Model Id Cheatsheet

🚀 模型 ID 速查表

防止你的 AI 编码代理编造过时的模型名称。 这个 MCP 服务器能让任何 AI 助手即时获取 19 个提供商的 107 个模型的准确、最新的 API 模型 ID、定价和规格信息。

该项目使用 Go 语言构建，单个二进制文件仅 10MB，无需外部调用，响应时间亚毫秒级，且每天自动更新。

- model = "gpt-4-turbo"           # 编造的 - 该模型已不存在
+ model = "gpt-5.3-codex"         # 正确 - 已根据官方文档验证

- model = "claude-3-opus-20240229" # 已弃用
+ model = "claude-opus-4-6"        # 当前 - 最新的 Anthropic 旗舰模型

🚀 快速开始

从以下选项中任选其一，一分钟内即可完成设置并开始使用。

选项 A：Claude Code（一条命令）

claude mcp add --transport sse --scope user model-id-cheatsheet \
  https://universal-model-registry-production.up.railway.app/sse

验证是否生效：

claude mcp list
# 应显示：model-id-cheatsheet ... Connected

然后启动一个新的 Claude Code 会话并提问：“最新的 OpenAI 模型是什么？” - 它会自动使用工具。

选项 B：Cursor

将以下内容添加到 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "model-id-cheatsheet": {
      "url": "https://universal-model-registry-production.up.railway.app/sse"
    }
  }
}

重启 Cursor 使更改生效。

选项 C：Windsurf

在设置中添加到 “MCP Servers”（或者编辑 ~/.codeium/windsurf/mcp_config.json）：

{
  "mcpServers": {
    "model-id-cheatsheet": {
      "serverUrl": "https://universal-model-registry-production.up.railway.app/sse"
    }
  }
}

选项 D：Codex CLI

将以下内容添加到 ~/.codex/config.toml：

[mcp_servers.model-id-cheatsheet]
command = "uvx"
args = ["mcp-proxy", "--transport", "sse", "https://universal-model-registry-production.up.railway.app/sse"]

选项 E：OpenCode

将以下内容添加到 ~/.config/opencode/opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "model-id-cheatsheet": {
      "type": "remote",
      "url": "https://universal-model-registry-production.up.railway.app/sse"
    }
  }
}

选项 F：任何 MCP 客户端

直接连接到 SSE 端点（无需 API 密钥，无需身份验证）：

https://universal-model-registry-production.up.railway.app/sse

或者使用可流式传输的 HTTP 传输方式：

https://universal-model-registry-production.up.railway.app/mcp

验证设置

连接成功后，尝试向你的 AI 助手提出以下任何问题：

• “Claude Opus 4.6 的正确模型 ID 是什么？”
• “gpt-4o 仍然可用吗？”
• “比较 gpt-5.2 和 claude-opus-4-6”
• “支持视觉功能的最便宜的模型是什么？”

如果代理在回答之前调用了 get_model_info 或 check_model_status 等工具，则表示设置成功。

✨ 主要特性

你的 AI 代理可获得 6 个工具，在编写任何模型 ID 之前会自动调用这些工具：

资源

底层原理

1. 你要求代理编写代码或回答模型相关问题。
2. 代理自动调用适当的工具（例如 get_model_info）。
3. 服务器在亚毫秒级内响应经过验证的数据（无需外部 API 调用）。
4. 代理使用正确的当前模型 ID 编写代码。

服务器指令告知代理：“在使用训练数据中的模型 ID 之前，务必先进行验证。” 这意味着代理在编写之前总会进行检查。

💻 使用示例

基础用法

编写 API 调用：

# 你："使用 OpenAI 最好的编码模型调用 OpenAI API"
# 代理调用：get_model_info("gpt-5.4")
response = client.chat.completions.create(
    model="gpt-5.4",  # 通过模型注册表验证
    messages=[...]
)

高级用法

捕获已弃用的模型：

# 你："使用 gpt-4o 完成此任务"
# 代理调用：check_model_status("gpt-4o")
# 代理："gpt-4o 已弃用。我将使用 gpt-5 代替。"
response = client.chat.completions.create(
    model="gpt-5",  # 自动更新
    messages=[...]
)

找到最便宜的选项：

# 你："使用支持视觉功能的最便宜的模型"
# 代理调用：list_models(capability="vision", status="current")
response = client.chat.completions.create(
    model="gpt-5-nano",  # 每 100 万个令牌 0.05 美元/0.40 美元
    messages=[...]
)

比较选项：

# 你："我应该使用 Claude 还是 GPT 来完成此任务？"
# 代理调用：compare_models(["claude-opus-4-6", "gpt-5.2"])
# 代理获取并排比较表格并给出建议

🔧 技术细节

资源占用

一个常见的问题是：“这会减慢我的代理速度或消耗令牌吗？”

相比之下，一次网络搜索消耗的令牌比所有 6 个工具架构的总和还要多。

涵盖的模型（共 107 个）

当前模型（79 个）

旧版和已弃用的模型（30 个）

对这些模型进行跟踪，以便你的代理能够检测到过时的模型 ID 并建议使用当前的替代模型：

• OpenAI：gpt-5.3-codex（已弃用）、gpt-5.2-codex（已弃用）、gpt-5.1-codex-mini（已弃用）、o3-pro（已弃用）、o3-deep-research（已弃用）、o3-mini（旧版）、gpt-4.1（已弃用）、gpt-4o（已弃用）、gpt-4o-mini（已弃用）
• Anthropic：claude-opus-4-5（旧版）、claude-opus-4-1（旧版）、claude-opus-4-0（旧版）、claude-sonnet-4-0（旧版）、claude-3-7-sonnet-20250219（已弃用）
• Google：gemini-3-pro-preview（已弃用）、gemini-3-pro-image-preview（已弃用）、gemini-2.5-flash-lite（已弃用）、gemini-2.0-flash-lite（已弃用）、gemini-2.0-flash（已弃用）
• xAI：grok-4.1（已弃用）、grok-3（旧版）、grok-3-mini（旧版）
• Mistral：mistral-small-2503（旧版）、codestral-2508（旧版）
• MiniMax：minimax-m2.1（旧版）、minimax-01（已弃用）
• Meta：llama-3.3-70b（旧版）
• DeepSeek：deepseek-r1（旧版）、deepseek-v3（已弃用）
• Zhipu：glm-4.6v（已弃用）

📦 安装指南

如果你更喜欢在本地运行服务器，而不是使用托管端点，可以参考以下方法：

选项 1：从源代码构建（推荐本地使用）

需要 Go 1.23 及以上版本。

git clone https://github.com/aezizhu/universal-model-registry.git
cd universal-model-registry/go-server
go build -o model-id-cheatsheet ./cmd/server

然后将其作为本地标准输入输出服务器添加到 Claude Code 中（零延迟，无需网络）：

claude mcp add --scope user model-id-cheatsheet -- /path/to/model-id-cheatsheet

或者以 SSE 模式运行，供其他客户端使用：

MCP_TRANSPORT=sse PORT=8000 ./model-id-cheatsheet
# 端点：http://localhost:8000/sse

选项 2：使用 Docker

git clone https://github.com/aezizhu/universal-model-registry.git
cd universal-model-registry
docker build -t model-id-cheatsheet .
docker run -p 8000:8000 model-id-cheatsheet

你的 SSE 端点将位于 http://localhost:8000/sse。

选项 3：部署到 Railway

或者手动操作：

railway login
railway init
railway up

📚 详细文档

保持更新

模型数据会在太平洋时间每天晚上 7 点自动检查和更新，无需人工干预。

工作原理：

1. Railway 定时任务每天运行更新程序，抓取 6 个提供商的公共文档页面（无需 API 密钥）。
2. 从文档中移除的模型 --> 通过 PR 自动标记为弃用（代码中的状态更改为 "deprecated"）。
3. 检测到新模型 --> 创建 GitHub 问题以供审核。
4. CI 在自动生成的 PR 上运行 --> 如果测试通过 --> 自动合并到主分支。
5. Railway 从主分支自动部署。

无需提供商 API 密钥。更新程序读取公开可用的文档页面以检测模型更改。只需要 GITHUB_TOKEN 和 GITHUB_REPO 来创建 PR 和问题。

安全

• 速率限制：每个 IP 每分钟 60 个请求
• 连接限制：每个 IP 最多 5 个 SSE 连接，总共 100 个
• 请求体限制：最大 64KB
• 输入清理：所有字符串输入截断为安全长度
• HTTP 强化：读取超时 15 秒，读取头部超时 5 秒，空闲超时 120 秒，最大头部 64KB
• 非根 Docker：容器以非特权用户身份运行
• 优雅关闭：在 SIGINT/SIGTERM 信号下清理连接

技术栈

• 语言：Go 1.23
• MCP SDK：github.com/modelcontextprotocol/go-sdk v1.3.0（官方）
• 传输方式：标准输入输出、SSE、可流式传输的 HTTP
• 二进制文件大小：~10MB
• 测试：156 个单元测试
• 安全：按 IP 进行速率限制、连接限制、输入清理
• 部署：Docker（Alpine）、Railway

贡献

欢迎贡献代码！无论是添加新模型、修复数据还是改进服务器，都可以按照以下步骤进行：

1. 分叉仓库并在本地克隆。
2. 在 go-server/internal/models/data.go 中编辑模型数据。
3. 在 go-server/internal/models/data_test.go 中更新测试计数。
4. 运行测试：

cd go-server && go test ./... -v

5. 提交 PR -- 我们会尽快审核。

如果你发现过时的模型或错误的定价，提出问题同样有帮助。

📄 许可证

本项目采用 MIT 许可证。