只看排行榜选站会踩的三个坑

坑一：把单一维度的排序当成综合评价

表现：看到「可用率排行榜」，就认为排第一的站综合最好。

问题：可用率高只说明探测时刻它没挂。它可能：

• 延迟很高（可用但很慢）；
• 价格很贵；
• 不支持你需要的能力（缓存、工具调用、结构化输出）；
• 模型覆盖很窄。

四个维度互相独立：可用性、性能、成本、能力。任何单一维度的排序都不能推出综合结论。

正确用法：明确你要看的是哪个维度。要看可用性就看可用性榜，要选型就自己把四个维度拼起来 —— 拼的过程本身就是选型过程，不能外包给一个榜单。

坑二：忽略样本量与时间点

表现：看到「成功率 100%」，就认为它很可靠。

问题：100% 是基于多少次测量得到的？

• 10 次成功 = 100% → 统计上几乎没有意义；
• 1000 次成功 = 100% → 有意义。

本站的处理方式：可用率有最小样本数要求，样本不足就不参与排名。这个设计就是为了避免「1 次成功 = 100.00%」的失真（早期版本踩过这个坑，59 家显示 100.00%、29 家显示 0.00%，数据完全不可用）。

时间点同样关键：

• 数据是什么时间窗口的？上周还是三个月前？
• 覆盖了高峰期吗？只在低谷期测出的数据会高估稳定性。

正确用法：看到任何数字，先问三个问题：样本量多少、时间窗口多长、覆盖了哪些时段。

三问答不上来的数字，参考价值有限。

坑三：没考虑榜单的商业动机

表现：默认榜单是客观的。

问题：榜单可能有多种商业动机：

• 收录费 / 排名费：为付费站点提供更好位置；
• 返佣 / 联盟链接：点击转化有收益，所以倾向推荐返佣高的站；
• 自营：榜单运营方自己也做中转站业务。

行业里的实际情况：很多「评测文章」里出现的中转站，是带注册链接的推广。这类内容的排序依据是佣金比例，不是技术指标。有一个很简单的识别方法：看文章中是否所有推荐站都带注册链接，且链接是否带追踪参数。

怎么判断一个榜单是否值得看：

正确用法：把榜单当线索来源而不是结论来源。看到一家没听过的站出现在多个独立来源里，值得去查一查；但「排第一」这个事实本身不构成选它理由。

一个反面案例的思考方式

假设你看到两个榜单：

• A 榜：把「稳定」排第一；
• B 榜：把「便宜」排第一。

两家推荐的站几乎不重叠。

这说明的不是「其中一个榜在骗人」，而是两个榜使用了不同的权重。而权重应该由你的场景决定，不是由榜单决定。

所以真正该问的问题是：我的场景里，稳定的权重是多少、便宜的权重是多少？

回答完这个问题，你其实已经不需要榜单了 —— 你只需要每个维度的原始数据，然后自己加权。

排行榜的正确位置

在选型流程里（见《选型决策树》一篇），排行榜的位置是第二层的初筛工具：

① 确定用途与硬约束          ← 你自己
② 初筛出候选名单            ← 排行榜可以用在这里（省时间）
③ 能力验证 + 小额对账 + 并发测试   ← 只能你自己
④ 使用策略（充值/备份/监控）       ← 只能你自己

排行榜能帮你从「听说过 200 家」变成「锁定 5 家」 —— 这是它的价值，也是它的边界。

第 ③ 步不能省，因为能力验证是唯一能排除「不可用」的方法，而排行榜只告诉你「别人用着还行」。

最后

本站也提供数据，所以上面这些话同样适用于我们自己：

• 我们不做综合排名（原因在《我们测了 194 家站点》一篇里）；
• 我们的可用率与延迟是实测值，但口径单一（单探测点、最小请求）；
• 我们页面上有广告位，广告内容有明确标注。

评估任何数据源（包括本站）时，用同一套标准：数据怎么来的、口径是什么、样本多少、有没有商业动机。

这套标准用熟了，你就不会踩上面三个坑。