# 同档选型修正

旧版 10 型号按多厂商覆盖和测试令牌可见性选取，混合了轻量、均衡主力、旗舰和旧版本。相同短任务不能使这种选型成为同档能力对比。40 条历史记录保留，不改写成新型号数据。

本次在运行前固定三家均衡主力：gpt-6.1-sol、claude-sonnet-5-5、gemini-3.8-flash。三 ID 于 2026-10-09 出现在站点公开价格目录；目录可见性不等于当前测试 Key 权限或上游身份验证。分组是根据厂商定位作出的应用选型判断，没有厂商间统一档位标准，也没有当前搜索量或份额数据来证明流行程度。

| ID | 官方定位来源 | 本次协议 | 显式推理设置 |
| --- | --- | --- | --- |
| gpt-6.1-sol | https://developers.openai.com/api/docs/models/gpt-6.1-sol | Responses | reasoning.effort=medium |
| claude-sonnet-5-5 | https://platform.claude.com/docs/en/models/sonnet-5-5/overview | Messages | adaptive thinking + output_config.effort=medium |
| gemini-3.8-flash | https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash | 官方 Chat 兼容形式经 apizt | reasoning_effort=medium |

Google 映射来源 https://ai.google.dev/gemini-api/docs/openai 。各厂商 medium 不是相同计算量，网关参数透传与真实上游身份未独立验证。各家采用可用协议映射相同任务，不能把接口字段差异当成模型能力差异。工具使用 auto，只检查提案，不执行工具或完整 Agent。

固定三类任务 × 三份不同合成输入 × 三款模型，共 27 次计划请求。各轮轮转型号顺序，全部运行；失败项不选择性加入总分。限制总生成上限 4096 token，是受限应用检查而非完整复杂能力 benchmark。思考可能占生成预算，截断或不完整单列；OpenAI 官方初试建议更大预算（https://developers.openai.com/api/docs/guides/reasoning）。记录客户端整次耗时，不能称为首字延迟。原始回答只保留公开合成任务的可见字段，去除隐藏推理与认证。

费用以匹配控制台记录为准；未匹配时实扣为空，公开最低单价只做快照参考。API Key 只在运行时输入。本次修改只在主站与本地运行，API VPS 没有修改。

## 本次执行与复跑

27 次请求全部 HTTP 200，三款每款九份短任务检查通过。未执行工具，未验证复杂任务或通用能力排名；未新增失败复测。实际费用待控制台匹配，记录 billed_usd 保持 null。公开基础报价 price-reference.json 不替代测试令牌账单。

Python 3.10+ 与 curl，保存 runner.py，使用独立工作目录：

```bash
python3 runner.py --out my-mainstream-check
python3 runner.py --catalog --key-stdin --out my-mainstream-check
python3 runner.py --run --key-stdin --out my-mainstream-check
```

第一条无 Key、无网络、无付费请求。第二条仅 GET 型号目录；第三条最多27次可能计费请求，脚本不会自动重试。已有未知提交不会重发，认证或余额拒绝后停止。输出目录锁定计划，不能通过同目录更改型号或提示词；需要新测试请用新目录。

可见回答、HTTP状态、完成状态、原始usage、参数与时间保留，隐藏推理、signature和认证不分发。Gemini Chat 兼容的上限/medium映射未独立确认；三家medium不等同计算量。GPT接口返回了包含缓存的较大输入用量，统一的是用户提示词；渠道附加上下文和各家分词也影响用量。控制台对账需要按同一请求而非估算单价核对。

材料沿用MIT许可，见LICENSE。