dynamic-feed

Dynamic Feed — Live AI Data 是一个每日更新的结构化数据集，旨在提供语言模型自身不具备的、变化速度快于其训练截止日期的实时信息。数据集包含五个核心JSON文件：1) `models.json`：收录约250个AI模型的当前定价（每百万token美元计）、能力参数（如上下文窗口大小）、视觉/工具支持等信息。2) `mcp_servers.json`：一个MCP（模型上下文协议）服务器注册表，包含GitHub星标数和软件包信息，可供AI智能体连接使用。3) `service_status.json`：记录主要AI与开发服务近期的运行状态（正常/中断/降级）。4) `ai_news.json`：汇总各提供商的最新AI产品发布与公告。5) `dynamic_feed.json`：整合了以上所有数据的单一文件。数据来源于公开权威渠道：模型定价通过开源的LiteLLM数据集聚合，MCP服务器信息来自公共PulseMCP目录，服务状态取自各提供商的公开Statuspage，AI新闻则采集自官方博客和更新日志。该数据集适用于大型语言模型（LLM）应用、AI模型定价分析、MCP工具与智能体开发、AI服务状态监控以及AI领域动态追踪等场景。Dynamic Feed — Live AI Data is a daily-updated structured dataset designed to provide real-time information that large language models (LLMs) themselves do not possess, and whose update speed exceeds their training cutoff dates. The dataset includes five core JSON files: 1. `models.json`: Compiles current pricing (priced in USD per million tokens), capability parameters such as context window size, visual and tool support, and other relevant details for approximately 250 AI models. 2. `mcp_servers.json`: A Model Context Protocol (MCP) server registry containing GitHub star counts and software package information for AI Agent connections. 3. `service_status.json`: Records the recent operational status (normal/interrupted/degraded) of major AI and development services. 4. `ai_news.json`: Aggregates the latest AI product launches and announcements from various providers. 5. `dynamic_feed.json`: A single consolidated file integrating all the above data. The dataset's data is sourced from public and authoritative channels: model pricing is aggregated via the open-source LiteLLM dataset, MCP server information comes from the public PulseMCP directory, service status is obtained from each provider's public Statuspage, and AI news is collected from official blogs and changelogs. This dataset is suitable for scenarios including large language model (LLM) applications, AI model pricing analysis, MCP tool and AI Agent development, AI service status monitoring, and AI industry trend tracking.

原始信息汇总

数据集概述：Dynamic Feed — Live AI Data

数据集简介

该数据集提供由权威来源每日更新的结构化实时AI数据，涵盖语言模型训练截止日期后快速变化的信息。

数据内容

数据集包含以下文件：

文件	内容描述
models.json	约250个AI模型的当前定价与能力信息（每百万Token美元价格、上下文窗口、视觉/工具支持等）
mcp_servers.json	MCP服务器注册表（含GitHub星数和软件包信息），可供AI智能体连接的工具集合
service_status.json	主要AI及开发服务的近期运行状态（正常运行/故障/降级）
ai_news.json	各AI提供商的最新发布和公告
dynamic_feed.json	上述所有数据的合并文件

数据来源

• 模型定价：聚合自开源 LiteLLM 数据集
• MCP服务器：来自公开目录 PulseMCP
• 服务状态：来自各提供商的公开 Statuspage
• AI新闻：来自官方提供商博客/更新日志

许可证

CC-BY-4.0 — 允许自由使用，但需注明出处：Dynamic Feed (https://dynamicfeed.ai)

引用格式

Dynamic Feed — Live AI Data. https://dynamicfeed.ai

访问方式

• 实时API：https://dynamicfeed.ai
• 远程MCP：https://dynamicfeed.ai/mcp

搜集汇总

数据集介绍

构建方式

Dynamic Feed数据集旨在为大型语言模型提供超越其训练截止日期的最新结构化信息。其构建过程基于每日自动更新的机制，系统性地从多个权威公开源头采集数据。模型定价数据聚合自开源的LiteLLM数据集，MCP服务器目录取自PulseMCP公共平台，服务状态信息则通过各服务商公开的Statuspage页面获取，而AI新闻源自官方博客与更新日志。所有数据被整合为多个独立的JSON文件，如models.json和mcp_servers.json，并最终汇总于一个统一的dynamic_feed.json文件中，方便机器学习流水线直接调用。

使用方法

研究人员与开发者可通过两种方式便捷地使用该数据集。其一，直接访问Dynamic Feed的网页API端点（https://dynamicfeed.ai）以编程方式获取实时数据。其二，可通过远程MCP协议（地址为https://dynamicfeed.ai/mcp）建立连接，使AI智能体能够动态发现并调用数据集中的工具与服务。所有数据均采用CC-BY-4.0许可证发布，用户只需在作品中标注出处“Dynamic Feed (https://dynamicfeed.ai)”，即可自由用于研究、应用开发或模型训练。

背景与挑战

背景概述

动态数据对于大型语言模型（LLM）的实时性与准确性至关重要。传统模型受限于训练数据截止日期，难以捕捉快速演变的AI领域信息。为此，Dynamic Feed数据集应运而生，该数据集由Dynamic Feed团队持续维护，核心研究问题在于为LLM提供每日更新的结构化数据，弥补其知识滞后缺陷。数据集涵盖约250个AI模型的定价与能力、MCP服务器注册信息、服务状态及新闻动态，整合自LiteLLM、PulseMCP等权威来源，自发布以来成为连接实时信息与LLM应用的关键桥梁，对AI代理、工具集成及模型选择等研究领域产生了重要影响。

当前挑战

Dynamic Feed数据集主要解决LLM领域内实时数据匮乏的挑战，即模型因训练截止日而无法获取频繁变动的定价、服务状态等关键信息，制约了其在动态环境中的决策能力。构建过程中面临多重挑战：首先，多源异构数据的整合要求高频率的格式标准化与质量校验，以确保一致性；其次，每日更新的机制需平衡时效性与资源成本，避免服务中断；此外，MCP服务器等新兴工具的元数据动态性强，需设计灵活的采集架构以适应条目频繁增减，同时维护长期引用的稳定性。

常用场景

经典使用场景

在人工智能与自然语言处理领域，大语言模型的性能高度依赖于其所摄入数据的时效性与准确性。dynamic-feed数据集作为一款实时更新的结构化数据源，其经典使用场景在于为大语言模型提供超越静态训练截止日期的动态知识注入。通过每日从权威来源聚合的AI模型定价、MCP服务器注册表、服务状态及AI新闻等多维度信息，该数据集成为增强型检索增强生成系统的关键基石，使模型能够在推理时获取最新、最准确的行业动态。

解决学术问题

学术界长期面临大语言模型知识过时与事实性错误的核心挑战，尤其是模型训练数据截止日期后发生的技术革新与市场变化无法被有效捕获。dynamic-feed数据集精准解决了这一问题，通过提供持续更新的结构化实时数据，支撑了知识新鲜度评估、时序知识图谱构建及动态事实校验等研究方向。其意义在于为可信赖AI系统的研究提供了可复现的实时数据标尺，推动了动态知识融合理论的工程化落地。

实际应用

在实际业务场景中，dynamic-feed数据集展现出多元化的应用价值。AI工具定价分析平台可借助其模型定价与能力数据，为开发者提供精准的性价比对比；智能代理系统通过MCP服务器注册表动态发现可用工具接口，扩展自身能力边界。此外，AI服务可靠性监控工具利用服务状态数据实现实时告警与故障预警，而行业情报聚合产品则依赖AI新闻模块追踪技术演进脉络，赋能企业决策。

数据集最近研究

最新研究方向

Dynamic Feed数据集聚焦于大型语言模型生态系统的动态数据聚合与实时更新，其最新研究方向涵盖AI模型定价与能力的持续追踪、MCP服务器注册表的构建、服务状态监控以及AI新闻的即时汇总。该数据集通过整合LiteLLM、PulseMCP等权威来源，为智能体与AI工具的开发提供了结构化、高时效性的数据基础，尤其在多智能体协作与工具调用场景中具有重要应用价值。随着AI模型迭代加速与MCP协议生态的快速扩张，Dynamic Feed成为连接训练截止点与实时环境的关键桥梁，推动了AI代理的自主决策能力与系统鲁棒性研究，对构建可演化的智能基础设施具有深远意义。