每次做 AI 应用，接口反而不是最烦的。
烦的是选模型。
Claude 翻一遍，Gemini 翻一遍，OpenAI 再翻一遍。
输入多少钱。
输出多少钱。
缓存怎么算。
context window 到底多大。
tool call、reasoning、structured output 这些字段，文档里都有，但不在一个地方。
我前两天刷到一个小项目，叫 Models.dev。
它没搞模型排行榜。
也没上来告诉你谁赢了谁。
页面就是一张模型信息表，价格、规格、能力这些东西，摊开看。官方介绍里也写得很直白：这是一个开源的 AI 模型规格、价格和能力数据库。
这种东西不大。
但真会少翻几次文档。
比如做长文本应用，我第一眼会去看上下文窗口。
做批量摘要，就盯输入价和输出价。
要接 Agent，再去扫 tool call、reasoning 这些字段。
以前是几个网页来回切。
切到后面，浏览器标签页一排，全是模型文档。
Models.dev 比较顺手的一点，是它还给了公开 JSON 接口。
README 里直接写了：
curl https://models.dev/api.json
也就是说，你不只是能在网页上查，还能把这份数据塞进自己的小工具里。做成本估算，做内部模型选择器，或者在控制台里把几个 provider 的价格摆出来。
我会更在意这个接口。
因为模型信息这种东西，手动维护很烦。
今天改价格，明天换名字，后天又多一个变体。
你要是自己搞一份表，刚开始还行，过两周基本就懒了。
Models.dev 的数据放在仓库里，按 provider 和 model 拆成 TOML 文件，再生成页面和 API；README 里也写了欢迎社区补数据。
这类项目的麻烦也在这。
模型更新太快。
价格、上下文、能力字段，不可能永远准。
GitHub issue 里已经能看到有人在追 Copilot 相关模型的 context size。
所以它不是“权威标准”。
更像一个能用的公共表。
OpenCode 文档里也提到，它会用 AI SDK 和 Models.dev 来支持 75+ LLM provider，本地模型也放在这个体系里处理。
我挺喜欢这种项目。
不宏大。
也不讲什么 AI 基础设施。
就是把一个很碎、很烦、每个开发者都会碰到的小动作，单独拎出来。
少开几个文档页。
少手填一张价格表。
差不多就够了。
GitHub地址： https://github.com/anomalyco/models.dev