LLM Pricing
ModèlesClassementsOutilsFournisseursSortiesArticles

© 2026 LLM Pricing

À propos
·Contact
·Confidentialité
·RSS
← Retour à Outils

API · MCP

Les données normalisées de prix, de capacités et de classements qui alimentent ce site sont publiées en JSON statique, librement téléchargeables et sans clé d’API. Vous pouvez y brancher directement votre code ou un agent.

Points de terminaison

GETmodels.jsonhttps://llmpricing.dev/api/models.json

Tous les modèles : entrée canonique, prix officiel + canal le moins cher, prix mixtes, contexte, capacités, scores Artificial Analysis et usage sur 30 jours.

GETproviders.jsonhttps://llmpricing.dev/api/providers.json

Tous les fournisseurs : nom, palier (première partie / cloud / passerelle), nombre de modèles, SDK, base API et docs.

GETllms.txthttps://llmpricing.dev/llms.txt

Résumé du site en texte brut pour les crawlers IA (convention llms.txt).

Servi comme fichiers statiques depuis un CDN. Le site n’applique pas de quota par client, mais les limites de trafic générales de l’hébergeur restent en vigueur ; mettez donc les réponses en cache plutôt que de les redemander à chaque requête. Les données sont rafraîchies à chaque build.

Champs clés (models.json)

id, name, lab, kindId canonique, nom d'affichage, labo et type de modèle.
official / blendedOfficialTarif de l'API propre au labo (provider, modelId, entrée/sortie/lecture-cache par 1M) et son prix unitaire mixte ; null si aucun tarif d'API officiel n'est répertorié. Dans ce cas, reference se rabat sur un canal tiers, signalé par reference.official = false.
reference / cheapestRéférence (officiel/liste) et canal payant le moins cher, chacun avec entrée/sortie/lecture-cache par 1M de tokens.
outputModalities / generationPricesLes prix utilisent l’unité de facturation de chaque fournisseur. Le média facturé et les conditions indiquées déterminent le coût ; ces valeurs n’entrent pas dans les comparaisons de prix des tokens texte.
blendedRef / blendedMin / blendedTrustedPrix unitaire mixte (entrée×0,75 + sortie×0,25) pour les canaux de référence, le moins cher et le moins cher de confiance (passerelles exclues).
context, outputLimit, capabilitiesFenêtre de contexte, sortie max et indicateurs de capacité à trois états (true/false/null).
aa (idx, coding, agentic, indices, speed, taskCost, evals)Indices Artificial Analysis d'intelligence, de codage et agentique, autres indices comme les sous-indices par domaine (indices), vitesse de sortie, coût par tâche et scores par benchmark (evals, noms des clés dans meta.aaEvals). Les indices de codage et agentique sont actuellement null pour tous les modèles. Un champ vaut null lorsque Artificial Analysis ne publie aucune valeur pour le modèle.
usage (rank, tokens, share)Rang d'usage OpenRouter sur 30 jours, total de tokens et part (null si non suivi).
hostCount, spreadCombien de fournisseurs hébergent le modèle et l'écart de prix entre plateformes.
status, openWeights, releaseDate, lastUpdated, urlStatut du cycle de vie, indicateur de poids ouverts, dates de sortie et de dernière mise à jour, et URL de la page du modèle.

Exemples

Les cinq modèles les moins chers au prix mixte, avec curl et jq :

curl -s https://llmpricing.dev/api/models.json \
  | jq '.models
        | map(select(.blendedMin != null))
        | sort_by(.blendedMin)[:5]
        | .[] | {name, blendedMin, cheapest: .cheapest.provider}'

JavaScript (fetch) :

const res = await fetch("https://llmpricing.dev/api/models.json");
const { meta, models } = await res.json();

// 5 cheapest by blended price (input x0.75 + output x0.25)
const cheapest = models
  .filter((m) => m.blendedMin != null)
  .sort((a, b) => a.blendedMin - b.blendedMin)
  .slice(0, 5);

console.log(meta.syncedAt, cheapest);

Python (requests) :

import requests

data = requests.get("https://llmpricing.dev/api/models.json").json()
models = data["models"]

# highest Artificial Analysis intelligence with a public price
ranked = sorted(
    (m for m in models if m["aa"] and m["aa"]["idx"] is not None),
    key=lambda m: m["aa"]["idx"],
    reverse=True,
)
for m in ranked[:5]:
    print(m["name"], m["aa"]["idx"], m["blendedMin"])

Les points de terminaison envoient Access-Control-Allow-Origin: *, ils fonctionnent donc aussi depuis le navigateur.

Serveur MCP

Comme les données sont du JSON propre via HTTPS, tout serveur MCP capable de fetch peut les exposer à un agent. Par exemple, le serveur fetch de référence :

{
  "mcpServers": {
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch"]
    }
  }
}

Demandez ensuite à l’agent de lire https://llmpricing.dev/api/models.json. L’outil fetch renvoie 5 000 caractères par appel par défaut et reprend à partir de start_index, et models.json dépasse 1 Mo : il convient donc aux recherches ciblées. Pour les questions en volume, comme le modèle le moins cher dans un budget, exécutez les exemples ci-dessus dans un agent capable d’exécuter du code, ou partez de llms.txt, un résumé texte plus léger.

Un serveur MCP première partie avec des outils typés (search_models, cheapest, compare) est sur la feuille de route. D'ici là, les points de terminaison JSON ci-dessus sont l'interface stable.

Licence & attribution

Les données sont agrégées depuis models.dev (MIT), Artificial Analysis et OpenRouter. Vous pouvez les réutiliser sous CC BY 4.0, en conservant l’attribution à LLM Pricing et aux sources en amont.