モデルレジストリ

モデルレジストリ

モデルレジストリ（v1/models/*.yaml）は、モデル識別子をプロバイダー設定にマッピングし、各モデルの機能、コンテキストウィンドウ、価格を記録します。

モデルファイル構造

モデルはファミリ（GPT、Claude、Gemini など）ごとに整理されています：

v1/models/
├── gpt.yaml          # OpenAI GPT モデル
├── claude.yaml        # Anthropic Claude モデル
├── gemini.yaml        # Google Gemini モデル
├── deepseek.yaml      # DeepSeek モデル
├── qwen.yaml          # Alibaba Qwen モデル
├── mistral.yaml       # Mistral モデル
├── llama.yaml         # Meta Llama モデル
└── ...                # 28 以上のモデルファイル

モデル定義

各モデルエントリには以下が含まれます：

models:
  gpt-4o:
    provider: openai
    model_id: "gpt-4o"
    context_window: 128000
    max_output_tokens: 16384
    capabilities:
      - chat
      - streaming
      - tools
      - vision
      - json_mode
    pricing:
      input_per_token: 0.0000025
      output_per_token: 0.00001
    release_date: "2024-05-13"

モデル識別子

ランタイムはモデルを識別するために provider/model 形式を使用します：

anthropic/claude-3-5-sonnet
openai/gpt-4o
deepseek/deepseek-chat
gemini/gemini-2.0-flash
qwen/qwen-plus

ランタイムはこれを次のように分割します：

1. プロバイダー ID（anthropic）→ プロバイダーマニフェストを読み込む
2. モデル名（claude-3-5-sonnet）→ モデルレジストリで検索

機能

標準機能フラグ：

機能	説明
chat	基本チャット補完
streaming	ストリーミングレスポンス
tools	関数/ツール呼び出し
vision	画像理解
audio	オーディオ入出力
reasoning	拡張思考（CoT）
agentic	マルチステップエージェントワークフロー
json_mode	構造化 JSON 出力

価格

トークンごとの価格により、ランタイムでのコスト見積もりが可能になります：

pricing:
  input_per_token: 0.000003      # 100万入力トークンあたり $3
  output_per_token: 0.000015     # 100万出力トークンあたり $15
  cached_input_per_token: 0.0000003  # キャッシュプロンプト割引

Rust と Python の両ランタイムが CostEstimate 計算にこのデータを使用します。

検証

本番デプロイメント用の検証ステータスをモデルに含めることができます：

verification:
  status: "verified"
  last_checked: "2025-01-15"
  verified_capabilities:
    - chat
    - streaming
    - tools

次のステップ

• プロバイダーへの貢献 — 新規プロバイダーとモデルの追加
• クイックスタート — ランタイムでモデルを使用開始