AI Models 模型目录，跨平台比较大模型 API 价格与上下文

代码写得差不多了，就差填一个模型 ID------结果选型这一步卡了半天。打开 A 平台的价格页，记下输入单价，切到输出那一栏才发现还有缓存读和缓存写两档。想把整份文档扔给它跑，又得翻回去看上下文窗口够不够装。

标签页越开越多，刚记下的数字换个平台就对不上了。DeepSeek 在这家比那家便宜一半，上下文却差了四倍------到底该看哪列？来回切页面比较了十分钟，发现自己连第一个候选都没选定。

所以我做了 AI Models 模型目录，把需要来回查的东西放到同一张表里------先筛掉不合适的，再把留下的几个并排看。不用注册，不用填 API Key，打开就能用。

目前收录了 1,636 个模型入口、41 个提供商。同一个模型在不同平台上架的入口是分开列的，价格差异一目了然。下面用截图走一遍从筛选到对比的完整流程。

先把候选范围缩小

每一行按提供商分组，同时列出模型名称、Model ID、上下文窗口，以及输入、输出、缓存读、缓存写四类价格。写接口配置时最常复制的 Model ID 就在名称下面，不用再凭显示名去官网反查。

搜索栏会同时匹配模型名、ID 和提供商。已经知道找哪个系列，直接打关键词就行；还没定方向，可以从提供商、上下文、SOTA、开源和国产几个维度组合着筛。

筛选条件可以叠加。比如下图同时勾上「开源」和「国产」，再点输入价格列头排序------1,636 条一下缩到 294 条。

价格排序保留提供商分组，在各组内部比较。想把不同平台的几个候选放在一起看，可以继续用后面的 PK 功能。

这里有两个标识值得解释一下。「开源」取的是已公开模型权重这个口径，商用条件还得看原始许可证。「国产」按研发方判断------一个国产模型挂在海外平台卖 API，照样标国产。没核实过的信息标「未知」，不会直接当「否」处理。

SOTA 标记的是各厂商在对应能力方向上的当前旗舰，人工维护，标识里带核对日期和官方依据链接。拿来缩小浏览范围挺好用，但它不等于跨厂商横评，也不代表这个模型在所有任务上都排第一。

筛完还剩几个候选，但在一张长表里上下翻着找行，来回滚动比来比去还是累。

桌面端点「开始 PK」，勾上想比的模型，再点底部「查看对比」就能打开横向对比面板。选择可以跨提供商、跨筛选结果保留------先搜 DeepSeek 选两个，再搜 Claude 补一个进来，都能攒在一起比。

面板按行对齐提供商、Model ID、上下文、四类价格，还有 SOTA、开源和国产属性。截图里选的是不同平台上的三个 DeepSeek 系列入口，纯粹演示比较方式，不能据此判断哪个效果更好。

用这张表先把容量和单价过一遍，筛掉明显不合适的，然后拿实际任务去测回答质量、延迟和稳定性。目录能省的是前期查资料的时间，最终接哪个入口，还是要靠真实请求验证。

PK 目前只在桌面端提供。手机上可以搜索和筛选，表格支持横向滚动。

价格默认用美元显示，可以切换人民币、港币、欧元、日元和韩元。切非美元时页面会查汇率并标注日期，换算只影响展示，底层美元数据不变。汇率在本地缓存一小时，也支持手动刷新。

估算普通文本请求的费用，最简单的办法是拿输入、输出 Token 数分别乘单价再除以一百万。但用了缓存之后就不能只看输入价------还得按供应商规则区分缓存命中、缓存写入和普通输入，三种价格差异不小。

生图模型的计费单位更容易搞混。搜 gpt-image，目录当前会列出 10 个相关条目，文本输入、图片输入和图片输出的价格分开显示。

注意，表里展示的是每百万 Tokens 的价格，不能把图片输出列的数值直接当成每张图的费用。实际账单还要看生成尺寸、质量档位、参考图和最终消耗的 Token 数。单元格里显示横线的，是目录还没拿到确认数据，不代表免费。

价格数据来自目录快照加人工补充，不是实时计费接口。最近一次同步是 2026 年 10 月 20 日，部分条目有各自的核对日期。真要接入，还是再去提供商官网确认最新价格和套餐规则比较稳。

AI Models 用的是原生 HTML、CSS 和 JavaScript，模型数据存在一个 data.json 里。页面加载完数据后，搜索、筛选、排序和对比全在浏览器里跑。筛选条件、币种和排序方式存在本地，刷新不丢；提供商下拉框还能星标收藏，把常用平台排到前面。

支持中英文和浅深主题。提供商筛选同步到 URL，可以把指定平台的目录链接直接发给同事。

项目基于 Pi 模型目录的数据与设计做的复刻，在这基础上加了多币种、模型 PK 和标识筛选。大部分模型名称的链接指向 Pi 详情页，部分补充条目链接官方说明。本站没有独立的模型详情路由。

想在本地运行，只需要拉取代码、安装开发依赖并启动服务，无需配置数据库。

bash 复制代码

git clone https://github.com/wangruofeng/ai-models.git
cd ai-models
npm install
npm run dev

默认开发地址为 http://localhost:3456，端口被占用时以终端输出为准。开发服务使用 BrowserSync，发布时直接托管静态文件即可。

如果你也在给应用挑模型，可以先收藏 AI Models 在线目录。下次查单价时，记得顺手把输出和缓存两列也看一眼------很多时候输入价看着便宜，输出和缓存写才是大头。

项目代码在 GitHub 上，发现哪个条目数据有误也欢迎反馈。