models.dev：opencode团队开源AI模型元数据查询平台，5400 Star

opencode团队又开源了一个项目。它不帮你写代码、也不生成内容，而是把各种各样的AI模型信息汇总在一起。

过去选择一个AI模型需要打开十多个标签页查价格、看上下文、确定是否支持某功能，信息收集完人也麻了。models.dev 将几十个AI供应商的关键信息整合到一个网页上查询，已经在GitHub斩获5400 Star。

它由SST团队维护——这个团队做过SST、OpenNext、OpenAuth，2021年进入Y Combinator，后来推出了知名的opencode。models.dev最早是opencode内部用到的模型路由数据层，后来团队发现这些数据很多开发者也需要，就整理出来直接开源了。

说白了，就是把市场上所有主流AI模型的规格、价格和功能列成一张表。

查询示例：GLM-5.2

在models.dev搜索GLM-5.2，可以看到：

• 厂商为Zhipu AI，模型族为glm，有36家服务商提供服务
• 上下文窗口100万token，最大输出长度13万token
• 2026年6月13日发布，权重open，可在HuggingFace下载，除API调用外还能本地部署
• 支持tools、reasoning、structured、temperature四个能力标签，可用于复杂Agent场景
• 36个提供商的价格对比表，每家有对应的Model ID、上下文限制和价格，部分服务商提供免费额度
• 还能看到该厂商发布的所有模型

核心特性

1. 结构化模型数据：所有模型信息以TOML文件存储，不是静态表格。同一个底层模型被不同provider代理时，只需写一次基础信息，避免重复维护。

2. 多种API端点：提供api.json、models.json和catalog.json三个端点，返回结构化JSON，可直接用于模型路由决策、成本计算和能力匹配。网站支持按provider、context window、open weights、cost class等维度过滤。

3. 社区驱动维护：500+贡献者，100+ open PR在排队，每天都有人添加新模型数据。新增provider或model的方法是Fork仓库，加入TOML文件后提交PR。项目使用GitHub Actions自动校验数据格式，保证必需字段完整。

4. 生产环境验证：models.dev是opencode内部的数据层，opencode被Cloudflare等公司使用。数据不是随便抄的定价页，而是在实际路由决策中验证过的。

5. SDK兼容性：Model ID字段和Vercel AI SDK的标识符完全一致，如果使用Vercel AI SDK，models.dev的数据不需要做映射就可以直接使用。

使用方式

最简单的方法是浏览器打开 https://models.dev，看到简洁的表格界面，可以按provider、context window等维度过滤。

使用API的话：

curl https://models.dev/api.json

返回结构化JSON，可以直接在代码里解析，用于模型路由决策和成本计算。

注意事项

它目前只提供模型元数据，不是推理执行平台。如果要在代码中直接调用模型，仍然需要使用OpenRouter、DeepSeek API等服务。

项目基于 MIT 协议开放。

开源地址：https://github.com/anomalyco/models.dev