北京
选个AI模型做推理，你得打开十几个标签页比价——同样的GPT-4，这家收0.03美元，那家要0.30美元，延迟差十倍，稳定性全靠赌。这不是假设，是每天发生在工程师屏幕前的真实场景。
OpenModels想终结这种混乱。这个开源项目要做的事很直接：给碎片化的AI推理生态建一张可查询的地图，把模型、供应商、价格、延迟全部结构化。
项目维护者列出的痛点很具体：同一模型在不同供应商处价差可达10倍；延迟波动没有公开数据；供应商页面价格随时会变，没有追踪机制；选供应商意味着手动建表格对比15个网页。训练工具已经成熟，但"基础设施的可观测性"仍是空白。
目前注册表追踪62个模型，覆盖OpenAI、Anthropic、Google、Meta、DeepSeek、Mistral、xAI等；30家供应商，包括Together AI、Groq、DeepInfra、Cerebras、Fireworks、SambaNova；以及90余条供应商-模型映射关系，每条都包含定价、速率限制和区域数据。
技术架构分两层。底层是开放注册表，用YAML文件在GitHub维护，分models（模型定义）、providers（供应商定义）、mappings（带价格的映射关系）、schemas（JSON Schema验证）四个目录。每次合并请求必须通过四道自动化检查：YAML语法、Schema合规、引用完整性、重复ID检测。
上层是平台层，消费注册表数据并叠加运营智能：REST API（api.openmodels.run）支持模型发现和供应商对比；Web界面（openmodels.run）提供搜索、命令面板和生态图谱；遥测Worker每5分钟健康探测、每15分钟延迟探测。
代码完全公开：github.com/openmodelsrun/openmodels。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
