Gratis AI Discord-botar 2026

Om du söker efter “gratis AI Discord-bot” hittar du dussintals alternativ. Vissa är verkligen gratis. De flesta är det inte, åtminstone inte på det sätt du kanske förväntar dig. Det här inlägget går igenom vad som faktiskt finns, vilka kompromisserna är och vad “gratis” egentligen kostar när AI-inferens ingår.

Varför “gratis AI” är komplicerat

Att köra en LLM kostar pengar. Varje gång en användare skickar ett meddelande och får ett svar betalar någon för beräkningen. För ett hostat API som OpenAI eller Anthropic betalar du per token. För en self-hosted modell betalar du i hårdvara, el och underhållstid. Det går inte att komma runt detta: inferens har en marginalkostnad som inte är noll.

När en tjänst erbjuder en “gratis AI-bot” gäller något av följande:

1. Du betalar inferenskostnaden direkt (t.ex. genom att tillhandahålla din egen API-nyckel).
2. Tjänsten absorberar kostnaden och tar igen den via betalnivåer, annonser eller datainsamling.
3. Du kör inferensen själv på din egen hårdvara med en open-source-modell.
4. Gratisnivån är begränsad till en låg volym som begränsar leverantörens exponering mot beräkningskostnader.

Att förstå vilket av dessa som gäller för en viss bot är nyckeln till att bedöma om den faktiskt passar ditt användningsfall.

De tre kategorierna av gratis AI Discord-botar

1. Self-hosted open-source-botar (verkligen gratis, du står för hårdvaran)

Det här är det enda alternativet där ingen tredje part kontrollerar dina användningsgränser. Du kör en open-source-LLM lokalt (eller på en VPS), ansluter den till Discord via en bot du skriver eller forkar och hanterar allt själv.

Typisk stack:

• Ollama för lokal modellservering
• discord.py eller discord.js för Discord-boten
• En modell som Llama 3.1 8B, Mistral 7B eller Gemma 2 9B

Det du får:

• Ingen kostnad per meddelande utöver el
• Full kontroll över modellen, systemprompten och data
• Inga rate limits från en tredje part (endast Discords egna API-gränser gäller)
• Lokal modellbearbetning: inferensen stannar på din maskin, medan Discord fortfarande transporterar och lagrar meddelandena

Det du avstår från:

• Du behöver hårdvara. Att köra en modell med 7B parametrar i rimlig hastighet kräver en GPU med minst 8 GB VRAM, eller en modern Mac med unified memory. CPU-inferens fungerar men är långsam (flera sekunder per svar för en 7B-modell).
• Du underhåller infrastrukturen. Uppdateringar, omstarter, övervakning och diskutrymme för modellvikter ligger på dig.
• Modellkvaliteten är lägre än frontier-modeller. Llama 3.1 8B är kapabel, men den är inte GPT-4o eller Claude Sonnet. För enkla frågor och svar samt avslappnade konversationer fungerar den bra. För nyanserat resonemang eller komplex dialog över flera turer räcker den inte till.
• Ingen inbyggd kunskapsbas, analys eller handoff-funktioner. Du bygger det du behöver.

Lägsta hårdvarukrav för vanliga modeller:

(Hastigheterna är ungefärliga och uppmätta på en RTX 4090. Kvantiserade varianter använder mindre minne till en liten kvalitetskostnad.)

2. Freemium-hanterade tjänster (gratisnivå med gränser)

Det här är produkter där någon annan hostar AI:n och botinfrastrukturen. Du konfigurerar boten via en webbdashboard. Gratisnivån ger dig begränsad användning. Du betalar för mer.

Exempel:

Quickchat AI:s Free plan låter dig testa utan kreditkort. Discord-integrationen finns på alla nivåer, så du kan ansluta din bot och testa den med riktiga användare innan du bestämmer dig. Anslutningen görs med ett klick: i External Apps, öppna Discord och klicka på Add to your Discord server, välj sedan servern den ska läggas till på. Betalplaner börjar med Starter för $9/mån, eller $8/mån vid årlig fakturering.

Den största fördelen med hanterade tjänster är att du får funktioner utöver rå LLM-inferens: kunskapsbaser byggda från dina dokument och din webbplats, konversationsanalys (sentimentanalys, ämnesdetektion), distribution i flera kanaler (samma agent fungerar på din webbplats, WhatsApp, Slack och Discord) samt mänsklig handoff för fall som AI:n inte kan lösa. Att bygga detta från grunden ovanpå en self-hosted modell är ett betydande ingenjörsprojekt.

MEE6 är främst en bot för moderering och engagemang. Dess AI-chattfunktioner är låsta bakom premiumprenumerationen ($11.99/mån i början av 2026). Gratisnivån täcker levels, grundläggande modereringskommandon och välkomstmeddelanden, men inte AI-drivna konversationer.

Botpress har en gratisnivå med 2,000 inkommande meddelanden per månad över alla kanaler. Den erbjuder en visuell flow builder och stöder anpassade LLM-konfigurationer. Konfigurationen är dock mer komplex än Quickchat för en enkel Discord-bot, eftersom Botpress främst är utformat för strukturerade konversationsflöden snarare än öppen chatt.

3. BYO API-nyckel-botar (du betalar LLM-leverantören)

En tredje kategori: open-source-botar som körs på en server men anropar ett kommersiellt API (OpenAI, Anthropic, Google osv.) för inferens. Du tillhandahåller din API-nyckel. Själva botkoden är gratis, men du betalar per token till modellleverantören.

Exempel på GitHub:

• GPT Discord Bot (OpenAI:s officiella exempel)
• Olika community-botar byggda med discord.py + OpenAI Python SDK

Kostnad per meddelande med kommersiella API:er (ungefärligt, i början av 2026):

*Antar ~500 input-tokens och ~200 output-tokens per meddelandeutbyte, utan konversationshistorik. Med konversationshistorik inkluderad ökar inputkostnaderna linjärt med kontextlängden.

Vid 1,000 meddelanden per månad med GPT-4o mini skulle du betala cirka $0.30. Vid 10,000 meddelanden per månad cirka $3.00. Dessa siffror ser små ut tills du räknar in konversationshistorik: om varje meddelande inkluderar hela konversationskontexten (säg 10 tidigare turer) växer antalet input-tokens per meddelande från ~500 till ~5,000, så inputkostnaderna ökar 10x och totalkostnaden stiger.

Kostnadsjämförelse mellan metoder

Följande tabell uppskattar månadskostnader vid olika meddelandevolymer. “Self-Hosted” antar en liten VPS eller befintlig hårdvara. “BYO API Key” använder GPT-4o mini-prissättning. “Managed” använder Quickchat AI:s prissättning som referens.

Kommentarer om self-hosted-kolumnen: intervallet beror på om du använder en CPU-only VPS (billigare men långsammare svar) eller en GPU-instans. Hetzner erbjuder CPU VPS-instanser för cirka $5-10/mån som kan köra en kvantiserad 7B-modell, även om svarstiderna blir 5-15 sekunder. GPU-molninstanser (t.ex. från Lambda, RunPod eller Vast.ai) börjar på cirka $0.20-0.50/tim för en enda GPU, vilket motsvarar $150-360/mån om den körs dygnet runt. För intermittent användning kan spotinstanser eller serverless GPU-leverantörer sänka detta.

Kolumnen BYO API key visar ett intervall eftersom kostnaderna i hög grad beror på om du inkluderar konversationshistorik i varje begäran. Den nedre gränsen är single-turn (ingen historik), den övre gränsen är multi-turn med ~10 meddelanden i kontext.

Kolumnen för hanterad tjänst återspeglar Quickchats prissättning per juni 2026. Dessa planer inkluderar funktioner som kunskapsbashantering, analys och stöd för flera kanaler som inte finns i de andra två metoderna utan ytterligare ingenjörsarbete.

En snabb self-hosted-konfiguration: Python + discord.py + Ollama

Nedan finns ett minimalt fungerande exempel på en Discord-bot som använder Ollama för lokal inferens. Detta kräver att Ollama är installerat och körs, samt att en modell har hämtats (t.ex. ollama pull llama3.1:8b).

Förutsättningar

1. Python 3.10+
2. Ollama installerat och igång (curl -fsSL https://ollama.com/install.sh | sh)
3. En hämtad modell: ollama pull llama3.1:8b
4. En Discord-bot-token (skapa en i Discord Developer Portal)
5. Boten tillagd på din server med behörigheterna Send Messages och Read Message History

Installera beroenden

pip install discord.py aiohttp

Botkod

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 = "Du är en hjälpsam assistent på en Discord-server. Håll svaren kortfattade."

# Store conversation history per channel (in-memory, resets on restart)
conversations: dict[int, list[dict]] = {}
MAX_HISTORY = 10  # Keep last 10 messages per channel

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


async def query_ollama(channel_id: int, user_message: str) -> str:
    """Send a message to Ollama and return the response."""
    if channel_id not in conversations:
        conversations[channel_id] = []

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

    # Trim history to avoid unbounded memory growth
    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"Ollama returned status {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"Logged in as {client.user}")


@client.event
async def on_message(message: discord.Message):
    # Ignore own messages
    if message.author == client.user:
        return

    # Only respond when mentioned
    if client.user not in message.mentions:
        return

    # Strip the mention from the message
    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)

    # Discord has a 2000-character limit per message
    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)

Detta är cirka 60 rader kod och ger dig en fungerande AI-bot som svarar när den nämns. Den håller konversationshistorik per kanal i minnet (förloras vid omstart) och hanterar Discords gräns på 2,000 tecken per meddelande.

Vad den här minimala boten saknar

Koden ovan fungerar för testning och små servrar. För allt utöver det kommer du att stöta på flera problem som produktionsbotar behöver hantera:

• Beständig konversationshistorik. Den minnesbaserade dict:en förloras när processen startas om. En produktionsbot skulle lagra konversationer i Redis eller en databas.
• Rate limiting. Discord tillåter 5 meddelanden per 5 sekunder per kanal. Om din bot är populär behöver du köhantering.
• Samtidiga begäranden. Ollama behandlar som standard en begäran i taget. Flera användare som skriver samtidigt köas. Du kan köra flera Ollama-instanser bakom en load balancer, eller använda Ollamas alternativ OLLAMA_NUM_PARALLEL (tillgängligt sedan v0.1.33).
• Felhantering och omförsök. Ollama kan krascha, få slut på minne eller returnera felformaterade svar. Boten bör hantera allt detta på ett robust sätt.
• Hantering av kontextfönster. Inställningen MAX_HISTORY = 10 är naiv. En bättre metod räknar tokens och trimmar så att det ryms inom modellens kontextfönster (8,192 tokens för Llama 3.1 8B som standard, konfigurerbart upp till 128K med kvalitetsförsämring vid längre kontexter).
• Stöd för threads. På Discord sker botkonversationer ofta i threads. Hantering av trådskapande och historik per thread kräver ytterligare logik.
• Kunskapsbas / RAG. Om du vill att boten ska svara på frågor om projektets dokumentation behöver du en setup för retrieval-augmented generation: skapa embeddings av dina dokument, lagra embeddings i en vektordatabas och hämta relevanta delar innan de skickas till LLM:en.

Tekniska fallgropar

Discord API-gränser

Discord tillämpar rate limits på flera nivåer:

• Gränser per route: Varje API-endpoint har sin egen rate limit, som returneras i svarshuvuden (X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset).
• Global gräns: 50 begäranden per sekund över alla endpoints.
• Meddelandegräns per kanal: 5 meddelanden per 5 sekunder per kanal.
• Gateway-gränser: 120 gateway events per 60 sekunder.

Biblioteket discord.py hanterar de flesta av dessa automatiskt genom att köa begäranden när du når en gräns. Om din bot finns i många servrar eller kanaler samtidigt kan du ändå nå den globala gränsen. Då behöver du undersöka sharding (att dela upp botens serveranslutningar över flera gateway-anslutningar).

För botar som använder MESSAGE_CONTENT intent (krävs för att läsa meddelandetext) kräver Discord att du verifierar din bot om den finns i fler än 100 servrar. Detta innebär att du skickar in en beskrivning av vad boten gör och får godkännande från Discord.

Kompromisser i modellkvalitet

Gapet mellan små open-source-modeller och frontier-kommersiella modeller är mindre än det var för två år sedan, men det finns fortfarande. Här är en grov jämförelse för vanliga Discord-botuppgifter:

Om din Discord-bot är för en gaming-community och mest hanterar avslappnad chatt och enkla uppslagningar fungerar en lokal 8B-modell bra. Om den används för kundsupport där korrekthet är viktigt blir kvalitetsgapet ett verkligt problem. Att hålla sig i karaktär handlar också mindre om modellen än om setupen: hur du bygger en rollspels-AI-chatbot som håller sig i karaktär visar hur långt en personaprompt och en kanonisk kunskapsbas räcker även med en standardmodell.

Hantering av kontextfönster

Detta är den mest underskattade tekniska utmaningen i Discord-botar. Discord-konversationer består naturligt av flera turer: användare skickar många korta meddelanden, och boten behöver komma ihåg vad som sagts tidigare i konversationen.

Varje gång boten svarar behöver den inkludera tidigare konversationshistorik i prompten. Det betyder:

• Antalet input-tokens växer linjärt med konversationens längd.
• För API-baserade botar växer kostnaden också linjärt.
• För lokala modeller växer inferenstiden med kontextlängden (kvadratiskt i attention-beräkningen, även om optimeringar som Flash Attention hjälper).
• Vid någon punkt överskrider konversationen modellens kontextfönster och du behöver en strategi: trunkera från början, sammanfatta äldre meddelanden eller starta en ny konversation.

En praktisk metod är att behålla ett rullande fönster med de senaste N meddelandena och, om konversationen har blivit lång, lägga till en kort sammanfattning av tidigare kontext i början. Detta kräver ett ytterligare LLM-anrop för att skapa sammanfattningen men håller kostnaderna per meddelande begränsade.

Integritetskonsekvenser

Detta varierar avsevärt beroende på metod:

• Self-hosted: AI-inferensen stannar på din hårdvara, så du kontrollerar loggar och lagring för modellbearbetningen. Discord transporterar och lagrar fortfarande meddelanden. Lokal inferens gör inte hela konversationen lokal.
• BYO API Key: Meddelanden skickas till API-leverantören (OpenAI, Anthropic osv.). Kontrollera deras policyer för datalagring. I början av 2026 uppger OpenAI att de som standard inte tränar på API-data, och Anthropic har en liknande policy. Meddelanden passerar dock deras servrar.
• Hanterade tjänster: Meddelanden behandlas av tjänsteleverantören. Kontrollera deras integritetspolicy och data processing agreements. För företag som hanterar användardata i EU är GDPR-efterlevnad viktigt här. Quickchat AI behandlar till exempel data i EU och tillhandahåller ett DPA för företagskunder.

För en informell Discord-server är integritet vanligtvis inte ett primärt bekymmer. För ett företag som använder en Discord-bot för kundsupport är det värt att förstå exakt var konversationsdata lagras och vem som har åtkomst till den.

Self-hosted kontra hanterat: total ägandekostnad

Jämförelsen av rå beräkningskostnad i tabellen ovan visar bara en del av bilden. Den totala ägandekostnaden inkluderar ingenjörstid.

Det du bygger själv med en self-hosted bot:

• Botkod och deployment
• Lagring av konversationshistorik
• Hantering av kontextfönster
• Felhantering och övervakning
• Kunskapsbas / RAG-pipeline (om det behövs)
• Analys och loggning
• Stöd för flera kanaler (om det behövs)

Konservativt tar det 40-80 timmar ingenjörstid för en erfaren utvecklare att bygga en produktionsklar self-hosted AI Discord-bot med konversationshistorik, en kunskapsbas och grundläggande analys. Att underhålla den (modelluppdateringar, beroendeuppdateringar, felsökning, övervakning) lägger till löpande tid.

Det du får direkt med en hanterad tjänst:

• Bothosting och drifttidshantering
• Kunskapsbas byggd från din webbplats, dina docs och dina filer
• Konversationsanalys (sentiment, ämnen, betyg)
• Distribution i flera kanaler (samma agent på Discord, webbplats, WhatsApp, Slack osv.)
• Mänsklig handoff när AI:n inte kan hjälpa
• AI Actions (anpassade API-anrop som triggas av konversationskontext), inklusive modereringsåtgärder som timeout, kick och ban

Frågan är om den hanterade tjänstens månadskostnad är lägre än alternativkostnaden för din ingenjörstid. För en soloutvecklare som kör en hobby-Discord-server är self-hosting med Ollama förmodligen rätt val. För ett företag som använder Discord som kundnära supportkanal talar kalkylen oftast för en hanterad tjänst, eftersom funktionerna runt den centrala LLM:en (analys, kunskapsbas, handoff) är det som gör boten faktiskt användbar. Guiden till AI-ticket-bot bygger exakt den kombinationen från början till slut på Free plan, så du kan prissätta alternativet mot något konkret.

Sammanfattning

Det finns ingen universellt “bästa” gratis AI Discord-bot. Rätt val beror på vad “gratis” betyder för dig:

• Om du vill ha noll löpande kostnad och har hårdvara tillgänglig, kör self-hosted med Ollama och en open-source-modell. Du kontrollerar lokal modellbearbetning och dess datalagring, medan Discord fortfarande transporterar och lagrar meddelanden. Du avstår från modellkvalitet jämfört med frontier-modeller och tar på dig allt ingenjörsarbete.
• Om du vill testa med riktiga användare innan du betalar något låter Quickchat AI:s Free plan dig börja utan kreditkort. Discord-integrationen fungerar på Free plan, och betalplaner börjar på $9/mån.
• Om du vill ha kvalitet från frontier-modeller och är bekväm med att hantera API-nycklar ger en BYO API key-bot dig det med låga kostnader per meddelande (särskilt med GPT-4o mini eller Gemini Flash). Du behöver fortfarande hosta botkoden och bygga alla funktioner utöver rå chatt.
• Om du behöver produktionsfunktioner (kunskapsbas, analys, handoff, flera kanaler) är en hanterad tjänst den snabbaste vägen. Utvärdera baserat på den meddelandevolym du förväntar dig och de funktioner du faktiskt behöver.

Ordet “gratis” i “gratis AI Discord-bot” gör mycket arbete. Beräkningen kostar alltid något. Frågan är vem som betalar för den, och vad du får (eller ger upp) i utbyte.

För en bredare jämförelse av alla AI Discord-botar (inte bara gratisalternativ), se vår sammanställning Bästa AI Discord-botar 2026. Om din server specifikt är en supportkanal går AI Discord Ticket Bot igenom hur du svarar från dina docs och eskalerar resten till privata ticket threads.