对 Google Colab 的印象如果还停留在「打开网页、点运行、白嫖一块 T4」，那该更新一下了。过去这一年，Colab 悄悄改了好几条规则：VS Code 官方扩展上线、Gemini 直接住进了笔记本、命令行 CLI 来了。知乎学生教育版甚至放出了 RTX 6000 Blackwell 级别的 G4 显卡。小红书而网上流传的教程，一大半还是 2021 到 2023 年的，照着旧教程操作，现在真的会走弯路。
翻了翻知乎、小红书、B站、微博这几个月关于 Colab 的讨论，把真正有用的新规则和坑整理出来。家里没显卡、又要给毕设和课程作业跑模型的人，建议动手之前先看完这篇。
免费版现在到底能给什么
先说结论：免费版依然是「快速验证代码」的最好入口，但别指望它承载长时间训练。
GPU 方面，新建笔记本在运行时菜单里选 GPU 就行，大多数时候分到的是 T4，偶尔能抽到 L4，具体给哪张卡由系统动态决定，没得挑。使用时长官方没给过明确数字，社区实测的说法是「一天大概 4 个多小时」，超时或者长时间空闲都会被回收。哔哩哔哩算力按「计算单元」计费，免费版有每月的预算上限，A100 这类高端卡消耗快得多，有用户实测从早期的每小时 7 个多单元降到了 5 个左右，但连续跑几天照样能把月度额度烧完。小红书
两个新福利值得专门说。一是 Gemini 现在内置在 Colab 里，报错之后可以直接让它解释原因、给修复建议，有用户形容是「白嫖 GPU 的同时还能白嫖 AI，毕业论文全靠它」。微博二是 VS Code 可以直连 Colab 了，官方扩展 2025 年底上线后，不少开发者在刷「game changer」——不用再忍受网页编辑器的别扭手感，本地写代码习惯原样保留，GPU 在云端跑。小红书
对免费版最大的误解，是把它当稳定服务器。评论区里有个需求很典型：「用 PyCharm 跑代码 CPU 爆了，电脑还得撑半年写完论文，不敢折腾了」——这种场景用 Colab 正合适，代码在远端跑，本地机器不受罪。哔哩哔哩但如果指望整晚挂机训练不断线，免费版会教做人。
学生教育版，才是现在最大的羊毛
在读学生请优先看这一段。
Google 对高校用户有 Colab 教育计划，通过学生身份认证，可以免费用上一年的 Colab Pro 级别权益。小红书GPU 菜单里除了 A100、H100，还多了 G4 选项。G4 对应的是 NVIDIA RTX 6000 Blackwell 这一代工作站显卡，显存约 96GB。小红书论训练吞吐它打不过 H100，但超大显存意味着更大参数的模型也有机会塞进去微调，这对毕设级别的实验相当实用。
不过限制也很真实。其一，认证通常需要 .edu 教育邮箱，且支持范围以海外高校为主，评论区里问「国内学校能不能用」的人不少，动手前先自查。其二，教育版给的是更大的算力额度，不是无限算力。小红书A100 开一晚上照样烧掉一大截。其三，如果之前已经领过类似权益，注意资格有效期，以官方教育页说明为准。
没有学生身份的话，不建议碰「代开 Pro」这类灰产，评论区有人提过淘宝代开，账号风险只能自己兜着。
避坑清单：Colab 白跑的四种方式
综合各平台的翻车现场，损失基本集中在这四类，全都可以提前防住。
第一，断连清空，出现频率最高。免费版空闲会断开，断连后内存里的变量和模型状态全没。「colab 总是断开连接怎么办」这类求助常年有人问。小红书解法其实只有一条：长训练必须每 10 到 30 分钟存一次 checkpoint，模型权重直接写进 Google Drive，config、requirements、日志一并保存。开始正式训练前，先用小数据子集跑 5 分钟短测，确认流程通了再上全量，别一上来就 50 个 epoch。
第二，存储不够用。Colab 的临时磁盘和免费 Drive 的 15GB 都装不下大数据集，有用户吐槽「光图像数据就 40 多 G」。小红书思路是把大数据集放在 Kaggle Dataset 等更适合的位置，Colab 只负责跑代码、存结果，别把 Drive 当主力数据盘。
第三，算力单元烧太快。免费版预算跑高端卡，两三天见底。铁律是：CPU 或 T4 把代码调通，最后才切高端卡，先小样本跑通再开正式实验，这条在所有免费平台通用。
第四，花钱之前看清 Pro 的变化。最近有社区反馈称 Pro 的并行会话被收紧，「以前 Pro 都可以用，现在只能跑一个 session」。小红书这只是用户个人反馈，并非官方公告，但如果你正打算为并行任务充 Pro，建议先在自己账号里确认当前规则再付款，别按老印象下单。
什么时候该用别的平台
Colab 不是唯一的免费 GPU，也不是所有任务都得硬塞给它。知乎上有篇 8 月的免费算力渠道对比讨论，结论和我的实测感受基本一致：
随手试笔记本、复现论文 demo，用 Colab——打开即用，社区笔记本多，很多开源项目的 README 直接给 Colab 一键链接。拿大数据集认真训 baseline，用 Kaggle——每周约 30 小时免费 GPU，数据集直接挂载，比 Colab 稳。知乎中文课程、飞桨生态的作业，用百度 AI Studio——中文教程多，国内网络友好。做开源训练任务、想摸国产算力，看启智——适合项目式训练，上手慢一些，要研究积分规则。
一句话记忆：验证想法用 Colab，认真训练去 Kaggle，中文课程找 AI Studio。
现在就能做的三件事
打开 colab.research.google.com 建个新笔记本，运行时选 GPU，跑一句 `!nvidia-smi`，先看看今天分到什么卡、显存多大。在读学生直接去查教育权益页，一年 Pro 是目前 Colab 最值的一笔羊毛。要开始训练，先把 checkpoint 代码写好——别等断连来给你上这一课。
最后说句实话：免费算力的本质是「验证方向」，不是「承载生产」。如果任务是一周不间断的训练，或者要挂一个稳定的推理服务，免费平台都不该进选项，老老实实租卡或上云，把免费额度留给真正适合的探索阶段。
