方法论

它是什么

热度是调用量的相对值，不是质量评分。它回答「最近有多少人在用它」， 不回答「它答得好不好」——后者见下面的「学科基准」。

口径

• 统计窗口：24 小时 / 7 天 / 30 天三档，页面上切换的只是查询参数。
• 计数单位是成功完成的请求。失败、被限频、被熔断跳过的不计入。
• 同一用户的重复调用照常计入：热度衡量的是使用量，不是用户数。
• 排行只包含当前可用的模型。下架与维护中的模型不参与排序， 也不会因为历史调用量高而留在榜上。

我们不做的事

• 不按厂商加权，也不接受任何形式的排名付费。
• 不把热度混进 Auto 的质量分。规则版 Auto 的「均衡」一档曾经按热度选模型—— 那是一个没有质量数据时的权宜，语义版上线后它被按领域的质量预测取代。

三步

1. 抽信号。 从你这条消息里判断：属于哪个科研领域、要做的是哪类任务 （问答 / 讲解 / 推导 / 计算 / 写代码 / 找文献 / 抽取 / 写作 / 数据解读）、 复杂程度、语言，以及这次必须具备的能力（看图、调用工具、结构化输出、上下文长度）。
2. 过硬约束。 必需能力、你设的价位上限、你排除掉的模型、当前可用的接口—— 不满足的直接出局。这一步不打分，只筛。
3. 打分排序。 在剩下的候选里，按「该领域该任务的质量预测 × 你的倾向权重 ＋ 实时速度 ＋ 相对价格」排序，取第一。

你的偏好是倾向，不是命令

「质量优先 / 均衡 / 速度优先 / 成本优先」改的是上面那三项的权重。 平台可以在有理由时不满足某一项偏好，但必须在回答里说明是哪一项、为什么—— 默默忽略一个你设过的选项，比不提供那个选项更糟。

每条回答都写明是谁、为什么

Auto 选完之后，回答的第一行就是选了谁和一句理由，展开可以看到： 判出来的领域与任务（含置信度）、排在后面的候选与它们的分数、 以及这次有没有降级（信号超时、预算用尽等）。

理由由模板从信号与分数生成，不由模型自己写——它要能对着日志核对。

显式指定优先

你在对话里明确指定了领域，就以你说的为准；语义信号只用来填你没说的那部分。 两者不一致时，界面会把这件事告诉你——你觉得回答不对路，很可能就是因为领域指错了。

我们不做的事

• 不在开始输出之后换模型。 换了要重复计费，而你看到的答案会突然换一种口吻。
• 不把你的对话原文发给第三方做分类。 用于判断领域的内部调用只允许打到 承诺不用于训练、且不跨境的供应商。
• 不按厂商倾斜。 打分用的质量分公开在上面的「学科基准」一章里，规则就是那一份。