Model ID Cheatsheet

    

型号ID备忘单

阻止你的AI编码代理产生过时模型名称的幻觉。 此MCP服务器可让任何AI助手即时访问API的准确、最新型号ID、定价和规格 19家供应商的107款车型.

内置Go。单个10MB二进制文件。零外部呼叫。亚毫秒响应。每天自动更新。

- model = "gpt-4-turbo"           # Hallucinated - doesn't exist anymore
+ model = "gpt-5.3-codex"         # Correct - verified against official docs

- model = "claude-3-opus-20240229" # Deprecated
+ model = "claude-opus-4-6"        # Current - latest Anthropic flagship

______________________________________________________________________

快速开始

挑选 一 下面的选项。你不到一分钟就可以起床跑步了。

选项A：克劳德代码（一个命令）

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

验证它是否有效：

claude mcp list
# Should show: model-id-cheatsheet ... Connected

然后启动一个新的Claude Code会话并询问： *“最新的OpenAI模型是什么？”* -它将自动使用这些工具。

选项B：光标

添加 ~/.cursor/mcp.json:

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

重新启动Cursor以获取更改。

选项C：风帆

添加到设置>MCP服务器（或编辑 ~/.codeium/windsurf/mcp_config.json):

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

选项D：Codex CLI

添加 ~/.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

添加 ~/.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API密钥，无身份验证）：

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

或者使用流式HTTP传输：

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

验证您的设置

连接后，尝试向您的AI助手询问以下任一问题：

• *“Claude Opus 4.6的正确型号ID是什么？”*
• *“gpt-4o还可用吗？”*
• *“比较gpt-5.2和claude-opus-4-6”*
• *“最便宜的视觉模型是什么？”*

如果代理调用以下工具 get_model_info 或 check_model_status 在回答之前，它正在工作。

______________________________________________________________________

运作原理

您的AI代理获得收益 6工具 在写入任何模型ID之前，它会自动调用：

资源

引擎盖下发生了什么

1. 您要求您的代理编写代码或回答模型问题
2. 代理自动调用适当的工具（例如。， get_model_info)
3. 服务器在亚毫秒内用已验证的数据进行响应（没有外部API调用）
4. 代理使用正确的当前型号ID编写代码

服务器指令告诉代理： *“未经验证，切勿使用训练数据中的模型ID。”* 这意味着代理人在写作前总是会进行检查。

______________________________________________________________________

真实世界的例子

编写API调用：

# You: "Call the OpenAI API with their best coding model"
# Agent calls: get_model_info("gpt-5.4")
response = client.chat.completions.create(
    model="gpt-5.4",  # Verified via model registry
    messages=[...]
)

捕获已弃用的模型：

# You: "Use gpt-4o for this task"
# Agent calls: check_model_status("gpt-4o")
# Agent: "gpt-4o is deprecated. I'll use gpt-5 instead."
response = client.chat.completions.create(
    model="gpt-5",  # Updated automatically
    messages=[...]
)

找到最便宜的选择：

# You: "Use the cheapest model that supports vision"
# Agent calls: list_models(capability="vision", status="current")
response = client.chat.completions.create(
    model="gpt-5-nano",  # $0.05/$0.40 per 1M tokens
    messages=[...]
)

比较选项：

# You: "Should I use Claude or GPT for this?"
# Agent calls: compare_models(["claude-opus-4-6", "gpt-5.2"])
# Agent gets a side-by-side table and makes a recommendation

______________________________________________________________________

资源足迹

一个共同的问题： *“这会减慢我的代理人的速度还是吃掉代币？”*

相比之下，单个网络搜索的令牌成本比所有6个工具模式的总和还要高。

______________________________________________________________________

覆盖型号（共107个）

当前型号（79）

旧型号和弃用型号（30）

跟踪，以便您的代理可以检测过时的型号ID并建议当前的替换：

• 开放人工智能: 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 （遗产）， gpt-4.1 （已弃用）， gpt-4o （已弃用）， gpt-4o-mini （已弃用）
• Anthropic: claude-opus-4-5 （遗产）， claude-opus-4-1 （遗产）， claude-opus-4-0 （遗产）， claude-sonnet-4-0 （遗产）， claude-3-7-sonnet-20250219 （已弃用）
• 谷歌: 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）
• 扩展应用识别: grok-4.1 （已弃用）， grok-3 （遗产）， grok-3-mini （遗产）
• 米斯特拉尔: mistral-small-2503 （遗产）， codestral-2508 （遗产）
• 最小最大: minimax-m2.1 （遗产）， minimax-01 （已弃用）
• 元: llama-3.3-70b （遗产）
• 深度求索: deepseek-r1 （遗产）， deepseek-v3 （已弃用）
• 齐普: glm-4.6v （已弃用）

______________________________________________________________________

自我寄宿

如果您更喜欢在本地运行服务器而不是使用托管端点：

选项1：从源代码构建（建议本地使用）

需要Go 1.23+。

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stdio服务器添加到Claude Code中（零延迟，无网络）：

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

或者为其他客户端以SSE模式运行：

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

选项2: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

您的SSE端点将位于 http://localhost:8000/sse.

选项3：部署到铁路


或手动：

railway login
railway init
railway up

______________________________________________________________________

保持最新状态

模型数据会自动检查和更新 太平洋时间每天晚上7点 --不需要人为干预。

它是如何工作的：

1. Railway cron每天运行更新程序，抓取6个提供商的公共文档页面（不需要API密钥）
2. 从文档中删除的模型 -->通过PR自动弃用（状态更改为 "deprecated" 在代码中）
3. 检测到新型号 -->GitHub问题已创建以供审查
4. 如果测试通过，CI将在自动生成的PR上运行--> 自动合并 进入main
5. 铁路车辆从主干道部署

不需要提供程序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。仅 GITHUB_TOKEN 和 GITHUB_REPO 需要创建PR和问题。

Auto-Update Pipeline Details

铁路克朗（小学） --托管实例使用每天运行更新程序的Railway cron服务。看 configs/railway-updater.toml 对于配置。

所需的环境变量（在铁路仪表板中设置）：

• GITHUB_TOKEN --具有repo范围的GitHub个人访问令牌
• GITHUB_REPO --存储库位于 "owner/repo" 格式（例如。 "aezizhu/universal-model-registry")

检查的提供者（通过公共文档）：

• OpenAI（通过GitHub SDK源代码）、Anthropic、谷歌、Mistral、xAI、DeepSeek

CI/CD工作流：

• .github/workflows/ci.yml --对每个PR运行测试
• .github/workflows/auto-merge.yml --自动合并机器人PR（标记为 auto-update)CI通过后

GitHub操作（备选） --GitHub Actions工作流也包含在 .github/workflows/auto-update.yml 适用于没有铁路的自主机用户。不需要API密钥--仅 GITHUB_TOKEN （由GitHub Actions自动提供）。

______________________________________________________________________

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
• 请求正文限制：最大64KB
• 输入净化：所有字符串输入都截断为安全长度
• HTTP强化：ReadTimeout 15秒，ReadHeaderTimeout 5秒，IdleTimeout 120秒，最大标头64KB
• 非root Docker：容器以无特权用户身份运行
• 优雅关闭：清洁SIGINT/SIGTERM上的连接排水

技术栈

• 语言：转到1.23
• MCP-SDK: github.com/modelcontextprotocol/go-sdk v1.3.0（官方）
• 运输：stdio、SSE、流式HTTP
• 二进制大小：~10MB
• 测试：156个单元测试
• 安全：按IP速率限制、连接限制、输入净化
• 部署：Docker（阿尔卑斯山），铁路

贡献

欢迎投稿！无论是添加新模型、修复数据还是改进服务器：

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

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

1. 提交PR——我们会很快审核

如果你发现一个过时的型号或不正确的定价，打开一个问题同样有用。

许可证

麻省理工学院