跳转到主要内容
生产业务不存在对所有任务都最优的模型 API。GPT、Claude、Gemini 是模型家族，不是固定的性能或价格档位。应比较账户实际可用的具体版本，并用应用真实需要的任务验收；仅凭品牌无法判断准确率、上下文长度、工具支持或数据处理条款。

​
从当前目录建立候选清单

打开模型目录与价格，为每个候选记录完整 ID、支持端点、输入类型、相关限制、实际分组、币种和计价单位。先确认账户权限，再安排评测。本文不维护价格排名，也不保证特定型号对你的账户开放。 不能把某个家族的个别型号能力推广到所有型号。先筛掉不满足必要功能的候选，再比较速度和费用。

​
让评估可以重复与解释

选取一组规模适当、经过脱敏且具有代表性的样本，在查看输出前约定合格标准。既要覆盖常见输入，也要包含难例和信息不足时应如何回答。尽量保持提示词、工具定义一致；若某个模型需要单独调整，应记录差异，不能暗中给某个候选更多辅助。 同一输入应运行多次，以观察生成结果的波动。记录合格数、超时、重试、输出长度和延迟。交互场景需要区分首次输出等待时间与获得完整可用答案的总耗时；工具任务应统计全部轮次，而非只看第一次回复。公开榜单可用于初筛，不能替代业务验收。

​
接入候选模型并核对用量

  1. 选取支持聊天的候选，把目录中的完整 ID 设置为 ROCK_API_MODEL。
  2. 在API 密钥页面创建平台密钥，保存为 ROCK_API_KEY，并确认余额要求。普通买家不需要配置上游渠道。
  3. SDK 使用完整 Base URL https://rockapi.ai/v1；curl 使用下方完整端点。先验证最小请求，再回放评测样本。
运行前设置好两个本地变量。检查状态和正文，再找到控制台对应记录。请求失败时先按错误与限流说明排除鉴权或请求问题，不要直接归因于模型质量。

​
比较获得可用结果的成本

按计费说明区分 token 类别、按次计费、动态档位和分组倍率。避免重复计算缓存 token，也不要对已包含倍率的价格再次乘倍率。运营估算还应计入重试、多轮工具调用和人工复核。
如果没有结果合格，该候选就尚未达到质量门槛，单价低不能改变这个结论。报告结果时附上样本数量与测试条件，避免把局部结果写成通用排名。 选定同时满足质量、延迟、预算和安全要求的候选。备用模型同样需要测试，不能默认可以互换。模型版本、价格、提示词或条款变化后重新评估，生产迁移前完成兼容验收清单。