稳定性不是单次快：词元建议用同一组样本连续打 10 次，记录成功、首字时间、完成时间、余额。图片和视频单独建表，不要和聊天混在一个平均值里。
1. 创作者验收表
| 对象 | 固定项 | 通过 |
|---|---|---|
| 文本 | 同一 Prompt、同一 model | 格式稳定、余额可对 |
| 生图 | 同一尺寸，0.01 或 0.03 档位分清 | 成功张数=账单张数 |
| 视频 | 最短秒数、同一开通模型 | 任务终态清楚，无双扣 |
2. 不稳定时怎么切
先降并发，再换备用模型，最后才换任务类型。不要把 Seedance 未开通当成线路故障；开通类模型报 403 先查开通状态。入口保持 https://www.gpt345.com/v1，换入口验证时只动一个变量。
需要核对账单窗口时：客服 QQ 49098022 或 Telegram 群组。
3. 10 次固定请求验收表
稳定性测试的价值是让不同中转站、模型或时段可以复测。它不能证明长期 SLA，也不能仅凭延迟判断模型身份。
| 轮次 | 需记录字段 | 异常判定 |
|---|---|---|
| 1–2：预热 | HTTP 状态、TTFT、总耗时、request ID | 验证配置，不计入结论 |
| 3–8：固定样本 | 相同 Prompt、模型、输出上限、成功/失败 | 任何重试均单独记录，不能覆盖首次失败 |
| 9–10：账单核对 | usage、调用前后余额、控制台账单 | 三者无法解释时停止扩大预算 |
至少计算成功率、中位总耗时和最慢一次耗时。十次小样本只适合首充验收；如果业务依赖晚高峰或批量并发，还应在真实时段用同一模板复测。
4. “便宜”要按有效结果计算
有效成本 = 总扣费 ÷ 可交付结果数。例如生图单价低但 10 张只有 6 张可用，应以总扣费除以 6，而不是只看标价。视频还要把审核失败、超时、重复提交和人工返工分别记录，避免把不同原因合并成“模型不稳定”。
| 首充前 | 充值后第一小时 | 扩大调用前 |
|---|---|---|
| 确认模型 ID、协议、计费单位、退款/失败口径 | 小额 Key 跑 10 次；保存 request ID 和余额快照 | 验证限流、并发、自动重试和告警策略 |
| 不要依赖“稳定”“官方”等自我描述 | 用 usage、账单、余额变化三方对账 | 设置预算上限，并准备可回退模型或线路 |
5. 常见问题
一次 200 就能宣称稳定吗？
不能。至少固定样本重复多次，并对照控制台。
延迟高是不是假模型？
延迟高要结合输出和账单看。真假模型用固定样本和字段，不靠体感。
晚高峰和凌晨差异大正常吗？
正常。上游容量随时段波动，验收应在业务真实时段复测，不要拿凌晨数据代表全天。