Data harga, kemampuan, dan peringkat yang sudah dinormalkan di balik situs ini diterbitkan sebagai JSON statis, gratis diambil dan tanpa kunci API. Kode atau agen Anda dapat mengaksesnya langsung.
Semua model: entri kanonik, harga resmi + saluran termurah, harga gabungan, konteks, kemampuan, skor Artificial Analysis, dan penggunaan 30 hari.
Semua penyedia: nama, tingkat (pihak pertama / cloud / gateway), jumlah model, SDK, base API, dan dokumen.
Ringkasan situs dalam teks biasa untuk perayap AI (konvensi llms.txt).
Disajikan sebagai berkas statis dari CDN. Situs tidak menerapkan kuota per klien, tetapi batas lalu lintas umum dari host tetap berlaku, jadi simpan respons di cache alih-alih mengambilnya ulang pada setiap permintaan. Data disegarkan pada setiap build.
id, name, lab, kindId kanonik, nama tampilan, lab, dan jenis model.official / blendedOfficialHarga dari API milik lab sendiri (provider, modelId, masukan/keluaran/baca-cache per 1J) dan harga satuan gabungannya; null bila belum ada harga API resmi yang tercatat. Dalam hal itu reference beralih ke saluran pihak ketiga, ditandai reference.official = false.reference / cheapestReferensi (resmi/daftar) dan saluran berbayar termurah, masing-masing dengan masukan/keluaran/baca-cache per 1J token.outputModalities / generationPricesHarga menggunakan unit penagihan masing-masing penyedia. Media yang ditagih dan ketentuan yang tercantum menentukan biaya; nilai ini tidak masuk dalam perbandingan harga token teks.blendedRef / blendedMin / blendedTrustedHarga satuan gabungan (masukan×0,75 + keluaran×0,25) untuk referensi, saluran termurah, dan saluran tepercaya termurah (gateway dikecualikan).context, outputLimit, capabilitiesJendela konteks, keluaran maksimum, dan flag kemampuan tiga keadaan (true/false/null).aa (idx, coding, agentic, indices, speed, taskCost, evals)Indeks kecerdasan, coding, dan agentic Artificial Analysis, indeks lain seperti subindeks domain (indices), kecepatan keluaran, biaya per tugas, serta skor per benchmark (evals, nama kunci ada di meta.aaEvals). Coding dan agentic saat ini bernilai null untuk semua model. Sebuah field bernilai null jika Artificial Analysis tidak menerbitkan nilai untuk model tersebut.usage (rank, tokens, share)Peringkat penggunaan 30 hari OpenRouter, total token, dan pangsa (null bila tak terlacak).hostCount, spreadBerapa penyedia menghosting model dan rentang harga lintas platform.status, openWeights, releaseDate, lastUpdated, urlStatus siklus hidup, penanda bobot terbuka, tanggal rilis dan pembaruan terakhir, serta URL halaman model.Lima model termurah menurut harga gabungan, dengan curl dan 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"])Endpoint mengirim Access-Control-Allow-Origin: *, jadi juga bekerja dari peramban.
Karena datanya JSON bersih via HTTPS, server MCP mana pun yang mampu fetch bisa mengeksposnya ke agen. Misalnya, server fetch referensi:
{
"mcpServers": {
"fetch": {
"command": "uvx",
"args": ["mcp-server-fetch"]
}
}
}Setelah itu minta agen membaca https://llmpricing.dev/api/models.json. Alat fetch mengembalikan 5.000 karakter per panggilan secara default dan melanjutkan dari start_index, sedangkan models.json berukuran lebih dari 1 MB, jadi cocok untuk pencarian terarah. Untuk pertanyaan massal seperti model termurah dalam suatu anggaran, jalankan contoh di atas pada agen yang bisa mengeksekusi kode, atau mulai dari llms.txt, ringkasan teks yang lebih kecil.
Data dihimpun dari models.dev (MIT), Artificial Analysis, dan OpenRouter. Anda boleh memakainya kembali di bawah CC BY 4.0, dengan tetap mencantumkan atribusi ke LLM Pricing dan sumber aslinya.