Models.dev

在 AI 模型数量迅速增长的今天，开发者和研究人员常常面临一个现实问题：没有一个统一的数据库能全面展示所有可用模型的信息、性能、价格和功能差异。

为了解决这一难题，Models.dev 应运而生。它是一个由社区驱动的开源项目，提供一份结构化、标准化且持续更新的 AI 模型数据库。该项目不仅帮助用户快速查找和比较不同模型的能力，还被我们集成进 opencode 中，作为其底层模型支持的核心数据来源。

为什么需要 Models.dev？

• 信息分散：AI 模型分布在多个平台，缺乏统一的数据格式和分类方式。
• 选择困难：开发者难以快速判断哪个模型更适合当前任务。
• 成本不透明：不同服务商的价格体系复杂，缺少横向对比。
• 能力未知：模型的功能描述常不一致，不利于评估和选型。

Models.dev 正在努力解决这些问题，成为 AI 领域的“维基百科”。

如何使用 Models.Dev 的数据？

Models.dev 提供了一个简单易用的 API 接口，供开发者直接查询模型信息：

https://models.dev/api.json

返回的数据中包含每个模型的以下关键字段：

• model_id：模型的唯一标识符，常用于 SDK 或工具链中的调用。
• name：模型名称。
• provider：模型所属服务商。
• pricing：输入输出每 token 的费用。
• capabilities：模型支持的任务类型（如文本生成、代码理解、多模态等）。
• context_length：最大上下文长度。

通过这些信息，你可以快速筛选出符合需求的模型，并将其集成到你的工作流中。

社区共建：欢迎贡献数据

Models.dev 是一个开源项目，依赖于社区成员的积极参与来保持数据的准确性和时效性。所有模型信息都以 TOML 格式 存储在仓库中，按提供商（Provider）和模型（Model）组织成目录结构。

如何添加新模型？

如果你希望为 Models.dev 添加一个新的模型，请按照以下步骤操作：

1. 检查是否已有该提供商：
   • 进入仓库的 providers/ 目录。
   • 查看是否有对应的服务商文件夹。
2. 如果没有该提供商：
   • 在 providers/ 下新建一个以提供商命名的文件夹。
   • 创建一个或多个 TOML 文件，描述具体的模型信息。
3. 提交 Pull Request：
   • 将你的更改提交到 Models.dev 仓库。
   • 等待审核合并。