AI 模型数据库 — 搜索、对比与探索 AI模型实时定价
AI 模型数据库，收录 GPT-5.5、Claude、DeepSeek V4、Gemini 等主流模型。按提供商、价格、上下文窗口筛选，实时同步定价。
功能特性
- ✓搜索AI模型，支持按名称、提供商或能力即时查找结果
- ✓实时定价数据（定期从官方来源同步）
- ✓高级多维度筛选系统（提供商、价格层级、上下文窗口、能力特性）
- ✓并排对比最多5个模型的详细规格
- ✓免费AI模型，适合学习、原型开发和个人项目
- ✓主流提供商筛选：OpenAI、Anthropic、Google、Meta、DeepSeek、通义千问、Mistral等
- ✓价格层级分类：免费、经济型（<$2/M）、中端（$2-$15/M）、高端（>$15/M）
- ✓上下文窗口筛选：从128K到1M+ tokens，支持长文档处理
- ✓能力特性筛选：视觉（多模态）、工具（函数调用）、Prompt缓存支持
- ✓详细模型规格：架构、分词器、输入输出模态
- ✓定价明细含缓存折扣（缓存输入价格比标准价低90%）
- ✓可排序表格视图，显示名称、提供商、定价、上下文长度、能力特性
- ✓模型卡片展示关键指标：每百万token的输入/输出价格、上下文窗口大小
- ✓提供商统计：查看每个提供商提供的模型数量和价格范围
使用方法
- 1打开AI模型数据库工具——你会看到所有可用模型的搜索表格，包含关键信息（名称、提供商、定价、上下文长度）。
- 2使用顶部搜索栏按名称（如'GPT'、'Claude'、'DeepSeek'）、提供商（'OpenAI'、'Anthropic'）或能力（'vision'、'free'、'coding'）查找特定模型。
- 3从筛选面板应用筛选器缩小结果范围：
- 4 • 提供商：从可用选项中选择一个或多个公司（OpenAI、Anthropic、Google、Meta、DeepSeek等）
- 5 • 价格层级：选择免费、经济型（<$2/M）、中端（$2-$15/M）或高端（>$15/M）
- 6 • 上下文窗口：根据使用场景设置最小上下文大小（128K、200K、500K、1M+ tokens）
- 7 • 能力特性：勾选视觉（图像输入）、工具（函数调用）或缓存（Prompt缓存支持）
- 8点击任意模型行展开查看完整详情，包括描述、完整定价明细（输入/输出/缓存成本）、架构信息和能力列表。
- 9在多个模型上（最多5个）使用'对比'复选框打开对比视图——并排查看它们的所有规格。
- 10如有视图切换功能，可在表格视图（详细数据）和其他视图间切换。
- 11快速访问热门模型时，可使用提供商徽章或价格层级标签跳转到筛选后的列表。
常见问题
模型数据多久更新一次？
∨
模型数据定期从官方来源同步，确保你获得最新的定价、新模型和更新后的规格信息。
这些数据从哪里来？
∨
所有模型信息均来源于官方提供商API并实时聚合。我们汇总了多家提供商的数据，包括OpenAI、Anthropic、Google、Meta、DeepSeek、通义千问、Mistral等。
显示的价格准确吗？
∨
是的！价格完全按照模型提供商的当前市场价显示——无任何加价。注意实际成本可能因使用模式和缓存效率略有差异。
'上下文长度'是什么意思？
∨
上下文长度是模型在单次请求中能处理的最大token数。更大的上下文允许处理更长的文档、更多的对话历史或更大的代码库。例如，200K上下文意味着一次可以处理约15万字的文本。
如何为我的使用场景选择合适的模型？
∨
考虑以下因素：(1) 任务复杂度——简单任务不需要太强的模型，(2) 预算——免费/经济型用于测试，高端用于生产，(3) 延迟——小模型更快，(4) 特殊需求——视觉用于图像，工具用于函数调用，大上下文用于长文档。
'输入'和'输出'定价有什么区别？
∨
'输入'指向模型发送的token（你的提示、消息、文档）。'输出'指模型生成的响应token（回复、代码、文本）。输出通常比输入贵3-5倍。
为什么有些模型显示'缓存'定价？
∨
Prompt Caching允许以低得多的成本（通常便宜90%）重用先前处理的内容。如果你的应用程序重复发送相似的提示（固定系统提示、Few-shot示例、知识库），缓存可以大幅降低成本。
哪些提供商提供免费模型？
∨
免费模型来自以下提供商：OpenAI（gpt-oss-120b-free）、Meta（Llama系列）、通义千问（免费版）、Google（部分Gemini Flash变体）以及多个开源模型托管方。
如何按特定能力筛选模型？
∨
使用能力特性筛选面板。勾选「视觉」选择能处理图像的模型，「工具」选择支持函数调用的模型，「缓存」选择提供提示缓存折扣的模型。可以组合使用多个筛选器——例如寻找支持视觉、价格 $15/M 以下、至少 128K 上下文的文档分析模型。
'上下文长度'在实际中意味着什么？
∨
上下文长度是模型单次请求能处理的最大 token 数。128K 上下文约容纳 96,000 词（约一本小说）。200K 约 150,000 词。1M+ 可容纳整个代码库或超长文档。更大的上下文每个 token 成本更高，但无需分拆请求即可处理更多数据。