Models.dev: Наконец-то Единый Каталог AI-Моделей, Который Мы Заслужили

Знакомая ситуация? Вы начинаете новый проект с использованием искусственного интеллекта, и перед вами встает задача выбора подходящей модели. Какая из них лучше справляется с суммаризацией? У какой самые выгодные цены за токены? Какова длина контекстного окна у последней версии Gemini или Claude? Приходится открывать десятки вкладок, перелопачивать документацию, сравнивать таблицы... В общем, тратить драгоценное время, которое можно было бы посвятить кодингу.

Именно эту проблему призван решить Models.dev – проект, который я недавно обнаружил на GitHub и который, на мой взгляд, заслуживает внимания каждого разработчика, работающего с AI. Это не просто список моделей, это полноценная, открытая и постоянно обновляемая база данных спецификаций, цен и возможностей AI-моделей. Давайте разбираться, почему это так круто.

Что такое Models.dev и зачем он нужен?

По сути, Models.dev – это централизованный хаб информации обо всех доступных AI-моделях. Создатели проекта, кстати, те же ребята, что стоят за популярным фреймворком SST, столкнулись с той же болью: отсутствие единого источника данных. И вместо того, чтобы ждать, пока кто-то это сделает, они создали его сами, да еще и сделали полностью открытым и управляемым сообществом.

Кому это будет полезно?

Разработчикам: Чтобы быстро находить нужную модель, сравнивать характеристики и интегрировать данные в свои приложения.
Исследователям: Для анализа рынка AI-моделей, отслеживания трендов и цен.
Продакт-менеджерам: Для принятия обоснованных решений при выборе технологий.
Всем, кто устал от ручного сбора данных: Если вы хоть раз делали свою таблицу в Excel с ценами на токены, вы поймете.

Ключевые возможности: От данных до API

Models.dev предлагает несколько очень удобных фич, которые сразу бросаются в глаза:

1. Единый источник актуальных данных

Вся информация о моделях хранится в одном месте и структурирована по провайдерам. Здесь вы найдете не только базовые характеристики, но и такие детали, как:

Цены: Стоимость за миллион входных и выходных токенов (USD), а также для специфических операций, вроде кеширования или обработки аудио.
Лимиты: Максимальное контекстное окно, лимиты на входные и выходные токены.
Возможности: Поддержка вложений, цепочек рассуждений (chain-of-thought), вызова инструментов (tool calling), структурированного вывода, контроля температуры.
Модальности: Какие типы входных данных поддерживает модель (текст, изображение, аудио, видео, PDF) и что она может выводить.
Даты: Дата выпуска, дата последнего обновления, а также "knowledge cutoff" – дата, до которой модель обладает знаниями.
Открытые веса: Указание, являются ли веса модели публично доступными.
Статус: Находится ли модель в альфа, бета или уже устарела.

Представьте, сколько времени вы сэкономите, имея все это под рукой!

2. Простой и доступный API

Вся эта сокровищница данных доступна через простой JSON API. Вам не нужно парсить сайты или устанавливать сложные SDK, чтобы получить нужную информацию. Достаточно обычного curl запроса:

curl https://models.dev/api.json

Этот API возвращает массив всех моделей со всеми их спецификациями. А если вам нужен конкретный провайдер или модель, можно использовать Model ID, который, кстати, является стандартным идентификатором для AI SDK.

3. Логотипы провайдеров под рукой

Мелочь, а приятно! Если вы создаете интерфейс, где нужно отображать логотипы провайдеров AI, Models.dev предоставляет их в SVG-формате. Просто замените {provider} на ID провайдера (например, anthropic, openai, google):

curl https://models.dev/logos/{provider}.svg

Это значительно упрощает создание красивых и информативных UI.

4. Вклад сообщества: Делаем мир AI лучше вместе

Самое ценное в Models.dev – это его открытость. Проект живет и развивается благодаря вкладу сообщества. Если вы обнаружили новую модель, заметили изменение в ценах или нашли ошибку, вы можете легко внести свой вклад.

Данные хранятся в простых TOML-файлах, организованных по провайдерам и моделям. Например, чтобы добавить новую модель, вам нужно:

Создать папку для провайдера (если ее нет) и добавить provider.toml.
Добавить logo.svg для провайдера (по желанию).
Создать TOML-файл для самой модели в папке providers/{provider_id}/models/ с ее спецификациями.

Пример структуры TOML-файла для модели:

name = "Model Display Name"
attachment = true
reasoning = false
tool_call = true
structured_output = true
temperature = true
knowledge = "2024-04"
release_date = "2025-02-19"
last_updated = "2025-02-19"
open_weights = true

[cost]
input = 3.00
output = 15.00

[limit]
context = 400_000
output = 8_192

[modalities]
input = ["text", "image"]
output = ["text"]

Интересно, что каждый Pull Request с изменениями автоматически проверяется GitHub Action на соответствие схеме, что гарантирует качество и консистентность данных. Это очень продуманный подход!

Под капотом: Простота и надежность

С технической точки зрения, проект построен на вполне понятных принципах. Данные в TOML – это отличный выбор для структурированных конфигураций, которые легко читать и редактировать. А использование GitHub Actions для валидации – это золотой стандарт для поддержания качества открытых данных.

Frontend, если вам интересно, разработан с использованием Bun и TypeScript, что говорит о современном стеке технологий и хорошей производительности.

Практическое применение: Как это использовать в своих проектах?

Итак, как же вы можете использовать Models.dev в своей повседневной работе?

Динамический выбор модели: Представьте, что ваше приложение должно автоматически выбирать наиболее экономичную модель для конкретной задачи. Используя API Models.dev, вы можете получать актуальные цены и лимиты, чтобы принимать это решение на лету.
Информационные панели: Создайте свою внутреннюю панель мониторинга, которая показывает актуальные характеристики и цены на AI-модели, используемые в вашей компании.
Образовательные ресурсы: Если вы пишете статьи или создаете курсы по AI, Models.dev станет отличным источником для предоставления актуальной информации о моделях.
Интеграция с AI SDK: Поскольку Model ID является стандартным для AI SDK, вы можете легко связать данные из Models.dev с логикой вашего приложения, использующего этот SDK.

В моей практике, часто сталкиваюсь с необходимостью быстрого сравнения моделей для разных задач. Models.dev позволяет автоматизировать этот процесс, избавляя от рутины и ошибок, связанных с устаревшей информацией.

Выводы: Стоит ли попробовать Models.dev?

Однозначно, да! Models.dev – это не просто еще один GitHub-репозиторий, это настоящий подарок для всего AI-сообщества. Он решает реальную боль разработчиков, предоставляя централизованный, актуальный и легкодоступный источник информации об AI-моделях.

Если вы активно работаете с искусственным интеллектом, Models.dev должен стать вашим настольным инструментом. А если вы хотите внести свой вклад в развитие открытых данных, это отличная возможность присоединиться к полезному и активно развивающемуся проекту. Загляните на их GitHub и оцените сами! Возможно, именно ваш вклад поможет следующему разработчику сэкономить часы поиска.