Model ID Cheatsheet

モデル ID チートシート

AI コーディングエージェントが古いモデル名をでっち上げるのを防ぎます。 この MCP サーバーを使うと、あらゆる AI アシスタントが、19 のプロバイダーにわたる 107 モデル の正確で最新の API モデル ID、価格、仕様にすぐアクセスできます。

Go で構築。わずか 10MB の単一バイナリ。外部への呼び出しはゼロ。応答は 1 ミリ秒未満。毎日自動更新されます。

- 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

---

クイックスタート

以下から1 つ選んでください。1 分もかからずに使い始められます。

オプション A：Claude Code（コマンド 1 つ）

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

動作を確認します：

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

次に、新しい Claude Code セッションを開始して、「最新の OpenAI モデルは何ですか？」と尋ねてください。ツールが自動的に使われます。

オプション B：Cursor

~/.cursor/mcp.json に追加します：

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

変更を反映するために Cursor を再起動してください。

オプション C：Windsurf

Settings > MCP Servers に追加するか、~/.codeium/windsurf/mcp_config.json を編集します：

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

オプション D：Codex CLI

~/.codex/config.toml に追加します：

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

オプション E：OpenCode

~/.config/opencode/opencode.json に追加します：

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

オプション F：任意の MCP クライアント

SSE エンドポイントに直接接続します（API キー不要、認証不要）：

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

または、Streamable HTTP トランスポートを使用します：

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

設定を確認する

接続したら、AI アシスタントに次のいずれかを尋ねてみてください：

• 「Claude Opus 4.6 の正しいモデル ID は何ですか？」
• 「gpt-4o はまだ利用できますか？」
• 「gpt-5.2 と claude-opus-4-6 を比較して」
• 「ビジョンに対応した最も安価なモデルは何ですか？」

エージェントが回答前に get_model_info や check_model_status などのツールを呼び出せば、正常に動作しています。

---

仕組み

AI エージェントは6 つのツールを利用でき、モデル ID を書き出す前に自動的に呼び出します：

ツール	内容	プロンプトの例
get_model_info(model_id)	詳細仕様：API ID、価格、コンテキストウィンドウ、機能	「Claude Sonnet のモデル ID は何ですか？」
list_models(provider?, status?, capability?)	レジストリの参照と絞り込み	「現在の Google モデルをすべて表示して」
recommend_model(task, budget?)	タスクに応じたランキング形式の推奨	「低予算でコーディングに最適なモデル」
check_model_status(model_id)	モデルが現行、レガシー、または非推奨かを確認	「gpt-4o はまだ利用できますか？」
compare_models(model_ids)	横並びの比較表	「gpt-5.2 と claude-opus-4-6 を比較して」
search_models(query)	すべてのフィールドを対象にした自由形式の検索	「推論モデルを検索して」

リソース

URI	説明
model://registry/all	107 モデルすべての完全な JSON ダンプ
model://registry/current	現行（非推奨ではない）モデルのみを含む JSON
model://registry/pricing	安価な順に並べた価格表（Markdown）

内部での動作

1. エージェントにコードの作成、またはモデルに関する質問への回答を依頼します
2. エージェントが適切なツール（例：get_model_info）を自動的に呼び出します
3. サーバーが外部 API 呼び出しなしで、検証済みデータを 1 ミリ秒未満で返します
4. エージェントが正確で現行のモデル ID を使ってコードを作成します

サーバーの指示は、エージェントに次のように伝えます：「必ず事前に検証せずに、学習データに含まれるモデル ID を使ってはいけません。」 つまり、エージェントはコードを書く前に必ず確認します。

---

実際の使用例

API 呼び出しを書く：

# 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=[...]
)

非推奨モデルを見つける：

# 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=[...]
)

最も安価な選択肢を探す：

# 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=[...]
)

選択肢を比較する：

# 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

---

リソース使用量

よくある懸念事項：「エージェントの動作が遅くなったり、トークンを大量に消費したりしませんか？」

指標	値
バイナリサイズ	約10MB
実行時メモリ	最小限（静的なインメモリマップ。データベースはありません）
外部 API 呼び出し	なし（すべてのデータが組み込まれています）
応答時間	1ミリ秒未満
ツール呼び出しあたりのトークンコスト	約200～500トークン（短いテキスト応答）
ツールスキーマのオーバーヘッド	システムプロンプト内で約500～800トークン

比較すると、ウェブ検索1回のトークン消費量は、6つのツールスキーマすべてを合わせた量を上回ります。

---

対応モデル（合計107）

現行モデル（79）

プロバイダー	モデル	API ID
OpenAI (15)	GPT-5.4、GPT-5.4 Pro、GPT-5.3 Instant、GPT-5.2、GPT-5.2 Pro、GPT-5.1、GPT-5.1 Codex、GPT-5.1 Mini、GPT-5、GPT-5 Mini、GPT-5 Nano、GPT-4.1 Mini、GPT-4.1 Nano、o3、o4-mini	gpt-5.4、gpt-5.4-pro、gpt-5.3-chat-latest、gpt-5.2、gpt-5.2-pro、gpt-5.1、gpt-5.1-codex、gpt-5.1-mini、gpt-5、gpt-5-mini、gpt-5-nano、gpt-4.1-mini、gpt-4.1-nano、o3、o4-mini
Anthropic (4)	Claude Opus 4.6、Claude Sonnet 4.6、Claude Sonnet 4.5、Claude Haiku 4.5	claude-opus-4-6、claude-sonnet-4-6、claude-sonnet-4-5-20250929、claude-haiku-4-5-20251001
Mistral (11)	Mistral Large 3、Mistral Medium 3、Mistral Small 3.2、Mistral Saba、Ministral 3B、Ministral 8B、Ministral 14B、Magistral Small 1.2、Magistral Medium 1.2、Devstral 2、Devstral Small 2	mistral-large-2512、mistral-medium-2505、mistral-small-2506、mistral-saba-2502、ministral-3b-2512、ministral-8b-2512、ministral-14b-2512、magistral-small-2509、magistral-medium-2509、devstral-2512、devstral-small-2512
Amazon (6)	Nova Micro、Nova Lite、Nova Pro、Nova Premier、Nova 2 Lite、Nova 2 Pro	amazon-nova-micro、amazon-nova-lite、amazon-nova-pro、amazon-nova-premier、amazon-nova-2-lite、amazon-nova-2-pro
Google (5)	Gemini 3.1 Pro、Gemini 3.1 Flash Lite、Gemini 3 Flash、Gemini 2.5 Pro、Gemini 2.5 Flash	gemini-3.1-pro-preview、gemini-3.1-flash-lite-preview、gemini-3-flash-preview、gemini-2.5-pro、gemini-2.5-flash
Cohere (5)	Command A、Command A Reasoning、Command A Vision、Command A Translate、Command R7B	command-a-03-2025、command-a-reasoning-08-2025、command-a-vision-07-2025、command-a-translate-08-2025、command-r7b-12-2024
xAI (4)	Grok 4、Grok 4.1 Fast、Grok 4 Fast、Grok Code Fast 1	grok-4、grok-4.1-fast、grok-4-fast、grok-code-fast-1
Microsoft (4)	Phi-4、Phi-4 Multimodal、Phi-4 Reasoning、Phi-4 Reasoning Plus	phi-4、phi-4-multimodal-instruct、phi-4-reasoning、phi-4-reasoning-plus
Perplexity (4)	Sonar、Sonar Pro、Sonar Reasoning Pro、Sonar Deep Research	sonar、sonar-pro、sonar-reasoning-pro、sonar-deep-research
Moonshot (3)	Kimi K2.5、Kimi K2 Thinking、Kimi K2 (0905)	kimi-k2.5、kimi-k2-thinking、kimi-k2-0905-preview
Tencent (3)	Hunyuan TurboS、Hunyuan T1、Hunyuan A13B	hunyuan-turbos、hunyuan-t1、hunyuan-a13b
Zhipu (3)	GLM-5、GLM-4.7、GLM-4.7 FlashX	glm-5、glm-4.7、glm-4.7-flashx
Meta (2)	Llama 4 Maverick、Llama 4 Scout	llama-4-maverick、llama-4-scout
DeepSeek (2)	DeepSeek Reasoner、DeepSeek Chat	deepseek-reasoner、deepseek-chat
NVIDIA (2)	Nemotron 3 Nano 30B、Nemotron Ultra 253B	nvidia/nemotron-3-nano-30b-a3b、nvidia/llama-3.1-nemotron-ultra-253b-v1
AI21 (2)	Jamba Large 1.7、Jamba Mini 1.7	jamba-large-1.7、jamba-mini-1.7
MiniMax (2)	MiniMax M2.5、MiniMax M2.5 Lightning	minimax-m2.5、minimax-m2.5-lightning
Kuaishou (1)	KAT-Coder Pro	kat-coder-pro
Xiaomi (1)	MiMo V2 Flash	mimo-v2-flash

レガシーおよび非推奨のモデル（30）

エージェントが古いモデル ID を検出し、現在の代替モデルを提案できるように追跡しています。

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

---

セルフホスティング

ホスト型エンドポイントを使わず、サーバーをローカルで実行する場合：

オプション 1：ソースからビルド（ローカルでの使用に推奨）

Go 1.23 以降が必要です。

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

次に、Claude Code にローカルの stdio サーバーとして追加します（低遅延、ネットワーク不要）。

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

または、ほかのクライアント向けに SSE モードで実行します。

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

オプション 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

SSE エンドポイントは http://localhost:8000/sse になります。

オプション 3：Railway にデプロイ

または、手動で実行します。

railway login
railway init
railway up

---

最新状態の維持

モデルデータは毎日 太平洋時間午後 7 時 に自動で確認・更新されます。人手での対応は必要ありません。

仕組み：

1. Railway cron が毎日アップデーターを実行し、6 つのプロバイダーの公開ドキュメントページをスクレイピングします（API キーは不要です）
2. ドキュメントから削除されたモデル --> PR 経由で自動的に非推奨になります（コード内のステータスが "deprecated" に変更されます）
3. 新しいモデルを検出 --> レビュー用の GitHub issue が作成されます
4. CI が自動生成された PR で実行されます --> テストに合格すると --> main に 自動マージ されます
5. Railway が main から自動デプロイします

プロバイダーの API キーは不要です。 アップデーターは公開されているドキュメントページを読み取り、モデルの変更を検出します。PR と issue の作成に必要なのは GITHUB_TOKEN と GITHUB_REPO だけです。

自動更新パイプラインの詳細

Railway Cron（主要） -- ホスト型インスタンスでは、毎日アップデーターを実行する Railway cron サービスを使用しています。設定については configs/railway-updater.toml を参照してください。

必須の環境変数（Railway ダッシュボードで設定）：

• GITHUB_TOKEN -- repo スコープを持つ GitHub 個人アクセストークン
• GITHUB_REPO -- "owner/repo" 形式のリポジトリ（例："aezizhu/universal-model-registry"）

確認対象のプロバイダー（公開ドキュメント経由）：

• OpenAI（GitHub SDK のソース経由）、Anthropic、Google、Mistral、xAI、DeepSeek

CI/CD ワークフロー：

• .github/workflows/ci.yml -- すべての PR でテストを実行します
• .github/workflows/auto-merge.yml -- CI 合格後、ボットの PR（auto-update ラベル付き）を自動マージします

GitHub Actions（代替） -- Railway を使わずにセルフホストするユーザー向けに、GitHub Actions ワークフローも .github/workflows/auto-update.yml に含まれています。API キーは不要で、GITHUB_TOKEN のみが必要です（GitHub Actions によって自動的に提供されます）。

---

セキュリティ

• レート制限：IP あたり毎分 60 リクエスト
• 接続数制限：IP あたり最大 5 SSE 接続、合計 100 接続
• リクエスト本文の上限：最大 64KB
• 入力のサニタイズ：すべての文字列入力を安全な長さに切り詰めます
• HTTP の強化：ReadTimeout 15s、ReadHeaderTimeout 5s、IdleTimeout 120s、ヘッダーは最大 64KB
• 非 root Docker：コンテナーは非特権ユーザーとして実行します
• グレースフルシャットダウン：SIGINT/SIGTERM 時に接続を適切にドレインします

技術スタック

• 言語：Go 1.23
• MCP SDK：github.com/modelcontextprotocol/go-sdk v1.3.0（公式）
• トランスポート：stdio、SSE、Streamable HTTP
• バイナリサイズ：約10MB
• テスト：ユニットテスト156件
• セキュリティ：IPごとのレート制限、接続数制限、入力のサニタイズ
• デプロイ：Docker（alpine）、Railway

コントリビューション

コントリビューションを歓迎します！新しいモデルの追加、データの修正、サーバーの改善など、どのような貢献も歓迎です。

1. リポジトリをフォークして、ローカルにクローンします
2. go-server/internal/models/data.go のモデルデータを編集します
3. go-server/internal/models/data_test.go のテスト件数を更新します
4. テストを実行します：

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

5. PR を提出します。迅速にレビューします

古いモデルや料金の誤りに気付いた場合は、イシューを作成していただくだけでも大変助かります。

ライセンス

MIT