Os dados normalizados de preços, capacidades e classificações por trás deste site são publicados como JSON estático, de download gratuito e sem chave de API. Você pode apontar seu código ou um agente diretamente para eles.
Todos os modelos: entrada canônica, preço oficial + do canal mais barato, preços combinados, contexto, recursos, pontuações da Artificial Analysis e uso de 30 dias.
Todos os provedores: nome, nível (primária / nuvem / gateway), número de modelos, SDK, base de API e docs.
Resumo do site em texto simples para rastreadores de IA (convenção llms.txt).
Servido como arquivos estáticos por uma CDN. O site não aplica cotas por cliente, mas os limites gerais de tráfego da hospedagem continuam valendo, então armazene as respostas em cache em vez de buscá-las de novo a cada requisição. Os dados são atualizados em cada build.
id, name, lab, kindId canônico, nome de exibição, lab e tipo de modelo.official / blendedOfficialPreço da API própria do lab (provider, modelId, entrada/saída/leitura-de-cache por 1M) e seu preço unitário combinado; null quando não há preço oficial de API registrado. Nesse caso, reference recorre a um canal de terceiros, sinalizado por reference.official = false.reference / cheapestReferência (oficial/tabela) e canal pago mais barato, cada um com entrada/saída/leitura-de-cache por 1M tokens.outputModalities / generationPricesOs preços usam a unidade de cobrança de cada fornecedor. O conteúdo cobrado e as condições indicadas determinam o custo; estes valores não entram nas comparações de preços de tokens de texto.blendedRef / blendedMin / blendedTrustedPreço unitário combinado (entrada×0,75 + saída×0,25) para a referência, o canal mais barato e o canal confiável mais barato (gateways excluídos).context, outputLimit, capabilitiesJanela de contexto, saída máxima e flags de recurso de três estados (true/false/null).aa (idx, coding, agentic, indices, speed, taskCost, evals)Índices de inteligência, programação e agêntico da Artificial Analysis, outros índices como os subíndices por domínio (indices), velocidade de saída, custo por tarefa e pontuações por benchmark (evals, com os nomes das chaves em meta.aaEvals). Programação e agêntico são atualmente null para todos os modelos. Um campo é null quando a Artificial Analysis não publica nenhum valor para o modelo.usage (rank, tokens, share)Classificação de uso de 30 dias da OpenRouter, total de tokens e participação (null quando não rastreado).hostCount, spreadQuantos provedores hospedam o modelo e a variação de preço entre plataformas.status, openWeights, releaseDate, lastUpdated, urlStatus do ciclo de vida, indicador de pesos abertos, datas de lançamento e da última atualização, e URL da página do modelo.Os cinco modelos mais baratos por preço combinado, com curl e 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"])Os endpoints enviam Access-Control-Allow-Origin: *, então funcionam também no navegador.
Como os dados são JSON limpo sobre HTTPS, qualquer servidor MCP capaz de fazer fetch pode expô-los a um agente. Por exemplo, o servidor fetch de referência:
{
"mcpServers": {
"fetch": {
"command": "uvx",
"args": ["mcp-server-fetch"]
}
}
}Depois peça ao agente para ler https://llmpricing.dev/api/models.json. A ferramenta fetch retorna 5.000 caracteres por chamada por padrão e continua a partir de start_index, e o models.json tem mais de 1 MB, então serve para consultas pontuais. Para perguntas em massa, como o modelo mais barato dentro de um orçamento, execute os exemplos acima em um agente com execução de código ou comece pelo llms.txt, um resumo em texto menor.
Os dados são agregados de models.dev (MIT), Artificial Analysis e OpenRouter. Você pode reutilizá-los sob CC BY 4.0, mantendo a atribuição ao LLM Pricing e às fontes originais.