中转站测评口径说明

价格口径

主倍率取站方显示的分组倍率，按同一模型族和同一官方价格基准比较。缓存折合倍率只有在缓存价格、缓存命中率和实际用量足够复算时才出现；缺任何一项都显示无数据。人民币充值汇率属于站方自己的余额兑换规则，页面单独标注来源，不把未知汇率硬换成一比一。

可用率口径

采集记录来自站方公开监控或可访问的状态接口，本站按固定周期保存结果，并计算 1 天、3 天、7 天和 30 天窗口。达标需要 7 天与 30 天同时达到页面公布的基准线。只有 24 小时数据的分组不会被包装成长期稳定，连续失败和当前离线会单独显示。

统一实测标准

每个模型族固定一个模型和一个思考档，所有站使用同一组请求和判定规则。先检查模型列表与请求档位是否符合标准，不符合就停止后续比较并标注原因。旧标准、变体题和一次性结果保留历史，但不与当前统一标准混算。这样读者能区分“没有测过”和“测过但没有通过”。

真伪与完整性

真伪分项检查返回模型身份、协议、消息标识以及 Claude 等模型的思考签名；完整性检查 usage、推理字段和流式一致性。疑似换模型、回放或强信号异常会影响分项分数并从主榜剔除。弱信号只进入待复核或封顶规则，不把单个异常扩大成对整站的断言。

智商与降智

能力分使用固定难题和对照题，按程序判分；推理分观察思考块、reasoning tokens、截断特征和标准档位；稳定性分需要多日漂移复测。缺少子项时按剩余权重归一或标记未测，不能用宣传语填空。GPT 推理档出现低值但没有明确截断证据时，保持待核实，不直接判定。

六维评分和封顶

综合分由价格、可靠、真伪、智商、福利、计费诚信六个维度按页面公布的默认权重计算；缺少核心数据会降低可比性。疑似假模型、降智、站级强信号、待复核、计费输入偏高（已复测）和其他警告分别使用对应封顶或扣分规则。计费诚信样本不足的分组不出分、不计入。主榜只收统一标准实测完整的分组，其余进入观察区，所有结论带数据时间。

计费诚信

计费诚信只看统一标准实测里已有请求的计费输入：每道题的计费输入与同协议参考值逐题对比，按固定附加量、每 token 倍率、计量稳定、用量可核对四项从 100 分起扣。报告用量要与站方使用记录对得上、且有效题不少于 5 道才出分；否则显示「样本不足」，不出分、不计入综合分。低于 50 分的需隔几小时再独立采样一次，两次都复现才显示中性标签「计费输入偏高（已复测）」并把综合分封顶 70。计算方法见口径说明页。

数据限制

页面数据由程序定时采集，站方可能随时修改价格、模型、域名或接口。公开榜单不构成购买建议，也不代表稳定性或合规承诺。遇到页面与实际扣费不一致，优先保留原始页面、请求时间和扣费记录，通过反馈渠道提交，本站会在复测后修正或标记。

排序与观察区

价格分只在有对应基准时计算，读不到倍率或缺少模型标准就留空。可靠分主要看 7 天与 30 天窗口，只有短窗口时会降低可比性。真伪或智商没有统一实测的分组仍可查看公开价格，但不会伪装成主榜结论。观察区是信息不完整的提示，不等于对站点作负面结论。

复现与纠错

每条公开结论都应能回到站点、分组、模型族和采集时间。页面显示的数字是程序读取的快照，站方后台改价后可能出现时间差。提交纠错时附页面链接、看到的时间和可公开复现的最小步骤；我们会先检查采集原文，再决定补采、标记暂缺或修正。

答案页里的数据从哪里来

答案页「我们的数据」模块与本页同一口径：分组数、渠道、倍率分布与可用率来自公开 board.json，实测触发项来自公开实测记录（近 30 天、统一标准 probe-v2），只公开聚合数，不列站名。每个模块写明数据截至时间，随每轮采集自动重算；算不出的项留空，不用往期数字顶替。

渠道标签的口径

渠道标签（CC Max、Kiro、AWS、Pro 号池等）按站方分组名识别，是站方自述，不是上游证明；识别不出的分组记为未标注。渠道统计只用来说明市场结构和风险差异，不作为单个分组真伪的证据，真伪以统一标准实测为准。各渠道的含义见 渠道分组科普。

结论标签怎么读

通过、待复核、降智、疑似假模型、疑似回放、不符合标准是不同强度的证据：除思考签名这类硬证据外，异常要两次独立采样都复现才定性，单次触发只记待复测。每个标签的含义与判读方法见 怎么判断掺水、降智、假模型。

当前数据与下一步

• 收录 5200 个站 · 监控 2598 个站（其中 770 个站有站方可用率），随采集更新。
• 可用率每 30 分钟采集，分组倍率分档读取：入榜站每 30 分钟，实测分组与无站方监控的站每 2 小时内，其余站每天 1 次。
• 需要选站可查看 站点排名、模型比价 和 实测记录；实际接入前先小额验证。