Models.dev — AI 模型規格、定價與能力的開源資料庫
github.com/anomalyco · 2026-05-23
anomalyco 團隊推出 models.dev，一個以 TOML 格式組織、社群共同維護的 AI 模型規格資料庫，涵蓋 Anthropic、OpenAI、Google 等主要供應商的模型 ID、定價、上下文視窗、支援的模態與能力標記。
資料結構
每個模型以一個 TOML 檔案儲存於 providers/{provider}/models/{model-id}.toml。欄位分為三層：
- 身分與時間：display name、release date、update date、open-weights 狀態、alpha/beta/deprecated 旗標
- 能力：tool calling、structured output、reasoning、temperature 支援、知識截止日期、輸入/輸出模態（text/image/audio/video/PDF）
- 成本：input/output token 單價、reasoning token 單價、cache write/read 單價、audio token 單價；上下文視窗大小與最大輸出 token
供應商層級的元資料（base URL、支援的認證方式）存放於 provider.toml；Logo 以 SVG 格式提供，確保可縮放渲染。
設計動機與使用情境
目前 AI SDK 開發者若要在多個供應商間動態選擇模型，通常需要自行維護一份模型能力對照表，或依賴各供應商的文件頁面（格式各異、更新延遲）。models.dev 提供機器可讀的單一事實來源，適合建置模型選擇 UI、成本估算工具，或跨供應商 benchmark 腳本。TOML 格式讓 pull request 式的社群更新比 JSON 更易於 review。
專案在 Hacker News 上獲得 74 分討論，社群已開始提交缺漏的模型條目與定價更正。
DeepSeek V4 Pro 降價永久化：推理成本下行壓力持續
deepseek.com · 2026-05-22
DeepSeek 宣布將旗艦模型 DeepSeek V4 Pro 的折扣定價永久化，結束此前「限時優惠」的框架。此舉使 DeepSeek 成為目前主流高性能推理模型中成本最具競爭力的選項之一，並在 Hacker News 引發大量討論（266 分），核心議題是 AI 推理定價的結構性下行趨勢。
定價背景
DeepSeek 在 2026 年初推出 V4 Pro 時即以低於 OpenAI o3 與 Anthropic Claude Opus 4.5 的定價上市，後以促銷名義進一步降價。永久化這一折扣意味著競爭對手若維持現有定價，差距將在市場層面固化。推理成本下降的驅動因素包括 MoE（Mixture of Experts）架構降低每次推理的激活參數量、自研推理芯片的使用，以及高利用率帶來的邊際成本攤薄。
對 AI 基礎設施的影響
推理定價的持續下降正在改變應用層的建構邏輯。過去需要用快取、批量處理或模型量化來控制 API 成本的場景，在更低的 token 單價下可能不再需要這些複雜性。另一方面，定價競爭壓縮了較小型供應商的生存空間，並加速資源往能在基礎設施層建立規模效應的主體集中。社群中對 DeepSeek 模型作為封閉基礎設施、資料治理不透明的疑慮仍在持續討論中。
原始來源：DeepSeek