新闻详情

新闻详情

首页 / 资讯中心 / 详情

Metapi 仪表盘完全指南:余额分布、消费趋势、模型用量一图掌握

发布时间:2026/11/18 17:16:58来源:尧图网络
Metapi 仪表盘完全指南:余额分布、消费趋势、模型用量一图掌握
Metapi 仪表盘完全指南余额分布、消费趋势、模型用量一图掌握【免费下载链接】metapi把你在各处注册的 New API / One API / OneHub / DoneHub / Veloera / AnyRouter / Sub2API 等站点 汇聚成 一个 API Key、一个入口自动发现模型、智能路由、成本最优项目地址: https://gitcode.com/gh_mirrors/meta/metapiMetapi 是一款把 New API、One API、OneHub、DoneHub、Veloera、AnyRouter、Sub2API 等 AI API 站点汇聚成一个 API Key、一个入口的开源网关自动发现模型、智能路由、成本最优。而Metapi 仪表盘正是它的驾驶舱所有站点的余额分布、消费趋势、模型用量和可用性都浓缩在一张图里。本文带新手 10 分钟看懂每一个数据卡从此花钱花得明明白白 。打开仪表盘前的 3 个准备至少添加一个站点和账号登录 Metapi 控制台后在「站点」里添加 New API / OneHub 等站点再在「账号」里录入 API Key可参考 docs/getting-started.md。跑几笔代理请求仪表盘的数据来自真实流量。用统一入口调用/v1/chat/completions后消费趋势和模型用量才会活起来。无需配置仪表盘数据每 30 秒自动刷新切回页面时也会立即拉取最新快照页面右上角还有手动「刷新」按钮。5 张数据卡账户余额与消费总览进入仪表盘顶部是 5 张卡片对应 5 类核心指标实现见 Dashboard.tsx卡片关键指标看什么 账户数据当前余额、累计消耗下方小字「今日 奖励 / -消耗」显示当天资金变动⚡ 使用统计24h 请求、成功请求快速判断今天流量是否正常 资源消耗活跃账户如 11/11、24h Tokens哪些账号在干活、Token 消耗量级✅ 签到状态今日签到 x/y、成功率自动签到是否全部跑通 性能指标RPM、TPM最近 N 秒的每分钟请求数与 Token 数衡量当前吞吐 小提示「累计消耗」为 0 不代表出错——它统计的是通过 Metapi 代理调用产生的花费未跑流量时自然为空。站点分析余额分布与消费趋势两条曲线「站点分析」区由两张图组成支持7 天 / 30 天 / 90 天时间窗口切换站点分布环形图展示各站点资金占比右上角可在「余额分布 / 消耗分布」之间切换快速回答钱都沉淀在哪个站点消耗趋势折线图每个站点一条曲线可切换「消耗趋势 / 调用趋势」回答钱花在谁身上、谁在放量。两张图的交互组件分别位于 SiteDistributionChart.tsx 与 SiteTrendChart.tsx数据来自站点快照接口聚合逻辑见 stats.ts。实用技巧某站点曲线突然归零大概率是账号过期或 Token 失效——去「账号」页刷新即可无需逐站排查。站点可用性观测红黄绿色块 24 小时健康图「站点可用性观测」是仪表盘里最实用的组件之一每个站点一行每色块代表 1 小时颜色从红低可用性渐变到绿高可用性行内直接显示可用性百分比、平均响应时间、总请求次数按使用量排序点击任意色块直接跳转到对应小时的使用日志故障定位只需两步右上角可「显示未使用」展开 24 小时内没有流量的站点。当发现某站点某小时标红可结合「可用性监控」页查看历史 60 点的趋势条7 天可用性一目了然并顺藤摸瓜到对应小时日志找失败原因。模型数据分析用量排行榜 4 个标签页「模型数据分析」区先用三张汇总卡给出总消耗、总调用、总 Tokens再提供 4 个标签页组件见 ModelAnalysisPanel.tsx 消耗分布横向柱状图Top 10 模型按花费排序——谁是烧钱大户 消耗趋势按天的花费面积图识别消费高峰 调用分布环形图展示各模型调用占比区分贵模型和高频模型 排行榜表格列出每个模型的调用数、成功率、平均响应时间和消耗一表定位又慢又贵的模型。看到某个模型成功率偏低可以在「模型广场」里对比同一品牌模型在不同站点的延迟与单价再回到「路由」调整分组优先级让流量流向性价比更高的模型。站点信息卡片一键测速与跳转页面右下角的「站点信息」列出所有启用中的站点每个站点带一个测速按钮点击「一键测速」批量请求各站点/v1/models延迟以颜色分级显示绿 500ms → 红 3000ms「跳转」按钮直达站点后台底部「24h 活跃调用」再次汇总成功/总请求与顶部数据卡互相印证。常见问题 FAQQ1仪表盘全是 0 或显示暂无数据还没跑过代理流量。先通过统一 API Key 发一条请求数据会在下一个刷新周期出现。Q2余额数字和站点后台对不上余额是 Metapi 定时抓取后的缓存快照点右上角「刷新」强制拉取最新值即可。Q3数据是实时的吗核心卡片每 30 秒轮询一次趋势类图表按天/站点预聚合兼顾精度与性能手动刷新可强制重建快照。写在最后掌握 Metapi 仪表盘只需要记住四个问题钱还剩多少账户数据、钱花在哪站点分布 消耗趋势、站点健不健康可用性色块 测速、哪个模型最烧钱模型数据分析。四图合一多站点多账号的成本管理从此一张屏幕搞定 。更多部署与配置细节可查阅 docs/deployment.md 与 docs/README.md。【免费下载链接】metapi把你在各处注册的 New API / One API / OneHub / DoneHub / Veloera / AnyRouter / Sub2API 等站点 汇聚成 一个 API Key、一个入口自动发现模型、智能路由、成本最优项目地址: https://gitcode.com/gh_mirrors/meta/metapi创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉