在日常开发中,你有没有遇到过这样的情况:想接入一个新的 AI 模型,却需要四处查找模型参数、价格、上下文长度、支持能力等信息。有时刚整理完一份资料,模型厂商又发布了新版本,之前收集的数据立刻就过时了。
随着 AI 模型数量不断增加,开发者面对的已经不是“有没有模型可以用”,而是“这么多模型,到底该怎么管理和选择”。如果你正在开发 AI 应用、模型聚合平台,或者需要统一管理多个大模型接口,一个准确、结构化的模型信息数据库就非常重要。
今天要介绍的开源项目 models.dev,就是为了解决这个问题而诞生的。它将各种 AI 模型的信息进行统一整理,让开发者可以更方便地获取模型能力、价格、限制等数据,大幅降低 AI 应用开发中的信息整理成本。
项目简介
models.dev 是一个开源的 AI 模型数据库项目,由 opencode 团队维护。
过去,不同 AI 厂商通常各自维护自己的模型列表,例如某个平台提供文本生成模型,另一个平台提供视觉模型。开发者如果想同时支持多个模型,就需要分别查看各个平台的文档,然后手动整理数据。
models.dev 通过统一的数据结构解决了这个问题。项目内部按照供应商和模型进行组织,每个模型都有对应的配置文件,最终可以生成统一的数据接口供其他应用调用。
对于开发者来说,它不仅仅是一份模型列表,更像是一个 AI 基础设施的数据层。你可以利用它快速构建模型选择器、AI 应用后台管理系统、模型比较工具等功能。
项目安装与使用
models.dev 是一个基于 TypeScript 生态开发的项目,推荐使用 Bun 作为开发环境。
首先,需要准备 Git、Node.js 环境以及 Bun。
安装 Bun:
curl -fsSL https://bun.sh/install | bash
然后克隆项目源码:
git clone https://github.com/anomalyco/models.dev.git
cd models.dev
安装项目依赖:
bun install
启动项目:
cd packages/web
bun run dev
启动完成后,就可以在本地访问项目页面,查看模型数据库内容。
除了本地运行之外,models.dev 还提供了简单的数据接口,可以直接获取模型数据。例如:
curl https://models.dev/api.json
返回的数据中包含模型的详细信息,你可以在自己的程序中进行二次开发。
比如,我们可以使用 JavaScript 获取模型列表:
fetch("https://models.dev/api.json")
.then(res => res.json())
.then(models => {
console.log(models);
});
这样,你就可以快速把 AI 模型数据接入自己的应用。
例如,你正在开发一个 AI 聊天平台,希望让用户自由选择不同的大模型。以前你可能需要自己维护几十甚至上百个模型配置,而现在只需要读取 models.dev 提供的数据,就可以自动获取模型信息。
如果未来有新的模型发布,也可以通过社区贡献方式更新数据,不需要每个开发团队重复维护。
总结
models.dev 最大的价值,就是把分散在不同平台上的 AI 模型信息进行了统一整理,让开发者可以更加轻松地管理和使用各种大模型。
无论你是在开发 AI 应用、搭建模型管理平台,还是单纯想快速了解不同模型的区别,这个项目都能提供很大的帮助。如果你正在探索 AI 应用开发,就赶快去试试吧。
项目地址:https://github.com/anomalyco/models.dev