tierline

プロンプトを貼り付けてください。実際に実行すべきモデルがわかります。

$ npx tierline "summarise these 4000 support tickets into themes, we run this nightly" -n 100000

  Gemini  Gemini 3 Flash Lite   text / minimal tier
  The floor. Routing, tagging, dedupe.

  $0.000162 per call
  at 100,000 calls a month  $16.22
  everything through Claude Opus 5  $3,033
  saves $3,017 a month, 99%

ほとんどのチームは1つのフロンティアモデルを選び、すべてをそれに送信しています。これはAI予算の中で最も高くつく習慣です。なぜなら、本番プロンプトの大半は、100分の1のコストのモデルでも同じように処理できる変換タスクだからです。

tierlineはプロンプトを読み取り、ジョブに実際に必要なものを判断し、その基準を満たす最も安価なモデルを指名します。

インストール

npx tierline "your prompt here"

またはクローンしてWeb UIを実行してください：

git clone https://github.com/jayj221/tierline.git
cd tierline
npm test
node server.js

依存関係なし、ビルドステップなし、APIキー不要。モデルを呼び出すことはなく、どのモデルを呼び出すべきかを決定するだけです。

Related MCP server: LLM Benchmark MCP Server

ティアの設定方法

4つのシグナルが順に適用されます。

StakesはVolumeに勝ります。毎日すべての患者記録をレビューするプロンプトは高ボリュームかつ高ステークスであり、下限が勝ちます。なぜなら、そこでコストを節約することは節約にならないからです。

モダリティが最初に検出されます：音声、動画、画像、音楽、文字起こし、リポジトリ、検索、またはプレーンテキスト。ナレーションジョブにはテキストモデルが提供されることはなく、リポジトリのリファクタリングには、それを保持するコンテキストウィンドウがないモデルが提供されることはありません。

ライブラリ

import { recommend, classify } from 'tierline';

const r = recommend('architect a multi region failover and reason through the trade-offs', {
  monthlyCalls: 2000,
});

r.pick.label          // 'Gemini 3 Pro'
r.pick.costPerCall    // 0.012829
r.task.tierName       // 'frontier'
r.economics.savedPct  // 87
r.cautions            // things the model cannot know about your situation

classify(prompt) は、タスクに関する読み取り結果だけを返します。独自のカタログを背後にプラグインしたい場合に使用します。

MCP

登録すると、コーディングエージェントは、必要のないジョブにフロンティアトークンを消費する前に、自分自身をチェックできます。

{ "mcpServers": { "tierline": { "command": "npx", "args": ["-y", "tierline", "mcp"] } } }

tierline_pick_model はプロンプトを受け取り、推奨を返します。tierline_catalogue はモデルを一覧表示します。

価格

価格は src/models.js に単一の編集可能なテーブルとしてあります。これらは、100万トークンあたり、またはベンダーがそのように請求する場合は文字、秒、画像、分、トラックあたりのUSDのリスト価格です。

これらはスナップショットであり、ライブフィードではありません。ベンダーは予告なく変更し、交渉されたエンタープライズレートは異なり、時には大きく異なります。誰かが出力に基づいて予算決定を行う前にそのファイルを編集し、パーセンテージは見積もりではなく形状として扱ってください。

これは何ではないか

これはプロキシではありません。リクエストパスに介在したり、キーを保持したり、何かを転送したりしません。質問に答えて、邪魔になりません。

データの保存場所、保持条件、ベンダーの承認、レート制限をモデル化しません。これらは価格に関係なくモデルを除外し、tierlineは注意事項でそのように述べており、そうでないふりはしません。

分類器は、訓練されたモデルではなく、文言に対するルールです。これは意図的なトレードオフです。src/classify.js のすべてのルールを読んで議論することができ、出力が予算決定である場合、数ポイントの精度よりも重要です。リクエストパスに学習されたルーターが必要な場合は、RouteLLM と OpenRouter Auto がそれをうまく行い、tierlineはそれらと競合しません。

位置づけ

モデルルーティングは活発な分野ですが、あまり重複しない3つのグループに分かれます。

OpenRouter Auto、RouteLLM、LiteLLMなどの推論プロキシはリクエストパスに位置し、呼び出し時にテキストLLMを切り替えます。AICost.aiやWeCompareAIなどのコスト計算ツールは、すでに選択したスタックの価格を計算します。Oakgenなどのアグリゲーターは、多くのモダリティを1つのクレジットプールの背後に置きます。

tierlineはこれらのどれでもありません。呼び出しの前に実行され、テキストLLMだけでなくモダリティにまたがり、ティアだけでなくツールも選択し、すべてにフラッグシップを使用するベースラインに対して月額請求額を予測します。これらの要素は個別に存在していました。組み合わせは存在しませんでした。

テスト

npm test

分類、ティアの下限と上限、シート価格のツールが呼び出しごとのランキングから除外されること、単調なスケーリング、カタログが適切に形成されていることに関する24のアサーション。

ライセンス

MIT