Models.dev：人工智能模型规格、定价和功能的开源数据库
一句话看懂：Models.dev 是一个旨在汇总 AI 模型技术规格、定价和功能的开源数据库项目，目前已在 Hacker News 上引发关注，其背后涉及大量来自社区和第三方工具（如 Helicone、PricePerToken、LiteLLM、Artificial Analysis 等）的实时数据。这意味着开发者终于有了一个可以一站式查询并比较各类模型能力的集中入口。
事件核心：发生了什么
Models.dev 的本质是一个开源、社区驱动的数据库，目标是整理和标准化不同 AI 模型（包括大语言模型、图像生成模型等）的关键参数：规格（如参数量、上下文窗口长度）、定价（每百万 token 或每张图像的推理成本）以及功能（是否支持函数调用、多模态、结构化输出等）。项目上线后，其 Hacker News 讨论帖引用了多个主要的数据源，包括 Helicone 的 LLM 成本追踪、PricePerToken 的静态定价表、LiteLLM 的模型注册 API、Artificial Analysis 的公开 API 接口，以及来自 Simon Willison、Portkey、Pydantic、Truefoundry、AgentStation 等开发者提供的 GitHub 维护仓库。此外，用户询问的 aihubmix 平台提供的免费模型（如 coding-glm-5.1-free），也体现了社区对“实际可用且价格透明”模型信息的需求。
为什么重要
AI 模型发布速度极快，但早期信息常常分散且缺乏一致性。开发者需要从多个来源拼凑模型性能、可用性及成本信息，比如某些模型在 Azure 上提供、另一些只能通过特定 API 调用。Models.dev 通过将分散的定价和规格数据整合为结构化、可比较的标准格式，解决了行业长期存在的“信息孤岛”问题。更重要的是，它选择开源，这意味着任何人都可以贡献数据和修正错误，而不是依赖单一商业公司维护。这对于加剧模型市场竞争、推动价格透明化和促使云服务商按实际价值报价有积极作用，同时也降低了开发者评估和选用不同模型的门槛。
对用户/开发者/创作者的影响
- API 开发者：筛选和集成模型时，可以避免在多个厂商页面间浪费时间。直接在该数据库中比较上下文长度、成本限制、输出速率，快速判断哪个模型适合你的应用场景。
- 创作者与应用开发者：可以更清晰地估算项目成本。例如，在调整提示词或切换图片生成模型时，不再仅凭感觉判断“哪个更贵”，而是有准确的每张/每 token 成本数据支撑。
- 模型厂商与平台：高透明度的公开数据库会倒逼厂商调整定价策略或功能描述，对价格虚高的模型产生实质性压力。
值得关注的后续
- 数据维护机制：当前项目引用的多个 GitHub 仓库和第三方 API，如何保证数据更新及时性和准确性？是否会有 commit 审核流程或自动化爬虫来应对频繁变动的模型和定价？
- 能否直接集成到开发工具中：如果 Models.dev 能被 LiteLLM、OpenCode 等工具直接查询（类似 npm 或 pip 搜索依赖），它将不再是信息浏览页面，而是开发工作流的组成部分。目前已有用户询问 aihubmix 等平台的模型是否能直接整合。
- 社区接受度 vs. 商业化压力：如果该库被大量商业应用依赖，未来会不会有商业公司尝试收购或将其封闭化？开源许可证的选择和治理模式将是长期关键。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
来源：hackernews
