Models.dev: Открытая база данных спецификаций, цен и возможностей AI-моделей

Models.dev — это открытая база данных спецификаций, цен и возможностей моделей ИИ, поддерживаемая сообществом. Данные хранятся в репозитории в виде TOML-файлов, организованных по провайдерам и моделям, с логотипами в формате SVG. Она также обеспечивает работу API и используется внутри проекта opencode.
Доступ к API
Вы можете получить все данные моделей через одну точку API:
curl https://models.dev/api.jsonПоле ID модели (например, openai/gpt-5) соответствует идентификатору, используемому в AI SDK. Логотипы провайдеров доступны в виде SVG-файлов:
curl https://models.dev/logos/{provider}.svgЗамените {provider} на ID провайдера (например, anthropic, openai, google).
Как внести вклад
Чтобы добавить новую модель, сначала проверьте, существует ли провайдер в каталоге providers/. Если нет, создайте папку провайдера с файлом provider.toml:
name = "Название провайдера"
npm = "@ai-sdk/provider" # Имя пакета AI SDK
env = ["PROVIDER_API_KEY"] # Ключи переменных окружения для аутентификации
doc = "https://example.com/docs/models" # Ссылка на документацию провайдераЕсли провайдер предоставляет совместимую с OpenAI конечную точку, укажите npm = "@ai-sdk/openai-compatible" и добавьте базовый URL: api = "https://api.example.com/v1".
При желании добавьте файл logo.svg в папку провайдера, используя currentColor для заливок и обводок. Затем создайте файл определения модели TOML в providers/{provider}/models/. Пример определения модели:
name = "Отображаемое название модели"
attachment = true # поддержка вложений
reasoning = false # поддержка цепочки рассуждений
tool_call = true # поддержка вызова инструментов
structured_output = true # поддержка структурированного вывода
temperature = true # поддержка управления температурой
knowledge = "2024-04" # дата отсечки знаний
release_date = "2025-02-19"
last_updated = "2025-02-19"
open_weights = true # веса общедоступны
[cost]
input = 3.00 # за миллион входных токенов (USD)
output = 15.00 # за миллион выходных токенов
reasoning = 15.00 # за миллион токенов рассуждения
cache_read = 0.30 # за миллион кэшированных токенов чтения
cache_write = 3.75 # за миллион кэшированных токенов записи
input_audio = 1.00 # за миллион аудиовходных токенов
output_audio = 10.00 # за миллион аудиовыходных токенов
[limit]
context = 400_000 # максимальный контекст (токены)
input = 272_000 # максимальные входные токены
output = 8_192 # максимальные выходные токены
[modalities]
input = ["text", "image"]
output = ["text"]
[interleaved]
field = "reasoning_content"
Для провайдеров-обёрток, которые дублируют существующие модели, используйте extends (не подробно описано в сниппете).
Models.dev — это проект с открытым исходным кодом, управляемый сообществом. Исходный код находится на GitHub, и мы приветствуем вклады, чтобы данные оставались актуальными.
📖 Читать полный источник: HN LLM Tools
👀 Смотрите также

Homebutler: OpenClaw Skill для управления Homelab через Telegram
Homebutler — это единый бинарный файл Go (~13 МБ, без зависимостей), который работает как навык OpenClaw для управления домашними лабораториями из чата Telegram. Он отслеживает серверы, перезапускает Docker-контейнеры, пробуждает машины, сканирует сети и предупреждает о скачках ресурсов без SSH-сессий или входа в панель управления.

Anchormd: Инструмент для управления контекстом между сессиями Claude AI
Anchormd — это инструмент с открытым исходным кодом, который решает проблему потери контекста в сессиях Claude AI, индексируя тщательно составленные markdown-планы в поисковый граф знаний. Он позволяет агентам загружать обзоры проектов в начале сессии и запрашивать конкретные детали по мере необходимости.

AgentMind: Плагин для Claude Code, который изучает и применяет ваши предпочтения в программировании
AgentMind — это плагин Claude Code, который наблюдает за вашими паттернами программирования, изучает предпочтения, такие как выбор инструментов и правила стиля, и автоматически внедряет этот контекст в будущие сессии. Он использует шестишаговый основной цикл и систему оценки уверенности для определения, когда применять изученные предпочтения.

Конвейер рекапитуляции фильмов с локальным приоритетом с использованием Whisper + CLIP + Ollama
Полностью локальный пайплайн, который автоматически создает видео-пересказы фильмов с озвучкой, используя Whisper, CLIP, Ollama, Edge TTS и FFmpeg. Загрузите файл фильма и получите озвученный пересказ примерно через 15 минут.