reyamira/models：用 TUI 把 AI 模型、基准和代理状态装进一个终端
TUI 和 CLI 用于浏览 AI 模型、基准测试、编码代理和 AI 提供商的状态。
秒懂
- 它是什么？
- reyamira/models 是一个用 Rust 写的 TUI 和 CLI，用来浏览 4000 多个 AI 模型、约 1000 条基准数据、12 个编码代理和 22 个提供商的状态。它把分散在多个网站的信息集中到一个终端界面里，但对数据源的依赖和更新频率需要仔细评估。
- 适合谁用？
- reyamira/models 适合那些经常在终端里工作、需要快速查阅模型参数、价格、基准分数或代理更新状态的开发者。它把 models.dev、Artificial Analysis 等来源的数据聚合到一个界面，省去开浏览器切换标签的麻烦。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 4 天前。
- 用什么语言写的？
- 主要是 Rust（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月14日）和我们的分析，不构成法律意见。
开源项目深度解析
终端里的模型目录，解决的是信息分散问题
AI 领域的信息散落在多个网站：models.dev 有模型列表，Artificial Analysis 有基准，GitHub 上有代理的发布记录，各家提供商又有自己的状态页。reyamira/models 把这些塞进一个 TUI，用标签页区分模型、代理、基准和状态。它面向的是那些不想在浏览器里开十几个标签的人，尤其是用终端做日常开发的工程师。项目本身不产生任何数据，它只是聚合和展示，这一点从 README 对数据源的引用就能看出来。
四个标签页，各自有不同的数据管道
Models 标签页从 models.dev 拉取约 4000 个模型，按提供商、能力、价格、上下文窗口筛选。Benchmarks 标签页聚合了四个来源：Artificial Analysis、Epoch AI、Arena 和 LLM Stats，每个来源的字段和评分体系不同，所以工具提供了可切换的数据源和列选择器。Agents 标签页跟踪 12 个编码代理，通过 GitHub API 检测版本和更新，更新命令会根据安装方式自动推导，比如 npm、brew 或 pacman。Status 标签页监控 22 个提供商的状态页，覆盖 7 种状态页平台。每个标签页都有对应的 CLI 子命令，比如 `models list` 和 `agents status`，说明 TUI 和 CLI 共用同一套数据获取逻辑。
安装方式多，但 Nix 用户需要留意缓存
安装途径覆盖主流平台：macOS 和 Linux 可以用 `brew install models`，Windows 用 Scoop 的 `scoop install extras/models`，Arch 用户用 AUR 的 `models-bin`，任意平台都能用 `cargo install modelsdev` 从源码编译。Nix 用户可以直接 `nix run github:reyamira/models`，项目提供了 flake，但 README 明确说没有发布到 FlakeHub 或 nixpkgs，所以只能用 GitHub 上的 tag 或分支。预编译的二进制和 .deb、.rpm 包在 GitHub Releases 页面。首次启动只需运行 `models`，导航用方向键，切换标签用 `[` 和 `]`，搜索用 `/`，帮助键是 `?`。鼠标也支持，可以点击行和面板。
v0.14 的细节字段和 CLI 同步，是实用主义的设计
v0.14.0 给模型详情面板增加了描述、结构化输出能力和推理控制（预算范围、努力级别、开关）。这些字段不是摆设，它们以条件行显示，比如思考 token 价格、音频输入输出价格、按 token 数分层的价格，只在模型有这些数据时才出现。按 `i` 键可以查看字段含义的滚动说明，这个设计对新手友好。CLI 也同步更新了，`models show` 和 `--json` 输出包含这些新字段，说明作者在意 TUI 和 CLI 的一致性。这种细节处理让工具不只是花哨的界面，而是能真正回答“这个模型支不支持结构化输出”这类问题。
代理管理功能有亮点，但依赖安装方式推断
Agents 标签页支持在应用内添加自定义代理，按 `A` 输入名称和 `owner/repo` 即可，不用编辑配置文件。更新操作也集成在界面里，按 `u` 更新单个代理，按 `U` 更新全部，按 `x` 取消进行中的更新。更新命令的推导逻辑是亮点：它根据代理实际安装方式生成命令，比如 bun、npm、brew、cargo、AUR、apt、dnf。这意味着如果你用 `pipx` 装的代理，工具会尝试用 pipx 更新。但这里有个隐患，如果安装方式识别错误，更新命令可能不匹配，README 没有说明这种情况如何处理。交互式更新模式（按 `i`）可以暂停并让用户输入，算是补救措施。
数据源的可靠性是最大的不确定因素
工具聚合了 models.dev、Artificial Analysis、Epoch AI、Arena 和 LLM Stats 的数据，但 README 没有说明这些数据多久更新一次，也没有说明刷新机制是手动触发还是自动定时。GitHub Actions 工作流里有 `update-benchmarks.yml`，说明基准数据有自动更新流程，但具体频率未知。状态页的监控依赖各提供商的状态页平台，如果某个提供商换了状态页服务，工具可能需要适配。对于依赖这些数据做决策的用户，数据的新鲜度比界面美观更重要，而这一点在 README 里没有明确承诺。
对比其他工具，差异在于聚合范围和交互深度
市面上有类似的终端工具，比如 `aichat` 或 `llm`，但它们主要聚焦于与模型对话，而不是浏览模型目录和基准。reyamira/models 的定位更接近一个数据浏览器，它不调用模型，只展示元数据。与 Web 端模型对比网站相比，它的优势是离线可用（数据缓存后）和 CLI 集成，比如 `models search` 可以直接在脚本里用。但 Web 端通常有更丰富的图表和社区评论，这是 TUI 难以复制的。另一个区别是代理管理，大多数工具不会跟踪编码代理的版本和更新，这是 reyamira/models 的独特卖点。
编辑结论
reyamira/models 适合那些经常在终端里工作、需要快速查阅模型参数、价格、基准分数或代理更新状态的开发者。它把 models.dev、Artificial Analysis 等来源的数据聚合到一个界面，省去开浏览器切换标签的麻烦。如果你依赖这些数据做采购或架构决策，建议先核实数据源的更新频率和覆盖范围，因为工具本身不生成数据，只是搬运。不适合对数据准确性要求极高、或者完全不用终端的人。首次使用前，至少运行一次 `models` 并检查 `config.toml` 中的默认标签页和刷新键位，确认数据能按预期加载。
社区笔记