中转站排行榜怎么看：名次、中位分、可信度和结论各是什么意思

本站的中转站排行榜和每个站点的评测页上有不少数字：名次、中位分、可信度、检测次数、最近结论。这些数据都来自 Veridrop 的公开检测，本站每天同步两次，名次和 Veridrop 的榜单一致。

先说最容易看错的三件事：

名次不是按中位分排的。 中位分高的不一定排在前面，检测次数少的站会被往后放。
“可信度”和“最近结论”不是一回事。 可信度是对这个站全部检测记录的综合评级；最近结论只是最近那一份报告的结果。
所有数字说的都是过去。 它们反映检测当时的情况，不保证你今天拿到的服务。

每一列是什么

页面上的字	是什么	范围
排名	在 Veridrop 榜单上的名次	本站只列前 100 名
可信度	对这个站全部检测记录的综合评级	A+、A、B、C、D、F 六档
中位分	历次检测总分的中位数	0 到 100
检测次数	这个站在 Veridrop 上被公开检测过多少次
最近结论	最近一份检测报告的结论	通过、存在风险、未达标
最近检测	最近一份报告的日期

下面逐个说。

名次是怎么算的

Veridrop 的榜单页上写明了排名的规则：排名按“贝叶斯加权分”计算，不等同于中位分；样本数、严重问题的占比、无效检测的排除和协议级的风险都会影响名次。页面上显示中位分是为了方便阅读，实际排序用的是加权后的排名分。

加权的办法，它给出了参数和一个例子：先验分 50，先验权重 5；一个只测过一次、拿了满分 100 的站，排名分只有 58.3。

这个例子可以这样理解（下面的算法是本文按它给的参数和例子推出来的）：相当于每个站在开始时先垫了 5 次 50 分，再把实际的分数加进去求平均。

实际检测	排名分大约是
1 次，100 分	58.3
10 次，都是 100 分	83.3
100 次，都是 100 分	97.6

所以测得越多、表现越稳定，名次越靠前；刚测过一两次的新站，哪怕是满分也排不到前面。Veridrop 的原话是，这样可以避免新站随便跑一次拿了满分就占据榜首。

除此之外，它的规则里还有三条：

严重问题会拉低名次。 报告里出现结构伪装、字段对不上这类严重问题时，按这类报告的占比降低排名和判定。
无效的检测不计入。 余额不足、模型不可用、上游临时报错这类情况会被排除，不算作这个站的失败。
只测过一次的站不进主榜。 检测 2 次以上的站才参与正式排名。本站列出的是其中名次最靠前的 100 个，总数写在排行榜页的“收录范围”一行。

关于商业因素，Veridrop 在榜单页上的说法是：名次只按检测算法计算，付费不加分；付费收录的站单独标注。这是它自己的声明。

中位分

中位分是这个站历次检测总分的中位数：把所有分数从低到高排好，取中间那个。

用中位数而不用平均数，是因为它不容易被个别极端的结果带偏。一个平时 95 分上下的站，偶尔有一次因为上游故障得了 20 分，平均分会被明显拉低，中位分几乎不变。

这也意味着中位分会掩盖一些事：一个站如果有两成的检测是失败的，中位分仍然可能很好看。 所以要结合可信度和站点页上的分项来看。

可信度

可信度是 Veridrop 对一个站全部检测记录的综合评级，从 A+ 到 F。它看的不只是分数。从站点评测页上列出的依据可以看出，它综合了四样：

中位分；
所有报告里，结论为通过的占多大比例；
带有严重问题的报告有多少份；
一共有多少份报告。

也就是说，同样是中位分很高的两个站，一个每次都通过、没有出过严重问题，另一个时好时坏，可信度会不一样。

六个等级的分档规则

下面的分档规则由 Veridrop 提供，来自它的评级代码；截至本文发布，它还没有列在 Veridrop 的公开页面上。

等级	条件
A+	中位分 95 以上，九成以上的报告结论为通过，没有一份报告出现严重问题，并且至少有 5 份报告
A	中位分 85 以上，七成以上的报告通过，出现严重问题的报告不到一成
B	中位分 70 以上，出现严重问题的报告不到三成，但够不上 A
C	中位分在 50 到 70 之间；或者中位分 70 以上，但有三成以上的报告出现严重问题
D	中位分在 30 到 50 之间
F	中位分低于 30，或者通过的报告不到两成

读这张表要注意三点：

严重问题按报告算。 一份报告里只要有一个检测项报了严重问题，就算一份，不管它里面有几个。
先看有没有落进下面三档。 评级时先对照 F、D、C 的条件，符合就定档；都不符合，再看够不够 A+ 和 A，其余的是 B。所以中位分 90 的站，如果三成以上的报告有严重问题，是 C 而不是 A。
A+ 不能有任何一份严重问题，还要有样本量。 一个中位分 96、每份报告都通过的站，只要有一份报告出过严重问题，就是 A，不是 A+；只测过三四次的站，分数再高也拿不到 A+。

所以可信度是 A+ 和 A 的站，差别往往不在分数上，而在“有没有出过严重问题”和“测得够不够多”上。

结论：一份报告什么时候算通过

“最近结论”和站点页“检测记录”里每一行的结论，说的都是单独一份报告。

按 Veridrop 的说明，一份报告的总分是各检测项加权出来的，对应的档位是：

总分	档位	本站显示为
85 及以上	优秀	通过
70 到 84	通过	通过
50 到 69	存在风险	存在风险
50 以下	未达标	未达标

有一条规则会改变这个对应关系：任何一个检测项报了严重问题，结论会被降到“存在风险”，即使总分在 70 以上。 Veridrop 举的例子是一份 75 分的报告被标成存在风险，它的解释是：这通常意味着接口能用，但中转站在中间做了接口转换，实际跑的可能不是你请求的那个模型。

所以看到“分数不低，结论却是存在风险”，不是页面出错，而是有一项出了严重问题，要点进报告看是哪一项。

检测次数和最近检测

检测次数是这些数字可不可信的底子。 测过几千次的 95 分，和测过五次的 95 分，分量完全不同。前面说的加权排名，本身就是在按检测次数打折。

最近检测告诉你数据有多新。 中转站的线路和上游会变。最近一次检测是几个月前的站，它的分数描述的是几个月前的它。

站点页上的分项，比总分更有用

点进某个站点的评测页，会看到各个检测项的通过率，按 Claude、OpenAI 等协议分组，通过率低的排在前面。

这一部分最值得看，因为它告诉你这个站具体在哪里不稳：

Claude 的思考签名一项通过率低，说明它给的不总是官方渠道的 Claude，背景见thinking signature 是什么；
协议一项通过率低，说明响应的格式常常和官方不一致，可能做了接口转换，见GPT 中转站背后是不是 Claude；
结构化输出、工具调用这类能力项通过率低，对用编程工具的人影响最直接。

同一页还有按模型分的统计。同一个站，不同模型的表现可能差很多，要看的是你打算用的那个模型。

官方接口基准

排行榜页的下方单独列了几个官方接口，比如 Anthropic 和 OpenAI 自己的地址。它们不参与排名，作用是对照：同样的一套检测，打到官方接口上是什么结果。

从榜上的数据可以看到，官方接口的中位分也不一定正好是 100。拿中转站的结果和官方基准比，比和 100 分比更公平。

五种常见的误读

误读	实际上
排第一的最可靠，直接充值	名次说的是历史上的稳定程度，不是对你的担保。充值前还是要小额试用、用自己的 key 测一次
中位分高就行	中位分会掩盖一部分失败。要看可信度、严重问题和分项
最近结论是“通过”就没问题	那只是一份报告，测的也不一定是你要用的模型
某次报告 0 分，这个站完全不能用	零分常见的原因是 key 失效、额度用完，或者这个站没有被选中的那个模型。要看分项的说明
榜上没有的站都不行	本站只列前 100 名，Veridrop 上参与排名的有几千个。没上本站的榜，可能只是名次在 100 以后，或者检测次数不够

怎么用这些数字

用排名和可信度做初筛，先排除明显有问题的；
点进站点页，看你要用的那个协议和模型的分项；
看检测次数和最近检测的日期，确认数据够多、够新；
筛出两三家，小额试用，再用自己的 key 到 Veridrop 测一次。

本站的榜单是综合榜的前 100 名。如果你只用 Claude 或只用 GPT，Veridrop 上还有按协议分开的榜单和全部站点的完整名单。

完整的选站步骤和充值前的检查清单，见中转站怎么选。