测评方法论
评分强调可解释、低频、授权、可审计。模型一致性只表达置信度，不构成上游来源的绝对证明。
评分维度
可用性
25 分综合 24h、7d、30d 成功率、连续失败与重大事故。
性能
15 分基于同类服务分位数计算延迟、首 token 和输出速度。
模型一致性
20 分只表达模型/协议/能力一致性置信度，不做上游来源绝对证明。
价格透明度
15 分检查公开价格、倍率、退款规则和授权计费验证。
安全与隐私
10 分覆盖 TLS、安全头、隐私政策、数据保留和账号安全能力。
运营透明度
10 分关注主体、联系方式、状态页、事故公告和授权测试。
用户信誉
5 分仅纳入审核后的举报、争议和服务商回应情况。
探测频率与授权边界
平台主动 API 探测仅针对服务商授权端点、管理员确认具备合法测试权限的端点和本地 Mock Provider；不测试未授权 API，不绕过验证码、风控、限流或地区限制。Claude 实测由用户使用自己购买的 key 主动发起（BYOK），只检测用户本人的账户。
Claude 实测（用户自带 key）
BYOK 自测的 API key 只在本次检测的内存中使用，不写入数据库、日志或报告；报告只保存检测结论、结构化指标和题目答案摘要。用户可选择是否公开结果，公开且有效的结果才会进入 Claude 实测榜。
Claude 实测的判定原则
判定坚持“宁可漏判、不可冤枉”：降智题库在官方直连同模型样本达到 3 次后按与官方基线的分差判定，样本不足时只对极低分下结论；模型可能不支持的参数（如 thinking）被拒绝时不扣分，除非官方同模型确实支持。排行榜只在某服务商累计 3 次以上有效检测后展示实测共识，且实测结论不计入综合评分。
数据保留策略
默认不保存完整 prompt 和完整 response，只保存 hash、结构化指标、必要的截断脱敏片段和审计日志。
用户报告审核原则
举报默认进入后台审核。无证据举报只作为线索；审核通过后才进入风险模型和匿名摘要。
利益冲突声明
RelayBench 不销售 token、不代充、不做返佣导流，评分仅供信息参考。
不构成购买建议
RelayBench 的评分仅供信息参考，不构成购买建议或合规背书。
不支持绕过平台政策
本站不提供 token、不销售额度、不代理访问，不帮助用户绕过任何平台、地区、风控或服务条款限制。