稳定性榜单怎么看：明确监测对象、说明样本窗口、展示不确定性

操作速览

1. 固定模型、输入、网络与超时，先连续采集一小组样本；把首段响应和整个请求耗时分开。

2. 保存失败状态和时间。浏览器 CORS 被拒绝、密钥错误和模型服务失败需要分别排查，不能统一叫宕机。

3. 本站测速只在页面打开时运行，最多采样 20 次；这不能代替 24 小时、7 天或 30 天的服务器长期监控。

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。

本文介绍榜单测量方法，不代表本站已取得长期监控样本。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。

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。

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。

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。

价格、规则和产品状态可能变化，可通过这些原始页面确认当前信息。

AI 中转站返回 429 要算不可用吗？

应单独记为限流事件，并按公开规则计入容量或可用性维度；不能简单等同宕机，也不能完全忽略。

为什么 AI 中转稳定性榜单要显示样本量？

样本量决定统计结论强度。低样本的高成功率可能只是偶然，显示样本量能帮助读者理解不确定性。