标准检测包含什么
平台依次检查 HTTPS 连通性、鉴权、模型列表、最小生成、流式响应、结构化输出、工具调用、usage 计量和有限的行为一致性信号。一次标准检测通常产生 6–12 次低输出调用。
为什么不直接写“真模型”
API 返回的模型名可以被网关改写，单次身份回答也能被提示词影响。只有在同协议、同参数并具备可靠参考样本时，行为指纹才有较强意义。参考不足时报告固定显示“证据不足”。
榜单公式
综合分由在线率 40%、模型一致性 30%、同模型相对延迟 15%、协议能力 10%、样本置信度 5% 组成。新站立即参与，但采用 20 个样本强度的全站先验，避免单次成功直接登顶。
在线率
统计近 30 天有效模型响应。401、403、429、上游 5xx、超时和无效响应会分类记录并计为不可用；ModelCheck 自身调度故障不计入站点失败。当前属于单节点技术观测，不代表所有地区网络体验。
匿名样本
用户检测命中已收录端点时可计入站点样本，但单日对排名的影响受到上限约束，并执行去重与异常值过滤。