把模型、思考深度和路由当作一个整体
GPT-5.6 Sol Low 与 GPT-5.6 Sol Max 是两个不同配置；官方登录与自定义端点也不能省略。去掉这些字段，榜单虽然更简单，却不再对应你最终会运行的对象。
第一次比较应放在同一个发布批次内。这样比较标准一致，分数差异才有明确的比较框架。
先定质量底线，再看速度
先明确哪类失败不能接受。总耗时最短的配置，如果恰好在你的关键能力上失分，就没有实际价值。某项能力更重要时，要看五题分布，不能只看总分。
- 主力编程 Agent 先设最低总分，并检查是否存在明显单题短板。
- 只处理边界明确任务的执行 Agent，可以在通过同一任务底线后再下调档位。
- 同一批只领先一分时，不要急着宣布长期胜负，先看后续可比批次是否重复出现。
耗时和费用都是观测值，不是厂商承诺
耗时包含被测配置和当时路由的表现，它只能说明这一轮发生了什么，不能代表整个厂商在所有地区和账号下的速度。
参考费用缺失，表示该配置的计价或 usage 证据不足，不表示请求免费。只有两边都在同一价格快照下具备费用覆盖时，才比较费用。
切换前做一次路由级复核
公开雷达回答的是：哪些第一方配置在同一协议下表现更好。它看不到你的代码库、区域网络、账号限额、提示词形态和端点代理。
先用雷达缩小到一个候选，再通过准备长期保留的路由在本机运行。候选既通过质量底线，操作收益又能在你的环境中复现，才值得切换。