中转站看板

账户余额

原始 quota ÷ 500000 = 实际余额（美元）

模型可访问性 × 实际分组

每 15 分钟真实调用一次；实际分组与倍率取自调用日志

单模型均匀压测

每个窗口内均匀调用；实际分组按 request id 从调用日志回读

消耗趋势（按天 · 分模型）

近 24 小时 近 7 天 近 14 天 近 30 天

主站 · 错误监测

按模型 错误类型 提醒记录 渠道变更

模型	近1h 失败/尝试	失败率	近24h 失败	失败率	主要类别 (24h)	提醒

类别	错误	近1h	近24h	模型	渠道	首次出现

主站 · 各渠道消耗

按模型按渠道

RPMTPM输入 TPM输出 TPM

6h24h3 天

每点为 5 分钟平均（每分钟），比瞬时峰值平滑；点击图例可隐藏/显示某条线

按 24h 排序按 1h 排序

点击渠道行展开分模型明细 · 数据由主站日志每 5 分钟汇总一次

分组可用性

近 3 小时 近 6 小时 近 24 小时 近 3 天 近 7 天 近 14 天 近 30 天 立即测试

可用（调用成功） 不可用 悬停查看每次探测的时间、耗时与上游返回

调用时延

每次成功调用的往返耗时（ms）

告警

可用时段

连续成功的区间

渠道 / API Key 连通性

点击「测试」发起一次真实的 chat 调用

测试该 key

名称	分组	状态	Key	已用 $	剩余 $	连通性

最新使用日志

各账号最近的调用记录：令牌 · 模型 · 实际分组 · tokens · 倍率

筛选 清除

时间	用户	令牌	模型	分组	渠道 / 重试	耗时	提示/补全（缓存）	quota	组×	补全×

请求采样与重复

filter-proxy 对经过它的渠道（#54/#48/#71 等）逐个请求体算哈希统计重复，并按模型随机采样（默认 0.1%，每模型每小时至少 2 条）

重复 = 同一请求体 1 小时内再次出现（不含 15 秒内换渠道的主站重试，那部分单列；小于 1KB 的探测类请求也单列，不计入重复率）。不重复数为 HyperLogLog 估计（误差约 1%）。

重复最多的请求

样本

全部模型 只看带标记的

号池内部分配

filter-proxy 号池：上游按顺序尝试，每个上游有每分钟令牌桶上限；额度满、暂停中或失败就转下一个，全部不行返回 503 落到主站下一档渠道

Arachne 限速

Arachne 一筛等 LLM 调用的全局令牌桶（所有副本共用）；这里改完约 10 秒生效，运行中的任务也会立刻按新速率放行；只作用于批量任务（见批量阈值）。rpm 填 0 = 不限速；「恢复环境变量」删掉动态配置，回到部署时的 LLM_SCORE_RATE_LIMITS

模型路由路径

每个模型可用的已启用渠道，按优先级从左到右依次尝试；数字为近 24h 该渠道实际承接的成功调用占比

响应格式检查

每 30 分钟每模型发 3 条要求输出 JSON 的小请求，检查上游有没有悄悄改响应形态（多余思考段、杂段、JSON 不可解析） 立即检查

上游真实花费

各上游账号小时消耗 × 充值汇率 = 实付美元；折扣倍率 = 实付 / 主站对同一流量的计费

主站 MySQL · 表空间

表	总大小	数据	索引	行数	操作

OpenAI 平台 · 花费与用量

模型	花费 $	输入(缓存)	输出	请求数

谷歌云 · 账单明细

服务	开销 $

模型	开销 $

开销取自 Cloud Billing BigQuery 导出(按 SKU 归并到模型/服务,UTC 天)。为账单毛额,即消耗的赠金。

AWS · 账单明细

服务	开销 $

用量类型	开销 $

开销取自 Cost Explorer(UnblendedCost,按天,当日为部分值)。无 Bedrock,第二张表为 Top 用量类型。