AI 中转站稳定性榜单：可用率、错误分类与样本置信度

每个样本要明确探针地区、网络、模型、请求大小、是否流式、超时和时间。一个中转站可能对国内模型稳定、对海外模型波动，也可能只在高峰期退化；全站单一可用率会掩盖这些差异。

榜单核验时间为 2026-08-29，展示的是指定窗口内的观测，不是未来承诺。应提供 24 小时、7 天与 30 天窗口，并允许读者查看覆盖模型与样本数。

证据边界：本节以 S1 支持“NIST 强调测量应采用客观、可重复、可扩展的测试验证流程，并记录不确定性、基准和方法。”。

至少区分 DNS、连接、TLS、401/403、429、5xx、超时、内容错误和正常响应。429 表示限流，不一定是整体宕机；401 可能是探针凭证问题；200 也可能返回错误正文，必须做协议与内容校验。

可用率可以用有效响应数除以有效样本数，但应排除明确的探针故障并公开排除规则。首字延迟、总时长和流式中断率独立统计，不用平均值替代 p50、p95 与 p99。

证据边界：本节以 S2 支持“RFC 9110 定义 HTTP 状态码与 Retry-After 等语义，便于按响应类型区分服务端不可用、限流与其他结果。”。

十次成功和一万次成功不能得到同样强度的结论。榜单可设置最小样本门槛，并对低样本服务商显示“观察中”，而不是用补零或主观估算填满排名。

跨服务商比较要使用相同任务模板和时间窗口。计划维护、明确 Retry-After 与突发不可达可分别展示，但不应秘密从分母移除；任何排除都记录 reason_code 和样本数量。

证据边界：本节以 S3 支持“RFC 6585 定义 429 为请求过多，避免将限流与普通服务失败混为同一错误。”。

稳定性分可由可用率、延迟、错误严重度、恢复速度与样本覆盖组成，但每个权重都应公开。NIST AI RMF 的透明、持续测量原则适合用于治理榜单方法，而不是替代具体统计设计。

风险边界是：外部探针无法代表所有用户网络，测试请求不覆盖真实负载，服务商也可能动态路由。榜单应提供原始聚合指标、算法版本、最后样本时间和申诉入口，避免把分数写成绝对质量认证。

工程落地时，为“AI 中转站稳定性榜单”建立独立 article_run_id，并保存 selected_semrush_record、database、measured_on、source_snapshot_ids、content_hash、reviewer 与 gate_status。Semrush 字段只参与选词和意图决策，不进入价格公式，也不把 US 指标解释成中文或中国市场需求。

论点账本必须逐条可回放：S1 对应 C1：“稳定性测量应定义模型、区域、时间窗口、请求类型与样本量，并公开不确定性。”；S3 对应 C2：“429 限流与 5xx 服务错误具有不同语义，不应合并成一个不可解释失败率。”。编辑器在段落层写入 evidenceRefs，构建检查确认引用 ID 存在；来源页面发生结构变化时，只把对应论点退回复核，不让整篇文章静默继承旧快照。

动态复核字段包括：模型、区域、窗口、样本数、2xx/429/5xx/超时计数、首字延迟与总延迟 p50/p95、剔除规则和置信提示。发布任务应读取当前页面、保留原始单位和地区、与上一快照做字段级 Diff，并记录核验日期 2026-08-29。缺失、受限或无法确认的值保持 null 或“待复核”，不使用 0、均值或相邻产品代填。

独立 SVG 采用“可用率、错误类型、延迟分位数与样本置信度”结构，输入维度为：sample window、n、2xx、429、5xx、timeout、TTFT p50/p95、confidence。图表只绘制有来源的数据，缺失项显示空缺；alt、caption、图内标题与正文使用同一术语，并在图注标明动态字段核验日期。