资料层 · 公开信息
人工核验 · 字段级记录 observed_at
最低起充、支付方式、退款与开票政策、企业服务取自官网或运营方公开页面。没有依据的字段留空，不用推测值补全。
ZHONGZHUANCHA / METHOD
鉴真方法
把「这家中转站给的是不是真模型」拆成可复核的字段、公式和阈值：采集什么、怎么算、什么算通过、什么情况下不下结论。
方法版本 featured-overall-v2 · 套件 hovy
三层数据分开看
资料、监测、鉴真是三种不同的证据，不能互相替代
监测层 · 端点探测
状态 15 分钟一轮 · 指标按 24h / 7d / 30d 聚合
对公开 /v1 端点做无鉴权探测：401 / 403 记为需要鉴权（端点存活），5xx、超时、连接失败记为失败。探测只能证明端点活着，不能证明模型是真的。
鉴真层 · 真实请求
每次检测出一份公开报告
用真实 Key 发起对话请求，跑 7 项能力检查，记录首 Token、总耗时、输出 Token 与失败码；Key 不写入浏览器存储、日志或报告。
鉴真检测的 7 项能力检查
一次检测跑一轮主请求 + 一次逻辑探针 + 一次流式探针，逐项判定
| 检查 key | 检查项 | 判定依据 |
|---|---|---|
| model_fingerprint | 型号指纹匹配 | 响应里的 model 与请求的 model 完全一致 |
| reasoning_stability | 逻辑求解稳定性 | 同一逻辑题两次作答一致，且都是「是」 |
| structure_constraints | 结构约束遵循 | 返回可解析 JSON，且 schema.status=ok、schema.count=3 |
| parameter_fidelity | 调用参数保真 | params 原样回显 temperature=0.2、top_p=0.95、max_tokens=64 |
| instruction_hierarchy | 指令层级遵循 | 用户诱导改成 RED 时，仍遵守系统消息返回 instruction=GREEN |
| protocol_fields | 协议字段规范 | HTTP 200、响应结构有效、且返回可用的 usage |
| stream_integrity | 流式响应完整性 | 流式探针返回 STREAM_OK，且流内型号与请求一致 |
套件分 = round(通过项 ÷ 7 × 100)。报告页展示的 score/100 与套件分同口径；任务被取消或结果无效时不产生分数。
采集字段与用途
每个字段都写清楚来源，缺失时统一显示「未采集」而不是 0
| 字段 | 含义 | 采集方式 | 在评分中的用途 |
|---|---|---|---|
| dns_ms | DNS 解析耗时 | 请求前计时 | 诊断网络路径，不进入评分 |
| connect_ms | 请求阶段耗时 | 建连到首个响应事件计时 | 诊断线路质量 |
| first_token_ms | 首 Token 时间 | 首个流式增量到达时间 | P50 / P95 延迟口径 |
| total_ms | 总耗时 | 请求开始到结束 | 输出速度分母与超时判定 |
| output_tokens | 输出 Token | 上游 usage 或估算（output_tokens_estimated 标记） | 输出速度分子 |
| tokens_per_second | 输出速度 | output_tokens ÷ (total_ms − first_token_ms) × 1000 | 性能展示，不做跨模型比较 |
| http_status | HTTP 状态 | 响应状态码 | 失败归因的第一层证据 |
| stream_supported | 流式输出支持 | 是否存在增量 chunk | 套件检查 stream_integrity 的前置条件 |
| response_valid | 响应结构有效 | JSON / 事件流解析结果 | 致命项：无效即判不通过 |
| model_match | 模型一致 | 响应 model 与请求比对 | 致命项：不一致即判身份存疑 |
| usage_available | usage 可用 | 响应体是否含 usage | 计费可信度与协议字段检查 |
| suite_result | 能力套件 | 7 项检查的通过数 | 生成 score / passed / total |
检测评分与判定阈值
suiteScore = round(passed / total * 100) // total = 7
reportScore = suiteScore // 报告页 score/100
if (!model_match || !response_valid) verdict = "身份存疑"
else if (suiteScore >= 85) verdict = "通过"
else if (suiteScore >= 60) verdict = "存疑"
else verdict = "不通过"- 致命项：型号指纹或协议字段未通过，直接判「身份存疑」，不因其他项通过而改判。
- 延迟只作展示：首 Token ≤ 1500ms 记「优」、≤ 3000ms 记「良」、≤ 6000ms 记「一般」，超过 6000ms 记「慢」。
- 以上为本站展示判定；外部收录报告（origin=imported）保留来源平台自己的判定与扣分，不改写。
- cancelled / invalid 的任务不计分，也不进入站点结论。
综合评分公式（featured-overall-v2）
component = round2(归一化值 * 权重) // 每维先算到 0-1，再乘权重
overall = clamp(round( // 四舍五入到整数
perf + valid + coverage
+ pricing + basic + service
), 0, 100)
sample_limited = valid_reports < 3 // 有效报告不足 3 份缺失字段按 0 计入该维，不猜值；「样本受限」只做标注，不额外加分或减分。目录收录（directory_unrated）不参与综合评分。
六维权重与单维公式
权重合计 100，历史检测表现占 40，是分数的主导项
| 维度 key | 维度 | 权重 | 计算方式 |
|---|---|---|---|
| historical_performance | 历史检测表现 | 40 | 有效报告得分中位数 ÷ 100 × 40 |
| historical_valid_rate | 历史有效检测率 | 15 | 有效报告数 ÷ 报告总数 × 15 |
| model_protocol_coverage | 模型与协议覆盖 | 15 | min(协议数, 3) ÷ 3 × 7.5 + min(模型族数, 5) ÷ 5 × 7.5 |
| public_pricing_completeness | 公开报价完整度 | 10 | 已确认报价字段 ÷ 字段总数 × 10 |
| basic_profile_completeness | 基础资料完整度 | 10 | 已确认基础字段 ÷ 字段总数 × 10 |
| service_completeness | 服务项完整度 | 10 | 支付 / 退款 / 开票 / 企业四项中已确认的比例 × 10 |
聚合指标口径
可用率、P95 与各项均值都只统计有效样本，窗口为 24h / 7d / 30d
| 指标 key | 指标 | 公式 | 说明 |
|---|---|---|---|
| availability | 可用率 | success ÷ (success + failed) | cancelled 不进分母；按 24h / 7d / 30d 窗口统计 |
| p95_first_token_ms | P95 首字延迟 | percentile_cont(0.95) 对成功样本的 first_token_ms 线性插值 | 只统计成功且 first_token_ms 非空的样本 |
| average_first_token_ms | 平均首字延迟 | AVG(first_token_ms) | 仅成功样本 |
| average_total_ms | 平均总耗时 | AVG(total_ms) | 仅成功样本 |
| average_tokens_per_second | 平均输出速度 | AVG(tokens_per_second) | 仅成功样本，跨模型不可直接比较 |
| probe | 端点探测 | 无鉴权请求 /v1 | success / auth_required / unsupported / failed 四态，附 HTTP 状态与往返延迟 |
掺水率（water_rate）与降智率（dilution_rate）暂标注为「定义待确认」，定义确认前不参与排序。
带 simulated / 演示 标记的数据只用于界面校验，不进入排行榜与检测结论。
状态枚举
页面上的状态标签只有这 7 种取值
- normal正常
- fluctuating波动
- failed故障
- maintenance维护
- insufficient_samples样本不足
- stale数据过期
- unmonitored未监测
失败码归因
失败一律进失败分母；归因决定这条记录算谁的问题
| 失败码 | 含义 | 责任方 | 处理 |
|---|---|---|---|
| RELAY_FAILURE | 中转站返回错误 | 中转站 | 可重试 |
| UPSTREAM_FAILURE | 官方上游服务故障 | 官方上游 | 可重试 |
| NODE_NETWORK_FAILURE | 检测节点无法连接 | 检测节点 | 可重试 |
| TEST_KEY_INVALID | 测试 Key 无效 | 测试 Key | 换 Key |
| TEST_KEY_BALANCE_INSUFFICIENT | 测试 Key 余额不足 | 测试 Key | 充值后重测 |
| RATE_LIMITED | 请求受到限流 | 中转站 | 稍后重试 |
| WORKER_FAILURE | 检测服务异常 | 检测 Worker | 可重试 |
| MODEL_RESPONSE_ERROR | 模型响应异常 | 模型响应 | 可重试 |
| TIMEOUT | 请求超时 | 中转站 / 节点 | 可重试 |
| INVALID_RESPONSE | 响应格式无效 | 中转站 | 先复核配置 |
| UNKNOWN | 暂时无法判断 | 未知 | 人工复核 |
分档与展示规则
分数只是入口，逐份报告才是证据
≥ 80
资料较完整
历史报告与公开字段齐全，仍需逐份看检测报告；出现「样本受限」时分数只作参考。
65 – 79
有可查历史
有本站报告或历史记录，建议核对协议覆盖、有效检测率和最近一次失败原因。
< 65
缺口明显
资料或历史报告缺失较多，价格低不等于可用，建议小额试用并自测。
未评级
目录收录
只在服务商目录中出现（directory_unrated），没有足够证据进入综合评分。
检测结果反映采集时点的端点与样本，不承诺服务商长期稳定；收录与分数都不等于推荐。
Key 只用于单次请求，不落库、不进日志与报告；页面结论不替代采购方的独立判断。
常见问题
＋检测分和综合评分是同一回事吗？
不是。检测分来自一次真实请求的 7 项能力检查（passed ÷ 7），综合评分是站点级历史聚合：六维加权，含资料完整度、模型协议覆盖与历史报告表现。
＋为什么没有本站检测报告的站点分数偏低？
综合评分里历史检测表现占 40 分、有效检测率占 15 分。没有报告时这两维只能按 0 计，属于证据不足，不等于服务商有问题。
＋可用率高就代表模型是真的吗？
不代表。可用率只衡量端点能否稳定返回；模型真假看鉴真得分里的型号指纹、逻辑稳定性、参数保真与流式完整性等检查项。
＋页面上的 401 探测结果是什么意思？
探测请求不带 Key，401 / 403 说明端点存活但要求鉴权（auth_required）。它证明服务在线，不能证明接口背后是哪个模型。
＋「样本受限」「演示数据集」怎么处理？
有效报告少于 3 份时标注样本受限，只做提示、不额外加减分；带 simulated 或 demo 标记的样本用于界面校验，不进入排行与检测结论。
＋发现数据有误怎么纠正？
通过关于页的反馈表单提交页面、字段与公开依据，经公开来源复核后更新字段值与观察时间。