422 家 AI 中转站里， 411 家最近三天没有留下真实调用记录

最近看 AI API 中转服务相关信息时，有个数字反差挺值得讨论：截至 2026 年 11 月 13 日 17:58 （ UTC+8 ），中转查收录了 422 家中转站，但在此前 72 小时内，留下真实模型调用样本的只有 11 家。换句话说，另外 411 家在这个统计窗口里没有真实调用样本。

这个数字乍看很容易让人得出一个结论：是不是绝大多数站都已经不可用了？但如果把监测口径拆开看，就会发现事情没这么简单。没有样本，不等于服务不可用；被收录，也不等于已经通过实测。这几个概念经常被混在一起。

收录、端点探测、真实调用，其实是三件事

收录只是把一个服务商纳入信息列表，意味着它有公开资料或被提交收录，并不代表平台已经成功调用过它的模型。

端点探测通常是对公开 API 地址做基础连通性检查。例如，对一个 /v1 端点发起不带鉴权信息的请求，如果返回 401 或 403 ，通常说明服务端已经收到请求，只是要求身份验证。它不能被简单算成服务故障。相反，如果出现连接失败、超时或 5xx ，才更接近端点层面的异常信号。

真实模型调用则更进一步：使用有效凭证发起模型请求，观察请求是否成功、首 Token 延迟、总耗时、返回内容和 usage 等信息。它比单纯探测端口更接近用户实际使用体验，但也只代表特定模型、特定时间和特定测试条件下的表现。

有真实样本的站点，数据也不能脱离样本量看

以当时近 72 小时的真实调用样本为例：硅基流动 144/144 ，成功率 100.00%； Packy Code 286/288 ，99.31%；管饱 280/285 ，98.25%；开桥 openqiao 277/284 ，97.54%； oxcodex 274/286 ，95.80%。这些数字能说明在该窗口和测试条件下，样本请求的成功情况，但不能直接推导出长期表现。

比如 144 次全部成功，不代表未来永远不会失败； 286 次里出现两次失败，也不代表服务长期不稳定。还需要看样本是否集中在某个时间段、测试的是哪一个模型、请求是否来自同一地区，以及失败是否集中发生在某种特定负载下。

另外，411 家没有真实调用样本的站点，也不能直接被判定为不可用。它们可能没有被纳入当前测试任务、没有可用测试凭证、暂时没有产生样本，或者监测窗口内没有触发真实请求。正确的表述应当是“当前窗口没有样本”，而不是“已经测出不可用”。

为什么“没有数据”本身也值得展示

很多服务评测只展示一个分数或一个排名，却不告诉读者这个分数背后有多少样本、采样持续了多久、失败请求怎么处理。这样很容易让一个看起来精确的百分比，产生超出它实际证明能力的含义。

对使用者来说，至少应该把三件事分开看：第一，服务商是否被收录；第二，端点在基础网络层面是否可达；第三，带有效凭证的真实模型请求是否成功。它们对应不同问题，不能拿其中一个替代另外两个。

中转查的排行榜和监测页尝试把这些信息分开呈现：包括站点资料、端点状态、真实调用样本以及历史表现。它并不能替用户证明一家服务商一定可靠，也不能代替用户自己做小额试用和风险判断，但至少可以让“这个分数从哪里来”更容易被追问。

我更想讨论的是：AI 中转服务已经有这么多家，用户在选择时却经常只能看到宣传页、价格表和群聊反馈。有没有可能让行业逐渐形成一种习惯——公布测试窗口、样本量、失败口径和历史变化，而不是只放一个没有上下文的“稳定率”？

数据快照说明：文中数字取自 2026 年 11 月 13 日 17:58 （ UTC+8 ）左右的公开页面快照，统计窗口为此前 72 小时。样本会随时间变化；不同模型、地区、请求参数和负载下的结果可能不同。无样本不代表不可用，收录也不代表推荐。

我线上就这样搞过，没有真实调用记录可能是监测系统没配置好，不是服务真的挂了。

线上我也遇到过，用户真正关心的是服务稳定性，不是收录数量。

这411家没样本的中转站，是不是因为需要特殊凭证才能测到真实调用？

我线上用curl加超时参数批量探测过这些API，过滤掉401错误后再用真实凭证测试，这样更准。

我线上就这样搞过，有些服务看起来不可用其实只是测试凭证失效了，换个密钥又能跑通。