使用 API 中转服务的人，心里通常都会压着四个核心问题：
- 模型有没有被偷换。我下单的是 gpt-5.5，实际返回的真是这个模型吗，还是被悄悄替换成了成本更低的小模型？
- 数据是否安全。我的代码、提示词、API 密钥，会不会在中间链路里被记录、转存，甚至被转发出去？
- 服务稳不稳定。会不会频繁超时、限流，或者请求执行到一半就中断？
- 价格是否划算。到底便宜了多少，便宜的原因是什么，是否还藏着更高的隐性成本？
这些问题，光看 API 中转站自己的宣传页面，其实很难得到可信答案，毕竟广告文案谁都能写。更可靠的办法，是做一套评测工具，把“中转站到底靠不靠谱”拆成可执行、可验证、有证据支撑的测试项，再拿它去实测一家服务商。这篇文章会先说明这套评测方法怎么设计、为什么这样测更可信，再展开讲微元算力（weytoken）的实际测试表现。优点和不足都会如实写，不做夸大。
一、先说测评原理
思路其实很直接：当你把真实代码、真实成本、真实业务调用交给一个 API 中转平台时，它就不是“能回一句你好”就算合格的服务。凡是你准备长期依赖的服务，都应该像做供应商评估一样，认真检查它有没有在中间环节偷工减料。
具体怎么测？这里用 Codex 作为测试载体——它是真正在执行编码任务的 agent，会多步修改代码、运行命令，而且最终结果还能通过脚本验证是否正确（通过 / 不通过），这比单纯比较“两段文本哪个更像答案”要硬得多。一段可以真正跑通验证的代码，最不容易作假。
方法上采用控制变量的 A/B 对比。基线组让 Codex 通过官方订阅账号直连官方；测试组只改一处——把后端 provider 切换成中转站 API，其他条件全部保持不变：同一个 Codex、同一批真实编码任务（发片汇总、JSONL 事件、Markdown 目录、回文、重试调度）、相同的 prompt、相同的验证脚本、相同的重复次数。这样跑下来，两边在通过率、耗时、token 消耗上的差异，就可以比较干净地归因到中转站这一层。下面的五条检查，本质上都是从这套对比实验里读出来的信号。
它把前面四个顾虑拆成五条可执行的检查线，每一条都遵循同一个原则：只给证据，不越界下结论。这个原则后面会反复出现，也是它比很多“截图式测评”更可信的关键。
模型是不是真的？ 没有任何一条 prompt 能直接“证明”模型身份，这里做的是异常检测，不是最终断案。方法是：和官方直连基线跑同一批用例、使用相同解码参数，对比结果差异；跟踪请求中的 requested_model 和响应里的 model 字段是否一致；再跑一组能力探针（推理、编码、JSON/Schema 遵循、长上下文哨兵查找），看是否出现明显能力塌陷。对于编码这种可验证任务，还会采用“可执行验证”——让 Codex 真实改代码、跑脚本，比单纯比文本输出更有说服力。工具本身也写得很清楚：它可以抓出可疑的能力退化和元数据不一致，但不能从密码学层面证明上游一定就是那个模型。正因为有这种克制，结论才更值得参考。
数据传输安全吗？ 底线要求是 HTTPS 加证书与主机名校验。它的 audit 会在线检查：非本地端点是否启用 HTTPS、TLS 握手与主机名校验是否通过、证书有效期、DNS 解析情况、叶子证书的 SHA-256 指纹与颁发者信息，以及密钥是否只从环境变量读取、配置中是否存在硬编码的凭证头。
它有没有偷改我的请求？ 黑盒客户端无法证明网关绝不会插入隐藏提示词，因此这里通过插入测试标记来收集异常证据：不应该被复述的假 API key、假邮箱地址，必须原样返回的系统完整性令牌，隐藏指令 JSON 探针，以及一个可选的外部 URL 标记（honeytoken），用来观察数据是否被带到带外访问。再结合另一个重要信号：同样的 prompt，如果网关侧输入 token 明显高于官方基线，往往意味着请求被塞入了隐藏提示词，或者在中间又包了一层。
稳不稳？ 稳定性要靠重复请求来测，而不是一次成功的冒烟测试。它会把每个用例重复跑多次，记录重试行为，并将错误分成两类统计：网络错误（超时、TLS、连接失败）和模型调用错误（429、4xx、5xx、响应畸形），然后计算 P50/P95/P99 延迟、tokens/s 和成功率。报告还建议在一天内不同时间段各跑一轮，这样更接近真实线上使用场景。
有没有偷偷路由降级？ 它会收集一组黑盒信号：同一请求对应的 model 值在多次运行中发生变化、官方版本明显更容易通过某个用例、同一用例时好时坏、温度 0 下输出仍然漂移。这些都只能作为线索，而不是直接当作判决依据。
最后，工具会把这些信号整理成一份带评分的报告，从质量、可靠性、性能、成本、安全、运维六个维度加权打分，权重可以自定义，成本则归一化到“最便宜的非零方案得 100 分”。
把这套原理先摆出来，不是为了展示工具多复杂，而是想说明一件事：下面对 weytoken 的判断，全部来自这套有据可查的测试方法，而不是主观印象。
二、weytoken 实测
测试对象是 weytoken（官网 api.weytoken.com/ ），API 端点为 https://api.weytoken.com/v1，主要测试的是 codex 分组中的 gpt-5.5。下面分四部分来讲，该肯定的肯定，该提醒的提醒。
模型有没有被换：对比结果看不出差异
仍然使用前面那套 A/B 对比方法，其中配对编码测试是最有说服力的一条线：5 个编码任务，每个任务各跑 2 遍，官方一侧和 weytoken 一侧分别共 10 次。
结果是，官方与 weytoken 两边都是 10/10 全部通过，逐任务通过率差异为 0%，没有出现任务级别的质量缺口。
又补了一项更复杂的任务做验证：让 Codex 以自己写的几篇技术文章作为数据源，搭建一个静态个人博客网站，并配套一套自动验收脚本（覆盖数据处理、文章排序、搜索与标签过滤、精选文章、阅读时间、响应式布局等）。官方和 weytoken 各跑一遍，结果两边都通过验收，通过率差异依然是 0%。也就是说，“没有明显质量缺口”这个信号，并不是靠单一任务撑出来的，换成更复杂的真实工作流依然成立。
同一份 prompt 下，两边各自生成的首屏对比如下：
| prompt（网站任务） | 官方效果 | 中转效果 |
|---|---|---|
| 用几篇真实技术文章当数据，搭一个静态个人博客，带自动验收脚本（数据处理、文章排序、搜索与标签过滤、精选、阅读时间、响应式布局） |
虽然功能上都通过了自动验收，但设计取向并不完全相同：官方版本偏浅色、清爽，更像传统技术博客；weytoken 这一版偏深色、杂志风，视觉记忆点更强，但信息密度略低。这种差异更像是模型当次生成风格的不同，不需要过度解读——关键点在于，两边都做出了可用、可验收、能落地的站点。
两个任务、两种复杂度，在编码这类可以明确验收对错的场景里，weytoken 给出的结果与官方一致，没有测出明显差距。至少从实际表现看，模型这一块是比较稳的。
数据安全：传输层表现扎实
传输配置审计共 10 项，结果全部 PASS：启用了 HTTPS、TLS 1.3 握手通过、证书由 DigiCert 签发且处于有效期内（到 2026 年 8 月）、证书主体为 api.weytoken.com、密钥只从环境变量读取、没有发现硬编码的静态密钥头。就传输安全这一层来说，属于达标状态。
至于内容层是否会被复述、是否存在带外泄漏，那是更深一层的风险检查，需要使用专门的探针与退避节奏单独跑一轮。本文先聚焦到传输层为止。如果你准备把私密代码、商业数据或客户信息通过这个 API 中转平台送上生产环境，这一层建议仍然自己再认真验证一次。
稳定性：可以稳定跑通，但速度上有明显取舍
先说能跑通的部分：前面那批编码任务，加上后面的博客站任务，真实 Codex 会话都能通过 weytoken 全程跑通并最终通过验收，没有出现中途断流。从正常使用强度来看，它是能稳定完成任务的。
主要代价在速度。还是拿博客任务来说，weytoken 跑完整个任务用了 484.94 秒，而官方只用了 273.67 秒，前者多花了两百多秒，整体约慢七成，期间 token 消耗也更多。更长任务时差异会更明显：比如功能更复杂的 dashboard 任务，官方和 weytoken 两边都碰到了运行器 300 秒上限（官方 300s、weytoken 重试 360s），不过在超时前，两边都已经把产物生成出来，手动执行验收脚本也都能通过。所以稳定性这一项的结论是：真实任务可以完成，但耗时成本是实打实存在的，任务越长越容易碰到时限上限，这一项需要扣分。
需要说明的是，这里讨论的是整项任务从开始到结束的总耗时，不是单次 API 请求的微观延迟。另外，weytoken 还有每分钟 20 次的限流设置，这是常见的防滥用设计，高频调用场景要把这一限制纳入评估。
价格：旗舰模型确实便宜，但并非所有模型都低价
价格这一部分的数据最清晰。工具会直接抓取 weytoken 公开的 /api/pricing，按其前端使用的同款公式计算各模型输入与输出单价（input = model_ratio × 2 × group_ratio，output = input × completion_ratio），再和官方目录价格逐项对比，总共覆盖 37 个模型分组。
便宜的部分很明显。对照官方目录价，并取最低可用分组后：
gpt-5.5：输入 ¥2.4、输出 ¥19.2（每百万 token），相对官方约低 −90%；claude-opus-4-8、claude-sonnet-4-6：约低 −69%；gemini-3.1-pro-preview：输入低 −41%、输出低 −61%。
但它并不是全线低价，部分模型反而更贵：
deepseek-v4-pro：输入和输出都比官方高 +42%；gpt-image-2：输出价格高 +48%；gemini-2.5-flash、gemini-3-flash的部分档位也略高于官方。
所以，“便宜”这件事一定要落到具体模型上看，而不能一概而论。再补充两点口径：这里的比较基于“最低可用分组”和内置的官方目录价，实际到手价格仍取决于你所在的分组档位；另外，这里按调用计费口径计算，而 weytoken 还有周卡、月卡、季卡等订阅方案，长期高频使用的用户需要结合自己的调用量单独核算。
三、weytoken 企业功能
先不谈测评，只看能力盘子本身，模型覆盖算比较全，Claude、GPT、Gemini、DeepSeek、通义千问、Kimi、智谱等大约 37 个模型，按 codex 专用、claude 专用、gemini 专用、图像生成等分组组织。
真正让人感觉“这是面向团队和企业使用”的，是它那套企业控制台。它不是简单把个人 key 再包一层，而是围绕“可控、可审计、可做权限管理”做了一整套机制：
- 统一额度池加双层配额：企业层面可以看到总额度、已使用、剩余额度和实时使用率；往下还可以给每位成员设置额度上限，并为每个令牌设置独立配额。这样不仅能防止超支，也能把成本精确归因到具体人员和 key。
- 模型级权限：可以限制某个成员、某个令牌只能调用指定模型。不希望团队成员随意使用最贵的模型，这里就能直接卡住。
- 角色权限（RBAC）和成员管理：支持邀请成员、分配角色、查看加入时间和状态，成员上限 50，令牌上限 100。
- IP 白名单：启用后，企业名下所有令牌都只能从白名单 IP 访问 API。这一项对企业数据安全非常实用，相当于把 key 泄露后的风险面尽量压缩住。
- 全量审计日志：谁在什么时间做了什么操作、操作对象是什么，都会留痕，还支持按操作类型筛选。做合规和事后追溯，这类日志能力非常关键。
- 用量可观测和导出：消耗明细可以按成员、模型、令牌拆解，细到每次调用的提示 token、补全 token、缓存 token、消耗额度和单次耗时，还能查看平均 RPM/TPM 与成员排行，并支持导出。
这一整套能力，基本正对应了企业使用 API 中转站最担心的几件事：费用不可控、权限管理放养、出问题后无法追踪。个人开发者未必会全部用上，但对于需要给团队统一发 key、统一记账、统一控权限的小团队和公司来说，这套配置是有实际价值的。
四、结论
把这次实测的结果汇总一下：
- 模型真伪：两个不同难度的编码任务（5 个小任务 + 一个完整博客站），weytoken 都与官方表现一致，没有测出明显差异。
- 数据安全：传输层（HTTPS、TLS 1.3、有效证书、不硬编码密钥）达到基本标准；内容层更深入的泄漏检查建议单独做专项测试。
- 稳定性：真实编码任务可以跑通并通过验收，但速度上有代价——博客任务比官方多花约七成时间（485s vs 274s），长任务两边都可能撞到运行器时限。
- 价格：旗舰模型，尤其是 gpt-5.5 和 Claude 系列，价格优势非常明显，但也有少数模型比官方更贵，需要按模型逐项判断。
- 企业能力：双层配额、模型级权限、IP 白名单、全量审计、用量可观测，这些团队管控能力做得比较扎实。
适合谁：想同时使用 Claude、GPT、Gemini，又比较在意 API 成本，并且能接受中转站天然“需要先建立信任前提”的用户，尤其适合需要给团队统一管理 key、账单和权限的小团队。
注意什么：如果要正式上生产，或者要传输真实私密代码、客户数据，建议在内容层泄漏风险上再用带退避节奏的方式自行测试一轮，同时结合供应商的数据留存条款、计费对账方式等合同层信息一起评估。黑盒评测可以给你提供证据，但不能替代正式的服务协议。
这套测评工具目前还在持续打磨，后续计划开源。方法和用例，这篇文章已经全部摆出来了。等到开源之后，你完全可以自己拿它跑一遍，独立验证结果。比起“听别人怎么说”，这才是它真正的意义所在。
