is szerepelnek, a bemeneti költségek lineárisan skálázódnak a kontextus hosszával.

Havi 1,000 üzenetnél GPT-4o mini használatával körülbelül $0.30 lenne a költséged. Havi 10,000 üzenetnél körülbelül $3.00. Ezek a számok kicsinek tűnnek, amíg nem veszed figyelembe a beszélgetési előzményeket: ha minden üzenet tartalmazza a teljes beszélgetési kontextust (mondjuk 10 korábbi fordulót), a bemeneti tokenszám üzenetenként ~500-ról ~5,000-re nő, így a bemeneti költségek 10-szeresére emelkednek, és a teljes költség is nő.

Költség-összehasonlítás a megközelítések között

Az alábbi táblázat havi költségeket becsül különböző üzenetmennyiségeknél. A „Saját hosztolás” egy kis VPS-sel vagy meglévő hardverrel számol. A „Saját API-kulcs” GPT-4o mini árazást használ. A „Menedzselt” a Quickchat AI árazását veszi referenciának.

Megjegyzések a saját hosztolás oszlophoz: a tartomány attól függ, hogy csak CPU-s VPS-t használsz-e (olcsóbb, de lassabb válaszok), vagy GPU-s példányt. A Hetzner körülbelül $5-10/mo áron kínál CPU VPS példányokat, amelyek képesek egy kvantált 7B modell futtatására, bár a válaszidők 5-15 másodpercesek lesznek. A GPU cloud példányok (például Lambda, RunPod vagy Vast.ai) egyetlen GPU esetén körülbelül $0.20-0.50/hr ártól indulnak, ami 24/7 futtatás mellett $150-360/mo költséget jelent. Időszakos használatnál a spot példányok vagy serverless GPU szolgáltatók ezt csökkenthetik.

A saját API-kulcs oszlop azért tartományt mutat, mert a költségek erősen függenek attól, hogy minden kérésben szerepelteted-e a beszélgetési előzményeket. Az alsó határ egyfordulós (előzmények nélkül), a felső határ többfordulós, ~10 üzenetnyi kontextussal.

A menedzselt szolgáltatás oszlopa a Quickchat 2026. júniusi árazását tükrözi. Ezek a csomagok olyan funkciókat tartalmaznak, mint a tudásbázis-kezelés, az analitika és a többcsatornás támogatás, amelyek a másik két megközelítésben további mérnöki munka nélkül nem léteznek.

Gyors saját hosztolású beállítás: Python + discord.py + Ollama

Az alábbi egy minimális, működő példa egy Discord botra, amely Ollamát használ helyi inferenciához. Ehhez az Ollamának telepítve és futtatva kell lennie, és egy modellt le kell tölteni (például ollama pull llama3.1:8b).

Előfeltételek

1. Python 3.10+
2. Telepített és futó Ollama (curl -fsSL https://ollama.com/install.sh | sh)
3. Letöltött modell: ollama pull llama3.1:8b
4. Discord bot token (hozz létre egyet a Discord Developer Portal felületén)
5. A bot hozzáadva a szerveredhez Send Messages és Read Message History jogosultságokkal

Függőségek telepítése

pip install discord.py aiohttp

Botkód

import discord
import aiohttp
import json

DISCORD_TOKEN = "your-bot-token-here"
OLLAMA_URL = "http://localhost:11434/api/chat"
MODEL = "llama3.1:8b"
SYSTEM_PROMPT = "Segítőkész asszisztens vagy egy Discord szerveren. Tartsd a válaszokat tömören."

# Beszélgetési előzmények tárolása csatornánként (memóriában, újraindításkor törlődik)
conversations: dict[int, list[dict]] = {}
MAX_HISTORY = 10  # Az utolsó 10 üzenet megtartása csatornánként

intents = discord.Intents.default()
intents.message_content = True
client = discord.Client(intents=intents)


async def query_ollama(channel_id: int, user_message: str) -> str:
    """Üzenet küldése az Ollamának és a válasz visszaadása."""
    if channel_id not in conversations:
        conversations[channel_id] = []

    conversations[channel_id].append({"role": "user", "content": user_message})

    # Előzmények vágása a korlátlan memórianövekedés elkerülésére
    if len(conversations[channel_id]) > MAX_HISTORY:
        conversations[channel_id] = conversations[channel_id][-MAX_HISTORY:]

    messages = [{"role": "system", "content": SYSTEM_PROMPT}] + conversations[channel_id]

    payload = {
        "model": MODEL,
        "messages": messages,
        "stream": False,
    }

    async with aiohttp.ClientSession() as session:
        async with session.post(OLLAMA_URL, json=payload) as resp:
            if resp.status != 200:
                return f"Az Ollama ezt a státuszt adta vissza: {resp.status}"
            data = await resp.json()
            reply = data["message"]["content"]

    conversations[channel_id].append({"role": "assistant", "content": reply})
    return reply


@client.event
async def on_ready():
    print(f"Bejelentkezve mint {client.user}")


@client.event
async def on_message(message: discord.Message):
    # Saját üzenetek figyelmen kívül hagyása
    if message.author == client.user:
        return

    # Csak említés esetén válaszol
    if client.user not in message.mentions:
        return

    # Az említés eltávolítása az üzenetből
    content = message.content.replace(f"<@{client.user.id}>", "").strip()
    if not content:
        return

    async with message.channel.typing():
        reply = await query_ollama(message.channel.id, content)

    # A Discord üzenetenként 2000 karakteres korlátot alkalmaz
    if len(reply) > 2000:
        for i in range(0, len(reply), 2000):
            await message.reply(reply[i:i+2000])
    else:
        await message.reply(reply)


client.run(DISCORD_TOKEN)

Ez körülbelül 60 sornyi kód, és egy működő AI botot ad, amely említéskor válaszol. Csatornánként memóriában tartja a beszélgetési előzményeket (újraindításkor elvesznek), és kezeli a Discord 2,000 karakteres üzenetkorlátját.

Mi hiányzik ebből a minimális botból

A fenti kód teszteléshez és kis szerverekhez működik. Ennél nagyobb használatnál több problémába fogsz ütközni, amelyeket a production botoknak kezelniük kell:

• Tartós beszélgetési előzmények. A memóriabeli dict elveszik, amikor a folyamat újraindul. Egy production bot Redisben vagy adatbázisban tárolná a beszélgetéseket.
• Rate limiting. A Discord csatornánként 5 üzenetet enged 5 másodpercenként. Ha a botod népszerű, sorba állításra van szükséged.
• Párhuzamos kérések. Az Ollama alapértelmezés szerint egyszerre egy kérést dolgoz fel. Ha több felhasználó egyszerre ír, sorba fognak állni. Futtathatsz több Ollama példányt load balancer mögött, vagy használhatod az Ollama OLLAMA_NUM_PARALLEL opcióját (v0.1.33 óta elérhető).
• Hibakezelés és újrapróbálkozások. Az Ollama összeomolhat, kifuthat a memóriából, vagy hibás formátumú válaszokat adhat vissza. A botnak ezeket mind kulturáltan kell kezelnie.
• Kontextusablak-kezelés. A MAX_HISTORY = 10 beállítás naiv. Jobb megközelítés a tokenek számolása és a vágás úgy, hogy beleférjen a modell kontextusablakába (Llama 3.1 8B esetén alapértelmezés szerint 8,192 token, hosszabb kontextusoknál minőségromlás mellett 128K-ig konfigurálható).
• Thread-támogatás. Discordon a botbeszélgetések gyakran threadekben zajlanak. A threadek létrehozásának és a threadenkénti előzményeknek a kezelése további logikát igényel.
• Tudásbázis / RAG. Ha azt szeretnéd, hogy a bot a projekted dokumentációjával kapcsolatos kérdésekre válaszoljon, retrieval-augmented generation beállításra van szükséged: be kell ágyaznod a dokumentumaidat, az embeddingeket vektoradatbázisban kell tárolnod, és releváns részleteket kell visszakeresned, mielőtt elküldöd őket az LLM-nek.

Technikai buktatók

Discord API rate limitek

A Discord több szinten alkalmaz rate limiteket:

• Útvonalankénti limitek: Minden API endpointnak saját rate limitje van, amelyet a válasz fejlécei adnak vissza (X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset).
• Globális limit: 50 kérés másodpercenként az összes endpointon.
• Csatornánkénti üzenetlimit: 5 üzenet 5 másodpercenként csatornánként.
• Gateway limitek: 120 gateway esemény 60 másodpercenként.

A discord.py könyvtár ezek többségét automatikusan kezeli azzal, hogy sorba állítja a kéréseket, amikor elérsz egy limitet. Ha azonban a botod egyszerre sok szerveren vagy csatornán van jelen, továbbra is elérheted a globális limitet. Ekkor érdemes a shardingot megvizsgálni (a bot szerverkapcsolatainak szétosztását több gateway kapcsolat között).

A MESSAGE_CONTENT intentet használó botoknál (ez szükséges az üzenetszöveg olvasásához) a Discord megköveteli a bot verifikálását, ha az több mint 100 szerveren van. Ez magában foglalja annak leírását, hogy mit csinál a botod, majd a Discord jóváhagyását.

Modellminőségi kompromisszumok

A kis nyílt forráskódú modellek és a frontier kereskedelmi modellek közötti különbség kisebb, mint két éve volt, de továbbra is létezik. Íme egy hozzávetőleges összehasonlítás gyakori Discord bot feladatokra:

Ha a Discord botod egy gaming közösségnek készül, és többnyire kötetlen chatet, illetve egyszerű kereséseket kezel, egy helyi 8B modell jól működik. Ha ügyféltámogatásra használod, ahol a pontosság fontos, a minőségi különbség valódi problémává válik. A karakterben maradás ráadásul kevésbé a modellen, inkább a beállításon múlik: a hogyan építs olyan roleplay AI chatbotot, amely karakterben marad bemutatja, milyen messzire elvisz egy persona prompt és egy kanonikus tudásbázis akár egy standard modellt is.

Kontextusablak-kezelés

Ez a Discord botok leginkább alulértékelt technikai kihívása. A Discord beszélgetések természetüknél fogva többfordulósak: a felhasználók sok rövid üzenetet küldenek, és a botnak emlékeznie kell arra, mi hangzott el korábban a beszélgetésben.

Minden alkalommal, amikor a bot válaszol, a promptban szerepeltetnie kell a korábbi beszélgetési előzményeket. Ez azt jelenti, hogy:

• A bemeneti tokenszám lineárisan nő a beszélgetés hosszával.
• API-alapú botoknál a költség is lineárisan nő.
• Helyi modelleknél az inferenciaidő a kontextus hosszával nő (az attention számítása kvadratikus, bár az olyan optimalizációk, mint a Flash Attention segítenek).
• Egy ponton a beszélgetés meghaladja a modell kontextusablakát, és stratégiára van szükséged: levágod az elejét, összefoglalod a régebbi üzeneteket, vagy új beszélgetést indítasz.

Gyakorlati megközelítés, ha gördülő ablakban megtartod az utolsó N üzenetet, és ha a beszélgetés hosszú volt, elé teszel egy rövid összefoglalót a korábbi kontextusról. Ehhez további LLM-hívás kell az összefoglaló létrehozásához, de korlátok között tartja az üzenetenkénti költségeket.

Adatvédelmi következmények

Ez jelentősen eltér megközelítésenként:

• Saját hosztolás: Az AI-inferencia a hardvereden marad, így te kontrollálod a modellfeldolgozási naplókat és a megőrzést. A Discord továbbra is továbbítja és tárolja az üzeneteket, a helyi inferencia nem teszi a teljes beszélgetést helyivé.
• Saját API-kulcs: Az üzenetek az API-szolgáltatóhoz kerülnek (OpenAI, Anthropic stb.). Ellenőrizd az adatmegőrzési szabályzataikat. 2026 elején az OpenAI azt állítja, hogy alapértelmezés szerint nem tanít API-adatokon, és az Anthropic hasonló szabályzatot alkalmaz. Az üzenetek azonban áthaladnak a szervereiken.
• Menedzselt szolgáltatások: Az üzeneteket a szolgáltató dolgozza fel. Ellenőrizd az adatvédelmi szabályzatukat és adatfeldolgozási megállapodásaikat. Az EU-ban felhasználói adatokat kezelő vállalkozásoknál itt számít a GDPR-megfelelés. A Quickchat AI például az EU-ban dolgozza fel az adatokat, és üzleti ügyfeleknek DPA-t biztosít.

Egy kötetlen Discord szervernél az adatvédelem általában nem elsődleges szempont. Egy olyan vállalkozásnál, amely Discord botot használ ügyféltámogatásra, érdemes pontosan megérteni, hol tárolják a beszélgetési adatokat, és ki fér hozzájuk.

Saját hosztolás vs. menedzselt: teljes tulajdonlási költség

A fenti táblázat nyers számítási költség-összehasonlítása csak a történet egy részét mutatja. A teljes tulajdonlási költségbe a mérnöki idő is beletartozik.

Amit saját hosztolású bottal neked kell megépítened:

• Botkód és telepítés
• Beszélgetési előzmények tárolása
• Kontextusablak-kezelés
• Hibakezelés és monitorozás
• Tudásbázis / RAG pipeline (ha szükséges)
• Analitika és naplózás
• Többcsatornás támogatás (ha szükséges)

Óvatos becsléssel egy production minőségű, saját hosztolású AI Discord bot felépítése beszélgetési előzményekkel, tudásbázissal és alapvető analitikával 40-80 óra mérnöki időt igényel egy tapasztalt fejlesztőtől. A karbantartása (modellfrissítések, függőségfrissítések, hibakeresés, monitorozás) további folyamatos időt igényel.

Amit egy menedzselt szolgáltatással készen kapsz:

• Bothosztolás és uptime-kezelés
• Weboldaladból, dokumentumaidból és fájljaidból épített tudásbázis
• Beszélgetési analitika (szentiment, témák, értékelések)
• Többcsatornás telepítés (ugyanaz az agent Discordon, weboldalon, WhatsAppon, Slackben stb.)
• Emberi handoff, amikor az AI nem tud segíteni
• AI Actions (beszélgetési kontextus által kiváltott egyedi API-hívások), beleértve a moderációs műveleteket, például timeout, kick és ban

A kérdés az, hogy a menedzselt szolgáltatás havi költsége alacsonyabb-e, mint a mérnöki időd alternatív költsége. Egy hobbi Discord szervert futtató solo fejlesztőnek valószínűleg az Ollamával történő saját hosztolás a jó választás. Egy olyan vállalkozásnak, amely a Discordot ügyfelek felé nyitott támogatási csatornaként használja, a számítás általában a menedzselt szolgáltatás felé billen, mert az alap LLM körüli funkciók (analitika, tudásbázis, handoff) teszik a botot valóban hasznossá. Az AI ticket bot útmutató pontosan ezt a kombinációt építi fel végig a Free planon, így konkrét alternatívához tudod árazni a másik megoldást.

Összefoglalás

Nincs univerzálisan „legjobb” ingyenes AI Discord bot. A megfelelő választás attól függ, mit jelent számodra az „ingyenes”:

• Ha nulla folyamatos költséget szeretnél, és van rendelkezésre álló hardvered, hosztolj saját magad Ollamával és nyílt forráskódú modellel. Te kontrollálod a helyi modellfeldolgozást és annak adatmegőrzését, miközben a Discord továbbra is továbbítja és tárolja az üzeneteket. Lemondasz a frontier modellekhez viszonyított modellminőségről, és minden mérnöki munkát magadra vállalsz.
• Ha valódi felhasználókkal szeretnél tesztelni fizetés előtt, a Quickchat AI Free plan lehetővé teszi az indulást bankkártya nélkül. A Discord integráció működik a Free planban, a fizetős csomagok pedig $9/mo ártól indulnak.
• Ha frontier modellminőséget szeretnél, és kényelmes számodra az API-kulcsok kezelése, egy saját API-kulcsos bot ezt adja alacsony üzenetenkénti költséggel (különösen GPT-4o mini vagy Gemini Flash esetén). Továbbra is neked kell hosztolnod a botkódot, és megépítened minden funkciót a nyers chat fölött.
• Ha production funkciókra van szükséged (tudásbázis, analitika, handoff, többcsatornás működés), a menedzselt szolgáltatás a leggyorsabb út. Értékeld a várt üzenetmennyiség és a ténylegesen szükséges funkciók alapján.

Az „ingyenes AI Discord bot” kifejezésben az „ingyenes” sok mindent elfed. A számítás mindig kerül valamibe. A kérdés az, ki fizeti meg, és mit kapsz (vagy miről mondasz le) cserébe.

Az összes AI Discord bot szélesebb összehasonlításához (nem csak az ingyenesekhez) nézd meg a Legjobb AI Discord botok 2026-ban összefoglalónkat. Ha a szervered kifejezetten támogatási csatorna, az AI Discord Ticket Bot végigvezet azon, hogyan válaszolj a dokumentumaidból, és hogyan eszkaláld a többit privát ticket threadekbe.