timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Daily-checked AI model API prices from 120+ providers: search, compare, cheapest, cost estimates.
Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…
scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 0/80 | Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20 |
|---|---|---|
| Actualidad | 12/12 | Puntuación completa con una versión o cambio de código en 30 días |
| Sigue respondiendo | 0/8 | El endpoint en la nube respondió en la última revisión |
| Puntuación de uso | 12/100 |
Calidad: Pasó 1/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (Solo se usa en la pestaña En auge)
Elige la app de IA que usas y copia la configuración.
Pasó 1/3 revisiones · Funciona en tu computadora
Ocultamos parte de los comandos
Conectar por URL: la dirección del servidor no respondió cuando la revisamos
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría · Instrucciones del autor · Otros de esta categoría
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Claude todavía no puede conectar AI Rate Card
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría
ChatGPT todavía no puede conectar AI Rate Card
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría
Claude Code todavía no puede conectar AI Rate Card
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría
Cursor todavía no puede conectar AI Rate Card
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría
VS Code todavía no puede conectar AI Rate Card
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría
Aún no hay una forma de instalar que haya pasado la revisión. Mira las instrucciones del autor o elige otro servidor de esta categoría
Según cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se conectan por internet en
GooseLM StudioMsty StudioCherry StudioVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatOpen WebUIRaycast
Nombres y descripciones de las herramientas tal como los informó el servidor el 16 nov 2026. Los escribió el creador, no nosotros; los mostramos como texto sin formato.
search_offersSearch current AI model offers (one model at one provider = one offer) by words, model type and limits; priced offers first, doubtful prices after sane ones. Each row has offer_id, model_id, provider_id, prices in USD per 1M tokens (or per unit), card_url and a cite line. Next: g
get_model_pricesEvery seller's current price of one model (an id, or a name to search for), cheapest input first.
cheapest_offersThe cheapest current offers (rows: one model at one provider) of one model type, by input price. For the cheapest MODELS of a job (one row per model) use cheapest_models_by_task; for a monthly workload use cheapest_for_workload.
compare_models2 to 5 models side by side: the best current offer of each and, for up to 4, every field compared (lowest and median input/output price, context, max output, providers, regions, a 1M-in/200k-out workload cost), who wins by how many percent, providers selling all, and summary sent
estimate_costThe cost of a workload (input, output and cached input tokens, number of requests) at every current provider of one model, cheapest first, in USD - what the same job costs where.
media_costThe cost of an images / video / voice job at every model that sells it by its own unit, the cheapest offer of each model, cheapest first, USD: kind image (quantity = images), video (seconds), tts (characters to speak), stt (minutes of audio to transcribe). Models priced per token
rag_costWhat a RAG / document-search set-up costs in embeddings and reranking: pages of documents and tokens per page embedded once, the percent changed and re-embedded each month, queries a day embedded, and passages reranked per query - at the cheapest listed seller of every embedding
agent_costWhat a coding / tool-using agent costs a month on each model: tasks a day, model calls per task, context tokens per call, answer and reasoning tokens per call, percent of the context read from the prompt cache - priced at the cheapest real-time seller of each model (default: 13 u
subscription_vs_apiIs a chat subscription (e.g. Claude Pro) cheaper than the same use through the API? Messages a day and tokens per message priced at the cheapest real-time seller of a model and at the maker's own API, a month of 30 days, against the subscription's price, with the break-even messa
cache_batch_savingsWhat prompt caching and batch / flex save on one model: monthly input and output tokens priced at every listed seller plain, with the given share of input read from the cache (the seller's own cache-read price) and, if can_wait, the seller's batch / flex offers. USD, cheapest fir
models_by_classBase models by class S/A/B/C/D in one direction (S best; today: reasoning), best score first: class (null = one source, score only), score 0-100, sources and each source's score (Arena, Epoch). A class needs two independent public sources. Method: https://airatecard.com/en/classe
get_cardOne card with its citation. card_id is ' : ': offer: | (e.g. offer:anthropic|claude-opus-4), model: / (e.g. model:anthropic/claude-opus-4), seller: (e.g. seller:anthropic). Ids come from search_offers (offer_id, model_id, provider_id) and from the card_url of every result. Works
validate_provider_filesFor a provider (seller) joining the catalog: check a models.yaml before putting it online - the same check as the wizard and POST /v1/provider/validate. Give the file's text in `models` (YAML, or the same structure as JSON text); `domain` (the provider's site) makes the model_pag
cheapest_for_workloadThe cheapest offers for a whole monthly workload, ranked by monthly cost in USD: give a preset (a typical job; see list_workload_presets) and/or your own tokens a month. Best offer of each model; free promos and batch/flex/priority/regional prices left out unless asked. Each row:
list_workload_presetsThe ready-made workloads of cheapest_for_workload: name, what job it is, tokens a month, context needed, model type.
list_articlesAI Rate Card's articles on AI model prices (the cheapest models by task, price moves, costs), newest first, with their links - to quote or point a reader to.
cheapest_models_by_taskThe n cheapest MODELS for a job (task): each model counted once at its own lowest current price (input tokens by default). One row per model with that price, where it is and card_url.
most_expensive_models_by_taskThe n most expensive MODELS for a job (task): each model counted once at its own lowest current price, highest first - the top of the market. Same arguments as cheapest_models_by_task.
median_price_by_taskThe typical (median) current price of a job (task) across models, and the n models closest to it - what a normal price for this job is. Same arguments as cheapest_models_by_task.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 19 nov 2026
El registro no indica ningún repo de código fuente, así que no podemos relacionar a quien lo publicó (airatecard.com) con el código
Todavía no hemos leído este repo en GitHub
Todavía no hemos leído este repo en GitHub
No respondió en 6 segundos cuando lo revisamos
No respondió en 6 segundos cuando lo revisamos
Leímos 19 descripciones de herramientas y no encontramos instrucciones ocultas para la IA
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/airatecard-ai-rate-card)Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.
Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.
Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.
Aún no hay reseñas
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 1 de 3 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en la nube del creador. Te conectas por internet sin instalar nada, pero lo que envías pasa por los servidores del creador.
El repo de GitHub cambió por última vez –, y la última versión (1.0.1) llegó al registro hace 14 días.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. Se conecta por URL, así que también sirve en apps que aceptan MCP remoto, como ChatGPT en la web (MCP completo en Business y superiores; Pro solo lectura).
En la misma categoría: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.
Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
Search and read Empryo's documentation. Read-only, no auth, no local access.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| Este AI Rate Card | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada |
| Necesita clave | No | No | No | No | No | No |
| Se añade con + en Claude | No | Sí | Sí | Sí | No | No |
| Revisiones básicas | 1/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Licencia | – | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| Precio | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro |
No se encontró un README en el repo