同一个模型，为什么要保留多次调用记录

这是一次个人使用中的日志习惯总结。即使模型、提示词和渠道看起来都一样，我也不会只保存一次“成功样本”，因为单次请求无法反映输出长度、缓存状态和偶发失败的变化。

多次记录才能看到变化

我会连续保存几次相似请求，比较：

• 输入总量是否稳定；
• 缓存输入是否变化；
• 输出 Token 是否突然变长；
• 首字时间和总耗时是否出现长尾；
• 费用是否与 Token 变化一致。

例如，输入总量接近的请求，可能因为输出长度不同而有完全不同的总耗时。一次快、一次慢，不一定是模型本身变了，也可能是任务结果长度不同。

统计页帮助我发现异常方向

当累计调用数、Token 或额度出现异常增长时，我会先从统计页发现趋势，再回到具体请求检查是哪一类任务贡献了变化。统计汇总不能代替日志，但能节省定位范围的时间。

不把一次好结果写成长期保证

多次记录的价值，还在于让我对结论保持克制。一次低费用、一次较快首字或一次成功率很高的截图，都只能说明样本发生过什么。只有持续、同条件的记录，才适合用于自己的项目决策。

本文是个人日志和调用统计的使用方法整理，截图数据属于 2026 年 10 月 2 日的样本，实际表现需要按自己的任务持续验证。