充值前健康度自检
预算敏感型开发者
在大规模调用前，利用检测工具验证接口稳定性与延迟基线
避免资金浪费在低质或高延迟的节点上
本站下一步 →AI 工具箱 · 中转站检测与评测
面向中转站评测与成本核算：检测、多节点测速、API 实验室、倍率换算、Token 成本与价格同步串成一条工作流。每项标明能做什么 / 不能做什么 / 结果怎么读，避免把「通断」当成「真假模型」。可与 中转站大全、模型天梯 交叉对照。
必备工具（优先用）
覆盖：通断 → 测速验真 → 成本 → 监控 → 同步定价
连通 · 验真可实测必备
中转模型检测填 Base URL + Key：预检 /v1/models / Chat 多轮，快速判断中转能不能用。
轻量验收：这个 Base+Key 能不能用、有哪些模型、Chat 能否回包。
去检测 →连通 · 验真可实测必备
API 测速实验室TTFT / 吞吐 / 成功率 + bench_v1 四维能力分，对照天梯判断是否降智。
深度验收：速度分布 + 固定题库能力分，辅助判断是否疑似降智。
打开实验室 →监控 · 提醒可实测必备
API 定时监控余额 / 质量 / 能力按 10 分钟起定时探测，失败与恢复发邮件。
挂机观测：按设定频率做余额/质量/能力探测，异常与恢复邮件通知。
配置监控 →连通 · 验真可实测必备
多节点测速并行探测最多 6 个 Base URL 的连接、models 与可选 chat 延迟，对比中转节点。
同一机房视角下，并行对比多个 Base 的连通与 models 延迟。
多节点探测 →成本 · 换算必备
中转成本计算器官方 Token 价 × 综合倍率，估算日用 / Agent 旗舰线费用（CNY）。
官方 Token 价 × 站点综合倍率，粗算编码/Agent 费用。
估算成本 →成本 · 换算必备
NewAPI 倍率换算器model_ratio / completion_ratio ↔ 输入输出 $/M 双向换算，对齐 NewAPI 计费公式。
把 NewAPI 的 model_ratio 体系与 $/M 单价互相换算，避免调价算错。
去换算 →成本 · 换算必备
Token 成本速算输入/输出 Token 量 × 单价，秒算单次与百万次费用，支持 USD/CNY。
按用量 × 单价 × 倍率估算单次/合计费用（USD/CNY）。
去速算 →成本 · 换算必备
本地算力部署计算器显卡×模型能否部署、推荐量化/引擎、Token 产出、本地 vs API 费用与最佳配置方案。
按 GPU×模型×量化×多卡估算能否部署、吞吐、日产出 Token、本地费用与 vs API 回本；支持自定义显存、官方价填入与分享链接。
打开计算器 →情报 · 选型必备
开源模型部署频道全球主流开源 LLM：HF / Ollama / GGUF / ModelScope 下载链接 + 显存与部署计算器。
浏览开源模型 →价格 · 同步必备
正式价格 APINewAPI /api/pricing · Sub2API LiteLLM 表，可作上游同步数据源。
对外提供 NewAPI/Sub2API 可同步的公开价格 JSON。
接入文档 →价格 · 同步必备
中转倍率榜综合倍率、7 日可用率、决策四卡。
打开倍率榜 →带实测能力
会向你填写的 Base URL 发探测请求，用于验收中转与模型真实性。
连通 · 验真可实测必备
中转模型检测填 Base URL + Key：预检 /v1/models / Chat 多轮，快速判断中转能不能用。
轻量验收：这个 Base+Key 能不能用、有哪些模型、Chat 能否回包。
去检测 →连通 · 验真可实测必备
API 测速实验室TTFT / 吞吐 / 成功率 + bench_v1 四维能力分，对照天梯判断是否降智。
深度验收：速度分布 + 固定题库能力分，辅助判断是否疑似降智。
打开实验室 →监控 · 提醒可实测必备
API 定时监控余额 / 质量 / 能力按 10 分钟起定时探测，失败与恢复发邮件。
挂机观测：按设定频率做余额/质量/能力探测，异常与恢复邮件通知。
配置监控 →连通 · 验真可实测必备
多节点测速并行探测最多 6 个 Base URL 的连接、models 与可选 chat 延迟，对比中转节点。
同一机房视角下，并行对比多个 Base 的连通与 models 延迟。
多节点探测 →验真深度对照 · 选对工具
同一套 API，不同工具回答的问题不同。先看深度与额度风险，再点进详情页的能力边界。
能力边界速览
点进任意工具可看完整「能 / 不能 / 怎么读 / 可信度」。
中转模型检测
轻量验收：这个 Base+Key 能不能用、有哪些模型、Chat 能否回包。
- ✓ 预检 Base URL 是否公网可达（SSRF 拦截内网）
- ✓ GET /v1/models 拉模型列表（需 Key 时带鉴权）
- ✗ 不测真实业务压测 QPS / 并发上限
- ✗ 不做多地区节点对比（请用多节点测速）
可信度：通断结论可信；能力与「真假模型」需升级实验室。
API 测速实验室
深度验收：速度分布 + 固定题库能力分，辅助判断是否疑似降智。
- ✓ 多轮测 TTFT / Total / 吞吐 tok/s 与成功率
- ✓ bench_v1：数学 / 英文 / 中文 / 代码四维固定题
- ✗ 不是官方 MMLU/GPQA 认证榜，题量有限
- ✗ 不能证明「一定是官方 checkpoint」
可信度：筛「明显注水/挂掉」很有效；细粒度排名请结合天梯 + 多源。
多节点测速
同一机房视角下，并行对比多个 Base 的连通与 models 延迟。
- ✓ 最多 6 个 URL 并行
- ✓ 阶段：连接 → /v1/models → 可选 chat
- ✗ 不是全球多地区探针（无香港/美西等分布式节点）
- ✗ 不等于你电脑访问速度
可信度：节点间相对排序可信；绝对值随网络波动。
NewAPI 倍率换算
把 NewAPI 的 model_ratio 体系与 $/M 单价互相换算，避免调价算错。
- ✓ 倍率 → 输入/输出 $/M（含 group_ratio）
- ✓ 单价 → model_ratio / completion_ratio
- ✗ 不代表任何站点「实际扣费」——以账单为准
- ✗ 不处理固定价/按次/图片计费等特殊模型
可信度：公式换算准确；与真实账单需对账工具校验。
账单 CSV 对账
用你设定的单价规则重算「应计费」，对比 CSV 中的 cost 差额。
- ✓ 解析常见表头（model/prompt/completion/cost）
- ✓ 按模型覆盖单价
- ✗ 不保证适配所有厂商导出格式（复杂引号/合并单元格需预处理）
- ✗ 不自动拉取账单，需你粘贴 CSV
可信度：同规则下算术准确；差异原因需结合业务排查。
正式价格 API
对外提供 NewAPI/Sub2API 可同步的公开价格 JSON。
- ✓ GET /api/pricing 兼容 NewAPI type2
- ✓ GET /api/ratio_config 倍率 map
- ✗ 不保证与所有厂商官网实时一致
- ✗ 不是你站点的实际售价
可信度：同步格式正确；价格为聚合参考。
推荐使用路径
关注侧栏
任意页面右侧「关注」可聚合店铺 / 商品 / API / 监控状态（本机存储）。适合盯店上新与监控异常。
连通 · 验真
连通 · 验真可实测必备
API 测速实验室TTFT / 吞吐 / 成功率 + bench_v1 四维能力分，对照天梯判断是否降智。
深度验收：速度分布 + 固定题库能力分，辅助判断是否疑似降智。
打开实验室 →连通 · 验真可实测必备
中转模型检测填 Base URL + Key：预检 /v1/models / Chat 多轮，快速判断中转能不能用。
轻量验收：这个 Base+Key 能不能用、有哪些模型、Chat 能否回包。
去检测 →连通 · 验真可实测必备
多节点测速并行探测最多 6 个 Base URL 的连接、models 与可选 chat 延迟，对比中转节点。
同一机房视角下，并行对比多个 Base 的连通与 models 延迟。
多节点探测 →成本 · 换算
成本 · 换算必备
NewAPI 倍率换算器model_ratio / completion_ratio ↔ 输入输出 $/M 双向换算，对齐 NewAPI 计费公式。
把 NewAPI 的 model_ratio 体系与 $/M 单价互相换算，避免调价算错。
去换算 →成本 · 换算必备
Token 成本速算输入/输出 Token 量 × 单价，秒算单次与百万次费用，支持 USD/CNY。
按用量 × 单价 × 倍率估算单次/合计费用（USD/CNY）。
去速算 →成本 · 换算必备
中转成本计算器官方 Token 价 × 综合倍率，估算日用 / Agent 旗舰线费用（CNY）。
官方 Token 价 × 站点综合倍率，粗算编码/Agent 费用。
估算成本 →成本 · 换算必备
本地算力部署计算器显卡×模型能否部署、推荐量化/引擎、Token 产出、本地 vs API 费用与最佳配置方案。
按 GPU×模型×量化×多卡估算能否部署、吞吐、日产出 Token、本地费用与 vs API 回本；支持自定义显存、官方价填入与分享链接。
打开计算器 →监控 · 提醒
情报 · 选型
情报 · 选型必备
开源模型部署频道全球主流开源 LLM：HF / Ollama / GGUF / ModelScope 下载链接 + 显存与部署计算器。
浏览开源模型 →情报 · 选型
模型 ID 别名表中转 / NewAPI / OpenRouter / 官方 model id 对照与解析。
把乱七八糟的 model 字符串归一到常见 canonical / OpenRouter id。
查别名 →情报 · 选型
模型排行榜热门用量、任务消费、厂商份额与智力指数。
打开排行 →情报 · 选型
模型目录对标 OpenRouter：价格、上下文、Tools/Vision、智力指数。
浏览模型 →情报 · 选型
模型能力天梯四维分 + AA 多维复核，识别中转是否「真模型」。
看天梯 →情报 · 选型
托管商 Providers推理节点总部/机房、uptime、覆盖模型。
看托管商 →价格 · 同步
运维 · 数据
中转验真实验室
GrokCode 的 /tools 并非简单的功能堆砌，而是针对大模型推理与微调场景的“中转验真实验室”。我们剥离营销叙事，聚焦于算力调用的透明度与确定性。在模型迭代极快的当下，单一倍率参数已无法反映真实可用性，我们提供充值前的健康度检测与本地部署的显存估算，确保每一分投入都对应可量化的性能表现。
本栏目拒绝模糊的“综合体验”描述，转而通过天梯交叉排行与 API 中转链路追踪，还原模型在高压负载下的真实表现。无论是开发者评估 24GB 显存下的量化可行性，还是运维人员排查接口延迟，这里提供的是基于数据的决策依据，而非主观推荐。
常见场景怎么走
把账算清楚
综合倍率 0.8 的降智陷阱
已知：某模型标称倍率 0.8，但实际输出逻辑混乱
- 进入 /ladder 查看该模型近 24 小时的质量评分
- 对比同参数规模其他模型的平均准确率
- 分析 /api-transit 中的错误率占比
- 确认低倍率伴随的是逻辑退化而非成本优化
结论：倍率低不等于性价比高，需结合质量指标综合判断
本地 24GB 显存可行性验证
已知：需部署 7B 参数模型，硬件限制为 24GB 显存
- 访问 /tools/local-deploy 输入模型名称
- 选择 INT4 量化方案
- 观察显存占用估算值是否低于 20GB
- 检查剩余显存是否足够支撑上下文窗口
结论：量化后可行，但需限制上下文长度以保稳定
充值前接口稳定性检测
已知：计划充值 100 美元用于批量测试
- 使用 /api-transit/detector 进行 10 次连续请求
- 记录平均响应时间是否低于 500ms
- 检查错误代码是否包含 503 或超时
- 确认连续成功率是否高于 95%
结论：若检测通过，可安全充值；否则建议更换节点
本站术语
- 倍率
- 模型调用价格与基础模型价格的比值，反映成本效率
- 降智
- 模型在特定负载或节点下，逻辑推理能力显著下降的现象
- 显存估算
- 预测模型在本地部署时所需的 GPU 内存大小
- 天梯排行
- 基于实时数据对模型性能进行的动态排名系统
- 中转链路
- 请求从用户到最终模型提供商经过的网络路径
- 健康度
- 接口在稳定性、延迟和成功率方面的综合评分
- 量化
- 降低模型参数精度以减少显存占用和计算资源的技术
- 交叉排行
- 在不同任务维度下对模型进行的对比排名
别这样比
错 仅凭倍率高低决定充值金额
对 结合质量评分与延迟数据评估性价比
错 忽略本地部署的上下文窗口限制
对 根据显存剩余空间动态调整上下文长度
错 在未检测的情况下直接批量调用
对 先进行小样本健康度检测再扩大规模
错 盲目追求最新发布的模型
对 参考天梯排行选择稳定性高的成熟模型
错 假设所有渠道响应速度一致
对 通过中转链路追踪识别并避开高延迟节点
还想确认的
- 倍率低的模型一定更划算吗？
- 不一定。低倍率可能伴随降智或高延迟。需结合 /ladder 的质量评分与 /api-transit 的延迟数据综合判断，避免为低成本牺牲输出质量。
- 24GB 显存能跑多大参数模型？
- 取决于量化方式。通常 INT4 量化下 7B-13B 参数模型可行，但需使用 /tools/local-deploy 精确估算，并预留显存给上下文窗口。
- 如何判断接口是否稳定？
- 使用 /api-transit/detector 进行连续请求测试，关注错误率是否低于 5% 及平均响应时间是否稳定。不稳定接口会导致批量任务失败。
- 天梯排行数据多久更新一次？
- 数据实时更新，反映当前节点负载与模型响应情况。建议在高负载时段参考排行，避免选择拥堵节点。
- 中转链路会影响模型效果吗？
- 不会改变模型本身，但高延迟或丢包可能导致超时错误。通过 /api-transit 追踪可优化节点选择，提升整体调用成功率。
- 本地部署需要哪些准备工作？
- 需确认 GPU 显存大小、驱动版本及量化格式兼容性。使用 /tools/local-deploy 预估资源占用，确保硬件满足最低要求。
- 为什么不同渠道表现差异大？
- 各渠道服务器负载、网络路由及模型版本不同。通过 /channels 对比可发现高延迟或低质量节点，选择更优提供商。
- 充值前必须检测吗？
- 强烈建议。检测可暴露潜在稳定性问题，避免大额充值后遭遇服务中断或性能不达标，降低试错成本。
接着读
- API 中转机制详解 深入理解请求路由与节点选择策略
- 本地部署最佳实践 掌握量化与显存优化的具体技巧
- 天梯排行算法说明 了解模型排名的数据基础与更新逻辑
- 渠道质量评估标准 学习如何横向对比不同提供商性能
- 工具集使用指南 全面掌握实验室提供的各项检测功能
站内推荐
同系工具：Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗