一位开发者近日在V2EX分享了一款AI模型横向评测工具，旨在解决AI API选型中的两个核心问题：先确定用哪家的领先模型，再决定从官方、云厂商还是聚合平台调用。工具采用两层结构：第一层每家厂商只展示一个当前可购买的通用领先模型，覆盖OpenAI、Anthropic、Google、xAI、DeepSeek、GLM、Kimi、Qwen和MiniMax九家；第二层进入具体模型后，比较其全部API渠道价格。目前数据快照包含343个有价格的模型、479个可用渠道和21家提供商。模型选择遵循明确规则：只保留当前可购买的通用模型；有Agent Arena分数时优先按分数排序；不将刚发布等同于最强，例如Grok 4.6虽更新，但Grok 4.5的Agent分数更高。对于已发布但API尚未开放的模型（如GPT-6 Astra），页面会显示发布状态，但保留当前实际可购买的版本，避免混淆。价格展示保留渠道原始结算币种，仅在跨渠道排序时统一换算为美元。项目及数据处理逻辑已在GitHub开源，作者正在征集关于代表模型选择规则、别名合并、国内渠道支付限制、缓存与Batch价格展示方式等方面的反馈，并要求附带官方定价页链接以便核验。
事件分析
该工具的价值在于将模型选型拆解为’选厂商代表模型’与’选调用渠道’两个独立决策，契合开发者真实的采购路径。当前AI API市场渠道高度碎片化，同一模型在官方、云厂商与聚合平台之间存在价差与结算币种差异，跨渠道比价是真实痛点。技术上，项目需持续应对模型别名合并、渠道上下线监控、缓存与Batch价格口径统一等数据治理难题，这些恰是比价平台的核心壁垒。以Agent Arena分数作为选型依据，也反映出社区评测榜单正逐步取代厂商宣传，成为开发者的决策参考。后续走向上，此类工具若沉淀足量准确数据，可能反向推动渠道定价透明化，并衍生出成本监控、用量优化等增值能力；但其数据准确性高度依赖社区反馈与人工核验，规模化后的持续维护将是主要挑战。
核心观点：大模型选型正从'比参数'转向'比渠道'，碎片化的API市场正在催生比价与价格透明化的新基建需求。
原文链接：V2EX 分享发现
