Models.dev: Open-Source-Datenbank für KI-Modellspezifikationen und Preise
Models.dev schließt eine häufig beklagte Lücke im KI-Ökosystem: Es gibt bislang keine zentrale, strukturierte Datenbank, die Spezifikationen, Preise und Fähigkeiten aller gängigen KI-Modelle zusammenführt. Das Projekt von anomalyco setzt auf Community-Beiträge und speichert alle Daten als TOML-Dateien im GitHub-Repository, aufgeteilt nach Provider und Modell. Jedes Modell kann Felder wie Kontextfenstergröße, Input-/Output-Kosten pro Million Token, unterstützte Modalitäten, Tool-Calling, Structured Output, Reasoning und Knowledge-Cutoff enthalten. Provider-Logos werden als SVG bereitgestellt und sind per einfachem Curl-Aufruf abrufbar. Die Daten werden intern im Projekt „opencode" genutzt und sind über eine öffentliche JSON-API unter https://models.dev/api.json zugänglich. Neue Modelle können per Pull Request hinzugefügt werden; ein GitHub-Action-Workflow validiert Einreichungen automatisch gegen ein TypeScript-Schema. Für Wrapper-Provider, die Modelle anderer Anbieter spiegeln, unterstützt das Format ein „extends"-Feld, um Duplizierungen zu vermeiden.
- API-Endpunkt: curl https://models.dev/api.json liefert alle Modelldaten als JSON
- Modellfelder umfassen u.a. Kontextfenster, Token-Kosten (Input/Output/Audio/Cache), Modalitäten und Capabilities
- Provider-Logos als SVG abrufbar: https://models.dev/logos/{provider}.svg
- Extends-Mechanismus für Wrapper-Provider verhindert Datei-Duplikate bei gespiegelten Modellen
- GitHub Action validiert TOML-Syntax, Datentypen und Pflichtfelder automatisch bei jedem PR
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org3d
OpenEval: 10M Item-Antworten als Infrastruktur für faire KI-Evaluation
- MEINUNGreddit.com3w
Nutzer berichten von hohen API-Kosten: Open-Source-Modelle könnten kommerzielle Lösungen verdrängen
- FORSCHUNGarxiv.org2w
LicenseGPT: Fine-tuned Modell für Dataset-Lizenz-Compliance erreicht 64,3 % PA
- MEINUNGartificialintelligence-news.com0mo
APIs, MCPs und MCP Gateways: Ein Vergleich für Entwickler
Models.dev: Open-Source-Datenbank für KI-Modellspezifikationen und Preise
Models.dev schließt eine häufig beklagte Lücke im KI-Ökosystem: Es gibt bislang keine zentrale, strukturierte Datenbank, die Spezifikationen, Preise und Fähigkeiten aller gängigen KI-Modelle zusammenführt. Das Projekt von anomalyco setzt auf Community-Beiträge und speichert alle Daten als TOML-Dateien im GitHub-Repository, aufgeteilt nach Provider und Modell. Jedes Modell kann Felder wie Kontextfenstergröße, Input-/Output-Kosten pro Million Token, unterstützte Modalitäten, Tool-Calling, Structured Output, Reasoning und Knowledge-Cutoff enthalten. Provider-Logos werden als SVG bereitgestellt und sind per einfachem Curl-Aufruf abrufbar. Die Daten werden intern im Projekt „opencode" genutzt und sind über eine öffentliche JSON-API unter https://models.dev/api.json zugänglich. Neue Modelle können per Pull Request hinzugefügt werden; ein GitHub-Action-Workflow validiert Einreichungen automatisch gegen ein TypeScript-Schema. Für Wrapper-Provider, die Modelle anderer Anbieter spiegeln, unterstützt das Format ein „extends"-Feld, um Duplizierungen zu vermeiden.
- API-Endpunkt: curl https://models.dev/api.json liefert alle Modelldaten als JSON
- Modellfelder umfassen u.a. Kontextfenster, Token-Kosten (Input/Output/Audio/Cache), Modalitäten und Capabilities
- Provider-Logos als SVG abrufbar: https://models.dev/logos/{provider}.svg
- Extends-Mechanismus für Wrapper-Provider verhindert Datei-Duplikate bei gespiegelten Modellen
- GitHub Action validiert TOML-Syntax, Datentypen und Pflichtfelder automatisch bei jedem PR
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org3d
OpenEval: 10M Item-Antworten als Infrastruktur für faire KI-Evaluation
- MEINUNGreddit.com3w
Nutzer berichten von hohen API-Kosten: Open-Source-Modelle könnten kommerzielle Lösungen verdrängen
- FORSCHUNGarxiv.org2w
LicenseGPT: Fine-tuned Modell für Dataset-Lizenz-Compliance erreicht 64,3 % PA
- MEINUNGartificialintelligence-news.com0mo
APIs, MCPs und MCP Gateways: Ein Vergleich für Entwickler