用 API 中转站的人，心里大多压着四个问题：
- 模型有没有被偷梁换柱。我点的是 gpt-5.5，给我的真是它吗，还是偷偷换成了更便宜的小模型？
- 数据安全吗。我的代码、提示词、密钥，会不会在中间被记下来、被转走？
- 稳不稳。会不会动不动超时、限流、半路断流？
- 价格。便宜多少，便宜在哪，有没有藏着更贵的坑？
这些问题，光看中转站自己的宣传页是得不到答案的，广告谁都会写。于是我做了件更实在的事：写了一个评测工具 llm-gateway-eval（目前还在打磨，计划后面开源），把"中转站靠不靠谱"拆成能跑、有证据的测试，再拿它实测了一家叫微元算力(weytoken)的中转站。
这篇先讲这套评测怎么测、为什么这么测才可信，再讲 weytoken 实测下来什么样。有亮点，也有短板，都如实写。
一、先说测评原理
想法很简单：你把真实的代码、真金白银的调用交给一个中转站，它就不是"能回一句你好"就算靠谱的东西。该像对待任何一个你要长期依赖的服务那样，认真查一遍它有没有在中间偷工减料。
具体怎么跑？我用 Codex 当测试载体------它是个真在干活的编码 agent，会多步改代码、跑命令，而且产出能用脚本验证对错（过 / 不过），这比单纯比"两段文本谁更像"硬得多。一段能跑通验证的代码，骗不了人。
做法是控制变量的 A/B 对比。基线那侧，让 Codex 用官方订阅账号直连官方；测试那侧，只改一处------把后端 provider 切到中转站的 API，其余全不动：同一个 Codex、同一批真实编码任务（发票汇总、JSONL 事件、Markdown 目录、回文、重试调度）、同样的 prompt、同样的验证脚本、同样的重复次数。这样跑下来，两边在通过率、耗时、token 用量上的任何差异，就能干净地归到中转站这一层。下面五条检查，都是从这套对比里读出来的信号。
它把上面四个顾虑拆成五条可执行的检查线，每条都遵循同一个原则：只给证据，不越界下结论。这点后面会反复出现，也是我觉得它比"截图测评"靠谱的地方。
模型是不是真的？ 没有任何一句 prompt 能"证明"模型身份，所以这里做的是异常检测，不是断案。它和官方直连基线跑同一批用例、同样的解码参数，比对结果差异；跟踪请求的 requested_model 和响应里的 model 字段是否对得上；跑一组能力探针（推理、编码、JSON/Schema 遵循、长上下文哨兵查找），看有没有明显的能力塌陷。对编码这种能解释的任务，它用"可执行验证"------让 Codex 真去改代码、跑验证脚本，比单纯比文本更硬。工具自己也写得很清楚：这能抓出可疑的退化和元数据不一致，但不能从密码学上证明上游就是那个模型。这种克制，是我愿意信它结论的前提。
数据传输安全吗？ 底线是 HTTPS 加证书与主机名校验。它的 audit 会在线检查：非本地端点是否走 HTTPS、TLS 握手与主机名校验是否通过、证书有效期、DNS 解析、叶子证书的 SHA-256 指纹与颁发者，以及密钥是不是只从环境变量读、配置里有没有硬编码的凭证头。
它有没有偷改我的请求？ 黑盒客户端没法证明网关从不加塞隐藏提示词，于是它插入一组测试标记来收集异常证据：不该被复述的假 API key、假邮箱，必须原样返回的系统完整性令牌，隐藏指令 JSON 探针，还有一个可选的外部 URL 标记（honeytoken），用来看数据有没有被带到带外去访问。再配合一个信号：同样的 prompt，如果网关那侧输入 token 明显高于官方基线，往往意味着被塞了隐藏提示词，或者被包了一层。
稳不稳？ 稳定性靠重复请求，不是一次成功的冒烟。它会把每个用例跑多次、测重试行为，并把错误分两类统计：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），再算 P50/P95/P99 延迟、tokens/s 和成功率。报告还建议在一天里不同时段各跑一轮。
有没有偷偷路由降级？ 它收集一组黑盒信号：同一请求模型在多次运行里 model 值变了、官方比网关明显更容易通过某用例、同一用例忽过忽败、温度 0 下输出还在漂。这些都当线索，不当判决。
最后它把这些汇成一份带分数的报告，质量、可靠性、性能、成本、安全、运维六个维度加权打分，权重可配，成本归一化到"最便宜的非零方案得 100"。
我把原理摆出来不是为了显摆工具，是想说明一件事：下面对 weytoken 的判断，都来自这套有据可查的检查，不是凭感觉。
二、weytoken 实测
测试目标是 weytoken（官网 api.weytoken.com/ ），API 端点 https://api.weytoken.com/v1，主力跑的是 codex 分组里的 gpt-5.5。分四块说，该夸的夸，该提醒的提醒。
模型有没有被换：对比下来挑不出差
就用前面那套 A/B 对比，配对编码是其中最硬的一条线：5 个编码任务各跑 2 遍，官方一侧和 weytoken 一侧各 10 次。
结果是官方与 weytoken 两边都 10/10 全过，逐任务通过率差 0%，没有任务级别的质量缺口。
我又加了个更难的任务来验证：让 Codex 拿我自己写的几篇技术文章当数据，搭一个静态个人博客网站，配一套自动验收脚本（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、weytoken 各跑一遍，两边都通过验收，通过率还是 0% 差。"没质量缺口"这个信号，不止靠一个任务撑着，换个更复杂的活儿也立得住。
同一份 prompt 下，两边各自生成的首屏对比如下：
任务：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）。
| 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） |  |
 |
功能上都过了自动验收，设计取向却不一样：官方那版偏浅色、清爽，像规整的技术博客；weytoken 这版偏深色、杂志风，视觉记忆点更强、信息密度略低。这种差异更多是模型当次的发挥，不必过度解读------重点是两边都做出了能用、能过验收的站点。
两个任务、两种难度，在编码这类能验收对错的活儿上，weytoken 给的结果和官方一致，挑不出差。模型这块，至少从实际表现看是稳的。
数据安全：传输层扎实
传输配置审计 10 项全 PASS：走 HTTPS、TLS 1.3 握手通过、证书由 DigiCert 签发且在有效期内（到 2026 年 8 月）、主体是 api.weytoken.com、密钥只从环境变量读、没有硬编码的静态密钥头。传输这一层，达标。
至于内容层会不会被复述、被带外泄漏，这是更深一层的检查，需要专门的探针和退避节奏单独跑一轮，本篇先到传输层为止。真要送私密代码或客户数据上生产，这一层建议自己再认真做一遍。
稳定性：能稳定跑通，速度上有取舍
先说能跑通的：前面那批编码任务，加上后来的博客站任务，真实 Codex 会话全程经 weytoken 跑通、通过验收，没有中途断流。正常使用强度下，它是稳的。
代价主要在速度。还是博客那个任务，weytoken 跑完用了 484.94 秒，官方只用 273.67 秒，多花了两百多秒、约七成时间，期间消耗的 token 也更多。更长的任务更明显：那个功能更密的 dashboard，官方和 weytoken 两边都撞到了运行器 300 秒上限（官方 300s、weytoken 重试 360s），不过两边超时前都把产物做出来了，手动跑验收脚本都能过。所以稳定性这块的结论是：真实活儿能完成，但耗时开销实打实，任务越长越容易触顶，这一条要扣分。
要说明的是，这里说的是整个任务跑完的耗时，不是逐请求的微延迟。另外 weytoken 有每分钟 20 次的限流，这是防滥用的正常设计，高频调用要把它算进去。
价格：旗舰确实便宜，但不是样样都便宜
价格这块数据最干净。工具直接抓 weytoken 公开的 /api/pricing，按它前端同款公式算出每个模型的输入输出价（input = model_ratio × 2 × group_ratio，output = input × completion_ratio），再和官方目录价逐一对比，一共覆盖 37 个模型分组。
便宜的地方很猛，对比官方目录价、取最低可用分组：
gpt-5.5：输入 ¥2.4、输出 ¥19.2（每百万 token），相对官方约 −90%；claude-opus-4-8、claude-sonnet-4-6：约 −69%；gemini-3.1-pro-preview：输入 −41%、输出 −61%。
但不是全面便宜，有几个反而更贵：
deepseek-v4-pro：输入输出都比官方 +42%；gpt-image-2：输出价 +48%；gemini-2.5-flash、gemini-3-flash的部分价位也略高于官方。
所以"便宜"得落到具体模型上看。补两句口径：这里基于"最低可用分组"和工具内置的官方目录价，真实到手价取决于你所在的分组档位；而且这是按调用计费的口径，weytoken 另外还有周卡、月卡、季卡这类订阅，长期重度用的人要按自己的用量另算。
三、weytoken 企业功能
抛开评测单说能力盘子。模型覆盖挺全，Claude、GPT、Gemini、DeepSeek、通义千问、Kimi、智谱等 37 个左右，按 codex 专用、claude 专用、gemini 专用、图像生成等分组组织。
真正让我觉得"这是给团队用的"，是它那套企业控制台。它不是把个人 key 简单包一层，而是围绕"可控、可审计、可管权限"做了一整套：
- 统一额度池加双层配额：企业层有总额度、已用、剩余和实时使用率；往下还能给每个成员设额度上限，给每个令牌设独立配额。花超不了，也能精确归因到人和 key。
- 模型级权限：能限定某个成员、某个令牌只能用哪些模型。不想让人随便调最贵的模型，这里就能卡。
- 角色权限（RBAC）和成员管理：邀请成员、分角色、看加入时间和状态，成员上限 50，令牌上限 100。
- IP 白名单：设置后，企业下所有令牌只能从白名单 IP 访问 API。这条对企业数据安全很实在，等于把 key 泄露的影响面摁住。
- 全量审计日志：谁、在什么时间、做了什么操作、对象是什么，都留痕，还能按操作类型筛。合规和事后追溯要的就是这个。
- 用量可观测和导出：消耗明细能按成员、模型、令牌拆，细到每次调用的提示、补全、缓存 token、消耗额度和单次耗时，还有平均 RPM/TPM 与成员排行，支持导出。
这几样组合起来，正好对应企业用中转站最担心的几件事：钱不可控、权限放养、出了事查不到。个人用户可能用不上，但对要给一个团队统一发 key、统一管账的人来说，这套是有意义的。
四、结论
把测下来的东西收一收：
- 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 都和官方一致、挑不出差。
- 数据安全：传输层（HTTPS、TLS 1.3、有效证书、不硬编码密钥）达标；内容层的更深检查留作专项。
- 稳定性：真实编码任务都能跑通、通过验收，速度上有取舍------博客任务比官方多花约七成时间（485s vs 274s），长任务两边都会撞运行器时限。
- 价格：旗舰模型尤其 gpt-5.5 和 Claude 系显著便宜，但少数模型更贵，按模型看。
- 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，面向团队管控这块做得扎实。
适合谁：想用上 Claude、GPT、Gemini 又在意成本、且能接受中转站固有"信任前提"的人，尤其是需要给团队统一管 key、管账、管权限的小团队。注意什么：上生产、或要送真实私密代码和客户数据之前，内容层泄漏这条建议自己用带退避的方式再测一轮，再叠加供应商的数据留存条款、计费对账这些合同层面的东西。黑盒评测能给你证据，但替代不了一纸契约。
这套测评工具还在打磨，计划后面开源。方法和用例这篇都摆出来了，等开源了，你大可自己拿它跑一遍验证。比起信我说的，这才是它存在的意义。