RelayPick 评分方法论：四维权重与扣分规则全公开

为什么是价格 35 / 稳定性 25 / 真实性 25 / 透明度 15

RelayPick 综合分满分 100，按四个维度加权后得到。权重看的是用户选站时实际承担的代价，而不是哪个维度在抽象意义上更正确。规范文档在 /about/methodology，本文只解释设计取舍。截至 2026-08-13，公开规则版本为 2026.08.1。

价格占 35。同一模型在不同中转站的标价会直接变成每百万 token 的现金支出，价差无法用体验描述抵消，所以价格权重大于其余三维。稳定性占 25。探针把 5xx 响应与请求超时统一计为失败，生产任务中断的成本通常高于省下的那一点差价，因此稳定性单独占四分之一。真实性同样占 25。如果上游不是宣称的模型，价格和稳定性都失去比较意义；假模型会同时污染成本与可用性判断，所以真实性与稳定性同权。透明度占 15。公告、退款与限制变更是否公开，影响的是用户能不能提前止损，而不是当下这一次请求能不能跑通。它进入公式，但不压过三个可实测维度。

这套权重直接体现在 排行榜 的综合分上。站点页会拆开四个维度分，便于对照某一维的短板，而不是只看总分。

六条扣分规则与它们的设计意图

加权分之外还有六条规则。多数规则的动作是扣分或预警，不是直接移出榜单。触发条件写在规则里，不按主观印象加减分。

观察期不足 30 天（observe_lt_30d）

触发条件是 listed_days < 30，处置为不进榜（exclude）。新站即使标价低、宣传稳，也还没有足够长的探针窗口。30 天是进榜门槛，不是扣分：观察期内站点可以出现在目录里，但不进入 排行榜 排序。把短窗口样本直接写进名次，一次较长中断或一次集中验真失败就会把比例拉偏。

验真通过率<60%（verify_lt_60）

触发条件是 verify_pass_rate < 0.6，处置为判定未通过（fail_verdict）。验真走独立的每日分散抽样，跟每 10 分钟一次的可用性探针分开。通过率掉到 0.6 以下，说明宣称模型与实测响应经常对不上；这时继续给综合分会误导比较，所以走判定未通过，而不是扣几分了事。

连续掉线>24h（downtime_24h）

触发条件是 downtime_hours > 24，处置为扣 15 分并预警（warn）。24 小时覆盖完整的一个自然日周期，用来过滤短暂抖动。扣 15 分会明显改变综合分，但站点仍留在榜上，方便对照后续窗口是否恢复。连续掉线可能是机房故障、上游故障或站点停运，需要结合后续窗口看，预警不等于已经定性。

域名 30 天内变更（domain_30d）

触发条件是 domain_changed_days <= 30，处置为扣 10 分并预警（warn）。域名变更本身不一定是跑路，但 30 天内发生变更会打断既有的监测锚点，也提高用户把余额充到旧域名上的风险。扣 10 分是把“身份刚刚变过”标出来，不是给变更本身定罪。

静默下调限制未公告（silent_limit）

触发条件是 silent_limit == true，处置为扣 6 分（deduct）。并发、限速或可用模型被悄悄下调时，用户往往要到账单或报错里才发现。6 分低于掉线和域名变更，因为它通常还没有让服务完全不可用，但已经破坏了按标价做容量规划的前提。例如 砚台 API 被记录为静默改限制时，按本条处理。

退款投诉≥3 且未回应（refund_3）

触发条件是 refund_complaints >= 3，处置为扣 8 分并预警（warn）。单条投诉可能是个案。阈值定在 3 条且未回应，是为了把客服通道失效和偶发纠纷分开。预警之后站点仍计分。例如 磐石 Relay 若处于退款反馈未闭环的状态，应把它读成风险信号，而不是已经定性的结论。

观察期 30 天：为什么新站不能立刻进榜

可用性探针每 10 分钟一次，但进榜看的是窗口是否足够长。不足 30 天的样本里，一次较长中断或一次集中验真失败都会把比例拉得很偏。用 exclude 而不是先给分再扣，是为了避免新站用短窗口刷出不能复现的名次。

观察期满 30 天后，按当时的加权分与其余五条规则计算，不会因为曾经处于观察期而额外扣分。

规则可复现意味着什么

可复现指三件事：权重公开、扣分触发条件公开、规则带版本号。任何人可以用同一套口径，对照站点页上的公开指标，复核 排行榜 上的综合分是否与规则版本 2026.08.1 一致。

规则调整以新的版本号和新的发布记录为准。本文不承诺固定的改权重周期。RelayPick 不销售 API 额度，不接受排名付费；评分变更会进入公开更新日志。