models-dev-query

name	models-dev-query
description	查询 models.dev 开源 AI 模型数据库（GitHub 源码仓库 anomalyco/models.dev）中的模型规格（定价、上下文、能力、模态）与提供商 API 配置。
disable-model-invocation	true

Models.dev Query

查询 models.dev 的 GitHub 源码仓库，默认分支 dev。站点直发的 catalog.json 是构建产物、直连常超时，改读仓库内按 provider 分目录维护的 TOML 源文件。

货架

所有数据是按 provider 分目录的 TOML 文件。查询 = 先选货架，再读取：

货架	内容	用途
providers/	目录列表，子目录名 = provider-id	列出所有提供商
providers/<id>/provider.toml	name / api / env[] / npm / doc	提供商 API 配置
providers/<id>/models/	目录列表，可能含一层按厂商分组的子目录	列出某提供商的模型
providers/<id>/models/<model>.toml	cost（USD/M）、status、reasoning_options、interleaved、能力字段	该提供商视角的模型
models/<provider>/<model>.toml	能力、limit、modalities、benchmarks、weights、knowledge	模型规格（canonical）

子目录：providers/<id>/models/ 下常有一层按模型厂商分组的子目录（如 anyapi 的 models/openai/o4-mini.toml、togetherai 的 models/zai-org/GLM-5.toml），少数还有更深层级；确切路径以目录列表为准。

base_model 继承：provider 层 TOML 含 base_model = "<provider>/<model>" 时，能力字段（attachment / reasoning / limit / modalities 等）不重写，继承自 canonical 文件 models/<provider>/<model>.toml。无 base_model 的 provider 层 TOML 字段自足。

读取方式（离线优先）：镜像 = 仓库 tarball（gzip 后仅 ~1MB），一次解压；需要最新数据时设 MODELS_DEV_REFRESH=1 重下。

MODELS_DEV=${MODELS_DEV:-$HOME/.cache/models-dev}
if [ ! -f "$MODELS_DEV/.complete" ] || [ "$MODELS_DEV_REFRESH" = 1 ]; then
  mkdir -p "${MODELS_DEV%/*}"
  tmp=$(mktemp -d)   # 解压到临时目录，成功才整体替换，失败不污染旧镜像
  if curl -sfL https://github.com/anomalyco/models.dev/archive/refs/heads/dev.tar.gz \
      | tar -xz --strip-components=1 -C "$tmp"; then
    rm -rf "$MODELS_DEV"
    mv "$tmp" "$MODELS_DEV"
    touch "$MODELS_DEV/.complete"
  else
    rm -rf "$tmp"   # 解压失败：丢弃临时目录，.complete 不写入
    exit 1          # 显式失败，改用下方 gh api 备选
  fi
fi

之后所有查询直接读本地文件：TOML 在 <镜像>/<path>，目录即本地目录列表，全程离线。上游个别模型读不到（断链 symlink 全仓约 32 个，或 base_model 指向的 canonical 文件不存在），该字段标注 N/A。备选（无 curl/tar 环境）：gh api 单文件拉取，文件取原文、目录取 JSON 数组（取 type/name）：

gh api "repos/anomalyco/models.dev/contents/<path>?ref=dev" -H "Accept: application/vnd.github.raw+json"

查询协议

Step 1 — 选货架

按查询目标在上表确定每个数据的确切路径（文件或目录）。 完成标准：所有待查数据都有唯一路径，无歧义。

Step 2 — 读取

按「读取方式」逐个读取目标路径；目录一次读回全部条目。捕获每条 base_model 字段。 完成标准：每个目标都已读到，内容在手。

Step 3 — 呈现

按下方 Output Format 输出，字段缺失时标注 N/A。 完成标准：能力、limit、定价、评测各节齐全；存在 base_model 时其 canonical 已补读（评测与权重只在 canonical 层）。

查询指南

单模型画像（能力 + 定价 + 评测）

1. 读 provider 层模型 TOML（providers/<id>/models/ 下，有子目录时路径含中间层）——定价、推理选项、该提供商的能力覆盖。
2. 含 base_model，或文件缺能力字段 → 读 models/<provider>/<model>.toml 补齐能力、limit、benchmarks、weights。
3. 两层合并呈现。

提供商 API 配置

读 providers/<id>/provider.toml：api（base URL）、env[]（认证变量）、npm（AI SDK 包）、doc。可组合为目标工具（Trae / OpenCode / Cursor / Continue 等）的配置片段。

列出提供商 / 模型

• 所有提供商：providers/ 下的目录名即 provider-id。
• 某提供商的模型：providers/<id>/models/ 下的模型 TOML 文件名（有子目录时含中间层）。

批量筛选 / 比较（开源、低价、最近发布）

在镜像内本地遍历全部模型 TOML（离线）：

find "$MODELS_DEV/models" "$MODELS_DEV/providers" -name '*.toml' -type f

逐个读取汇总比较。筛选依据：canonical 的 open_weights / release_date / benchmarks，provider 层的 cost.input。

Output Format

• Provider query: name、API endpoint、env vars、doc link
• Model list: 表格 —— Model ID、Name、Context、$/M in、$/M out、Capabilities
• Model detail: 分节 —— Capabilities（reasoning / tool_call / structured_output / attachment / modalities）、Limits（context / output）、Pricing（input / output / cache_read）、Benchmarks（如有）
• Reasoning 模型: 另附 provider 层 reasoning_options（toggle / effort / budget_tokens）与 interleaved.field（如 reasoning_content）