# Models.dev vs Ultralytics Models.dev 记录了 200,451 月访问量，月度环比增长为 -3.9%，定价为免费。Ultralytics 记录了 793,423 月访问量，增长率为 +8.7%，定价为免费增值。 | 指标 | [Models.dev](https://openaitools.app/zh/tool/models-dev) | [Ultralytics](https://openaitools.app/zh/tool/ultralytics) | | :--- | :--- | :--- | | 官网地址 | https://models.dev | https://www.ultralytics.com | | 分类 | AI Models, AI API, Open Source AI Models, AI Tools Directory | AI Developer Tools, AI Image Recognition, AI Models, No-Code&Low-Code | | 定价模式 | 免费 | 免费增值 | | 月访问量 | 200,451 | 793,423 | | 月度环比增长率 | -3.9% | +8.7% | | 主要市场 | 中国 | 中国 | | 直接访问量 | 136,316 | 239,747 | | 评价得分 | 4.4 | 4.6 | | 收藏数 | 0 | 0 | | 支持平台 | 网站 | 网站 | ## Models.dev Models.dev 要回答一个非常实际的问题：该用哪个模型，成本是多少？网站为每个条目设定形如 provider/model 的规范标识符，因此同一模型在不同供应商下的版本可以直接比较，而无需猜测。表格列包含上下文窗口、最大输出、是否支持输入与输出、推理、工具调用、结构化输出、温度控制、开放或闭源权重、每百万 token 价格，以及发布与更新日期。 由于模型发布节奏很快，该目录以保持最新为目标，提供可排序与可搜索的表格，可按实验室或供应商浏览并筛选关键条件。条目同时涵盖闭源旗舰模型与开放权重模型，因此既能用于成本规划，也能用于能力调研。 项目开源且免费，定位是可被程序化消费的数据源。开发者可以通过 JSON API 或类型安全 SDK 把目录接入自家工具，因此它适合作为仪表盘、路由逻辑或内部成本计算器的后端，而不只是一张用于浏览的参考页。 **定价与套餐:** Models.dev 免费且开源。它本身是参考数据库，所列价格是模型供应商收取的每百万 token 费率，而不是使用本站的费用。 - **规范模型标识符:** 每个模型采用统一的 provider/model 格式，便于跨供应商直接对比同一模型。 - **规格对比:** 并排查看上下文窗口、输出上限、推理、工具调用、结构化输出与温度支持。 - **价格透明:** 列出每百万 token 的输入输出价格，并标注发布与更新日期。 - **开源与闭源兼顾:** 在一个可排序目录中同时覆盖闭源旗舰 API 与各实验室的开放权重模型。 - **面向开发者:** 可通过 JSON API 或类型安全 SDK 获取目录，用于自建工具与仪表盘。 **优势:** 免费开源，无需注册账号; 统一的规范标识符让跨供应商对比更可靠; 在同一张可排序表格中呈现价格、上限与能力; 提供 JSON API 与类型安全 SDK，便于程序化使用 **局限:** 它是参考目录，并非推理或托管服务; 数据质量依赖社区与维护者能否跟上发布节奏; 界面面向开发者，对非技术用户几乎没有引导 [工具详情（Markdown）](https://openaitools.app/zh/tool/models-dev.md) ## Ultralytics Ultralytics 最为人熟知的身份是 YOLO 模型家族的维护者，而 YOLO 是部署量最大的实时计算机视觉模型系列之一。同一套代码即可覆盖七大视觉任务——检测、实例分割、姿态估计、旋转框、分类、追踪等——让团队无需更换框架就能从快速原型走到生产推理。模型可导出到 ONNX、TensorRT、CoreML 等一长串运行时，适配边缘与嵌入式目标。 在模型之外，Ultralytics 还提供托管平台来处理视觉项目的工程化环节。你可以借助 SAM 辅助标注完成数据打标，在云端 GPU（含 AutoTrain）上微调或训练模型，并部署到空闲时缩容至零的托管区域。智能体式的工作流构建器让团队把模型、业务逻辑与告警串联成自动化流水线，非常适合工业质检、安全监控和分析类产品。 授权采用双轨制。开源路径基于 AGPL-3.0 发布，适合开源项目，但会对闭源产品施加传染性义务。将 YOLO 集成进专有软件的公司通常会购买企业授权，从而免除这些义务，并获得本地或私有云部署能力、广泛的导出格式支持以及工程师直接支持。Ultralytics 还发布了大量文档与教程，这也是该生态能同时被学生、研究人员和商业集成方广泛采用的重要原因。 **定价与套餐:** 免费增值。YOLO 模型与工具以 AGPL-3.0 开源免费提供；Ultralytics Platform 设有免费与付费云端层级，闭源产品中的商业使用需购买附带定制支持条款的企业授权。 - **YOLO 实时视觉模型:** 单一模型家族覆盖检测、实例分割、姿态估计、旋转框、分类与追踪，并针对 GPU、CPU 和边缘设备的实时推理进行调优。 - **覆盖全生命周期的 Ultralytics Platform:** 使用 SAM 辅助标注打标数据，在云端 GPU 上通过 AutoTrain 训练，并部署到空闲时缩容至零的托管区域。 - **广泛的导出与运行时支持:** 将训练好的模型导出为 ONNX、TensorRT、CoreML、TFLite 等多种格式，用于云服务器、移动设备与嵌入式硬件。 - **面向开源与商业的双重授权:** 可采用 AGPL-3.0 开源版本，或购买企业授权，将 YOLO 嵌入闭源产品而不受传染性条款约束。 - **工作流与智能体构建器:** 把视觉模型、业务逻辑与类 Slack 告警串联成自动化流水线，用于监控、质检与数据分析。 **优势:** 模型家族成熟、文档完备，每日推理调用量达数十亿次，开源社区规模庞大; 覆盖标注、训练、部署全流程，团队无需拼接多家供应商; 导出格式支持广泛，同一套代码即可面向云端、移动端与嵌入式硬件; 企业授权可帮助闭源商业产品规避 AGPL 义务 **局限:** 开源版本的 AGPL-3.0 使许多闭源商业部署必须先取得付费授权; 要获得顶尖精度仍需精心整理数据集并调参，并非一键即得; 托管功能对平台的依赖较强，后续想自建的团队可能面临迁移成本 [工具详情（Markdown）](https://openaitools.app/zh/tool/ultralytics.md) ## 常见问题 ### Models.dev 和 Ultralytics 在月流量上如何比较？ Models.dev 有 200,451 月访问量，而 Ultralytics 有 793,423。流量估算描述的是受众规模，而非产品质量。 ### 它们的增长率如何比较？ Models.dev 的月度环比增长率为 -3.9%；Ultralytics 为 +8.7%。 ### 价格如何比较？ Models.dev: 免费。Models.dev 免费且开源。它本身是参考数据库，所列价格是模型供应商收取的每百万 token 费率，而不是使用本站的费用。 Ultralytics: 免费增值。免费增值。YOLO 模型与工具以 AGPL-3.0 开源免费提供；Ultralytics Platform 设有免费与付费云端层级，闭源产品中的商业使用需购买附带定制支持条款的企业授权。 ## 替代工具 | # | 工具名称 | 月访问量 | 月度环比增长率 | 定价模式 | 简介 | 工具详情（Markdown） | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 1 | [Roboflow](https://openaitools.app/zh/tool/roboflow) | 1,431,204 | +6.6% | 免费增值，定价请咨询 | 提供数据集标注、模型训练与边缘部署的一站式生态系统。 | [.md](https://openaitools.app/zh/tool/roboflow.md) | | 2 | [Labelbox](https://openaitools.app/zh/tool/labelbox) | 762,803 | -22.8% | 定价请咨询 | Enterprise-grade labeling and data curation platform for complex computer vision training pipelines. | [.md](https://openaitools.app/zh/tool/labelbox.md) | | 3 | [Encord](https://openaitools.app/zh/tool/encord-com) | 244,204 | +9.4% | 定价请咨询 | Provides advanced multimodal dataset curation and annotation tools specifically for computer vision teams. | [.md](https://openaitools.app/zh/tool/encord-com.md) | | 4 | [Frigate NVR](https://openaitools.app/zh/tool/frigate-nvr) | 216,701 | -21.2% | 免费增值 | 开源的自托管NVR，优化用于在安全监控画面中执行实时的本地对象检测。 | [.md](https://openaitools.app/zh/tool/frigate-nvr.md) | | 5 | [Stork](https://openaitools.app/zh/tool/stork) | 201,544 | +2.3% | 免费 | Includes model pricing trackers and developer news alongside tools directories, but less focused on raw API specs. | [.md](https://openaitools.app/zh/tool/stork.md) | | 6 | [Label Studio](https://openaitools.app/zh/tool/label-studio) | 137,199 | -16.1% | 定价请咨询，免费 | 开源的标注工具，并具备可扩展性支持，可进行自定义计算机视觉标注任务。 | [.md](https://openaitools.app/zh/tool/label-studio.md) | | 7 | [Voxel51](https://openaitools.app/zh/tool/voxel51-com) | 117,715 | -8.2% | 定价请咨询 | 专门用于计算机视觉工作流程的数据集策划、可视化与质量评估。 | [.md](https://openaitools.app/zh/tool/voxel51-com.md) | | 8 | [Viso Now](https://openaitools.app/zh/tool/viso-now) | 111,150 | -3% | 免费增值，定价请咨询 | 专注于通过提示词快速组合端到端的企业级计算机视觉应用程序。 | [.md](https://openaitools.app/zh/tool/viso-now.md) | | 9 | [InfraBase.ai](https://openaitools.app/zh/tool/infrabase-ai) | 39,072 | -13.6% | 免费 | Catalogues and compares AI infrastructure tools and services across categories, but lacks deep per-token pricing tables. | [.md](https://openaitools.app/zh/tool/infrabase-ai.md) | | 10 | [Datature](https://openaitools.app/zh/tool/datature) | 24,530 | -23.2% | 免费增值，付费，定价请咨询 | 提供用于训练和部署自定义视觉模型的无代码/低代码云端工作流。 | [.md](https://openaitools.app/zh/tool/datature.md) | --- 来源：https://openaitools.app/zh/compare/models-dev-vs-ultralytics 更多 Markdown 页面: [分类](https://openaitools.app/zh/categories.md) · [流量排名](https://openaitools.app/zh/rankings.md) · [llms.txt](https://openaitools.app/zh/llms.txt)