开源模型注册表：用结构化数据解决 AI 选型信息碎片化

问题：选型信息孤岛

当开发者需要在多个 AI 提供商之间选择合适的大语言模型时，面临的首要障碍并非技术能力，而是信息碎片化。OpenAI、Anthropic、Google 等厂商各自维护独立的文档体系，模型上下文长度、输入输出定价、支持的功能标志（如 reasoning、tool_call、structured_output）分散在不同格式的页面中。

这种碎片化带来的直接成本是：构建一个能够根据任务特征自动选择最优模型的路由系统，需要开发者手动抓取、清洗、对齐数十家提供商的数据格式。每次厂商调整定价或发布新模型，维护脚本都需要同步更新。

方案：可查询的开放数据库

models.dev 是一个由 SST 团队开源维护的 AI 模型数据库，核心目标是将模型元数据转化为结构化、可版本控制、可程序查询的开放数据。与零散的文档页面不同，它以统一的 Schema 描述每个模型的关键维度。

数据采用 TOML 格式按提供商和模型层级存储，每个模型定义文件包含以下核心字段：

成本维度（cost）：input/output 每百万 token 的美元定价，可选字段覆盖 reasoning、cache_read、cache_write、audio 等特殊计费场景。

限制维度（limit）：context 窗口总长度、input 最大 tokens、output 最大 tokens。

能力维度：attachment（文件附件支持）、reasoning（链式思维）、tool_call（工具调用）、structured_output（结构化输出）、temperature（温度控制）等布尔标志。

模态维度（modalities）：input/output 支持的模态数组，如 text、image、audio、video、pdf。

元信息：knowledge（知识截止日期）、release_date（首次发布）、last_updated（最近更新）、open_weights（权重是否开源）。

这种结构化设计使得开发者可以通过单一 API 端点 https://models.dev/api.json 获取全量数据，也可以基于 Model ID（与 AI SDK 兼容的标识符）进行精确查询。

技术实现要点

数据继承机制

针对 wrapper provider（如通过第三方平台访问 Claude 或 GPT 的场景），models.dev 设计了 extends 机制。wrapper 模型可以通过引用原始模型的路径复用其完整定义，仅需覆盖差异字段或 omit 特定属性。这避免了数据重复，同时确保上游模型更新时 wrapper 定义自动同步。

[extends]
from = "anthropic/claude-opus-4-6"
omit = ["experimental.modes.fast"]

[provider]
npm = "@ai-sdk/anthropic"

与 AI SDK 生态集成

models.dev 的 Model ID 与 Vercel AI SDK 保持一致，这意味着开发者可以直接使用 anthropic/claude-4-6-sonnet 或 openai/gpt-5 这样的标识符进行查询。Provider 配置中包含 npm 包名和环境变量键名，便于自动化配置凭证注入。

验证与贡献流程

项目通过 GitHub Actions 自动验证 TOML 语法和 Schema 合规性，确保社区贡献的数据符合类型约束和取值范围。贡献者只需按目录结构添加 provider.toml 和模型定义文件，无需维护复杂的数据库迁移脚本。

应用场景与可落地参数

基于 models.dev 的数据结构，开发者可以构建以下自动化能力：

成本估算引擎：根据输入 token 预估量和输出 token 预期量，结合各模型的 input/output 单价计算任务成本，实现基于预算的路由决策。

能力匹配过滤器：根据任务需求（如需 tool_call 支持、image 输入模态、最低 128K 上下文）筛选候选模型列表，排除不满足硬约束的选项。

动态降级策略：监控模型的 rate limit 和可用性状态，当主选模型不可用时，自动切换至满足相同能力要求且成本相近的备选模型。

版本追踪与变更通知：利用 release_date 和 last_updated 字段检测模型更新，结合 open_weights 标志识别可本地部署的替代方案。

局限与注意事项

作为社区维护的开放数据，models.dev 的更新及时性依赖贡献者响应速度，定价信息可能存在滞后。生产环境中建议将 models.dev 作为候选池生成器，关键决策前仍需向提供商 API 验证实时定价和可用性。此外，部分实验性功能的状态标记（如 alpha、beta）需要结合官方文档交叉确认。

数据来源

• GitHub - anomalyco/models.dev：开源模型数据库源码与 Schema 定义
• AI Engineer Guide - Models.dev Overview：社区对 models.dev 的功能解读与应用案例

ai-systems