models - ターミナルで AI モデル、ベンチマーク、サービス状態を眺める

AI モデルの更新が速くなるほど、開発者が見るべき情報は分散していきます。モデル名、コンテキスト長、価格、provider、benchmark、coding agent のバージョン、サービス状態が別々のサイトにあり、実際に比較しようとするとブラウザのタブがどんどん増えていきます。

今日紹介する reyamira/models は、そうした情報をターミナルに集める Rust プロジェクトです。TUI と CLI の両方を提供し、AI モデルの閲覧、benchmark の比較、coding agent のバージョン追跡、AI provider のステータス確認に使えます。GitHub のページでは現在およそ 425 stars、17 forks。ライセンスは MIT、最新 release は v0.11.51 です。

プロジェクト概要

項目	内容
リポジトリ	reyamira/models
Stars	約 425
Forks	17
主な言語	Rust
ライセンス	MIT
最新 release	v0.11.51
作成日	2026 年 1 月 8 日

何を解決するのか

たまに「どのモデルが安いのか」を確認するだけなら、provider のドキュメントを開けば十分です。しかし、複数のモデルを頻繁に比較する場合は、確認すべき点が増えます。

そのモデルが tool calling、reasoning、画像入力に対応しているか。
同じ名前のモデルでも provider ごとに価格が違うのか。
コンテキスト長、出力長、レイテンシがアプリケーションに合うか。
最近の benchmark で目立つ変化があったか。
Claude Code、Codex、Gemini CLI、opencode などの coding agent が更新されたか。
provider 側で障害、メンテナンス、一部サービスの異常が起きていないか。

models は AI チャットクライアントではありません。モデルのメタデータ、benchmark、agent のバージョン、provider の状態をまとめて見るための検索・比較レイヤーです。ターミナルから絞り込み、コピーし、横並びで確認できることに価値があります。

四つの主なビュー

README では、機能が Models、Agents、Benchmarks、Status の四つに分けられています。

Models ビューでは、models.dev 由来のモデルと provider 情報を閲覧できます。能力、価格、コンテキスト、provider の種類などでフィルターし、名前、日付、コスト、コンテキスト長で並べ替えられます。OpenAI、Anthropic、Google、Mistral、Groq、OpenRouter などを行き来する人には、何度も Web ページを開くより扱いやすい場面が多そうです。

Agents ビューは coding agent に焦点を当てています。README によると、12 個以上の agent を追跡し、バージョン検出、changelog、GitHub release 連携、サービスヘルスを確認できます。チームで複数の agent ツールを使っている場合、個別の release ページを見に行く前の一覧として使えます。

Benchmarks ビューは Artificial Analysis の benchmark データを扱います。品質、速度、価格などの軸を見ながら、比較モード、散布図、レーダーチャートで確認できます。benchmark は本番タスクの評価を置き換えるものではありませんが、候補を絞るには便利です。

Status ビューは、最近のバージョンで特に実用的に見える部分です。複数の AI provider のステータスページを監視し、障害、メンテナンス、サービス単位の状態をまとめて表示します。LLM を本番システムに組み込んでいる場合、モデル性能より可用性のほうが急ぎの問題になることもあります。

CLI も中心的な機能

このプロジェクトは TUI だけではありません。README には、よく使いそうな CLI コマンドも載っています。

models list
models show
models search
models providers
models benchmarks list
models benchmarks show
models status list
models status show

つまり、スクリプト、CI、ドキュメント生成、内部診断にも組み込みやすいということです。たとえば、チームが注目しているモデルの価格、コンテキスト、状態を定期的に書き出したり、障害調査時に provider の公開ステータスをすばやく確認したりできます。

データソースの見方

models のよいところは、README でデータソースを明示している点です。モデル一覧は models.dev、benchmark は Artificial Analysis、agent 情報はリポジトリ内の curated catalog、status は各 provider の公式ステータスページや複数のステータスページ基盤から来ています。

一方で、これは「集約して閲覧するためのツール」であり、契約上の最終ソースではありません。価格、SLA、リージョン、コンプライアンス、本番容量を判断する場合は、最後に provider の公式ドキュメントや管理画面を確認する必要があります。ただし、候補を見つける、傾向を見る、明らかに合わないモデルを外す段階では、切り替えコストをかなり減らせます。

向いているユーザー

models は次のような人に向いています。

AI アプリ開発者：モデル価格、コンテキスト、能力、provider をよく比較する人。
社内プラットフォームチーム：チーム向けのモデル候補リストを管理する人。
coding agent のヘビーユーザー：複数の agent の更新と状態を追いたい人。
SRE / on-call：障害時に AI provider の状態をすばやく見たい人。
技術ライターやリサーチャー：モデルエコシステムの変化を短時間で把握したい人。

逆に、固定の provider とモデルだけを使い、比較の頻度が低いなら、通常の Web ドキュメントで十分です。models の価値は、「候補が多い」「変化が速い」「繰り返し比較する」環境で大きくなります。

インストールと使い方

README では複数のインストール方法が紹介されています。macOS と Linux では Homebrew が使えます。

brew install models

Rust ユーザーなら Cargo でも入れられます。

cargo install modelsdev

Windows では Scoop からインストールできます。

scoop install extras/models

TUI の起動は次のコマンドだけです。

models

起動後は矢印キーで移動し、[ と ] でタブを切り替え、/ で検索し、? で現在の画面に応じたヘルプを確認できます。

注意点

プロジェクト自体は新しく、扱っている対象も変化が非常に速い AI インフラ情報です。使うときは、いくつか注意したほうがよいです。

価格、コンテキスト長、モデル能力は、本番判断の前に provider 公式情報で確認する。
benchmark は参考値であり、自分のタスクセットでの評価を置き換えるものではない。
provider のステータスページは公開障害を示すもので、すべてのリージョンやアカウント固有問題を覆うとは限らない。
agent の追跡は catalog に依存するため、自分が使うすべてのツールが入っているとは限らない。
CLI 出力を内部フローに組み込むなら、バージョンとデータ更新時刻を記録しておく。

これらは欠点というより、置き場所の問題です。models は最終判断者ではなく、ターミナル上の観測台として使うのがよさそうです。

まとめ

reyamira/models が面白いのは、AI モデル選びにまつわる散らかった情報を、一つのターミナルツールに圧縮しているところです。「最高のモデル」を決めてくれるわけではありませんが、モデル、benchmark、agent、status を同じ画面で見られるので、違いに気づくまでの時間を短くできます。

LLM provider、coding agent、モデルパラメータの間を毎日のように行き来しているなら、models は試す価値があります。新しい情報源を増やすというより、既存の情報を比較しやすくするためのツールです。

リポジトリ：https://github.com/reyamira/models