先看结论请求量与成本在 2026-08-31 同时达到峰值，分别为 1,864 条 与 $3.0116；2026-09-02 出现全周期最多的 15 条错误。总体错误率为 0.528%，延迟 P99 达 138 ms。
运行总览
先用五个数字建立尺度，再往下看峰值来自哪里。
累计花费
$8.3258
均值 $0.001570/条
总 tokens
1062.7M
输入 1.059B · 输出 4.07M
错误率
0.528%
28 条 error · 1 条 topup
P95 / P99 延迟
56 / 138 ms
最大 530 ms
时间：峰值集中，错误在后段抬头
日粒度回答“哪天最忙、哪天最贵”，小时粒度回答“什么时候最密集”。
每日请求量与花费
请求量是否伴随成本同步变化？
左轴为请求条数，右轴为花费（美元）；按日期聚合，筛选后动态更新。小时请求密度
调用高峰落在什么时段？
按原始记录中的小时字段聚合，缺失小时不补零。结构：opencode 承担规模，agent 更慢
同一模型与分组几乎覆盖全表，差异主要来自令牌名称与记录类型。
令牌名称：规模与平均延迟
调用量与性能成本是否由同一入口贡献？
柱为记录数，折线为平均延迟（ms）；花费与 tokens 见异常明细与页面数据。记录类型构成
有效消耗、错误、充值各占多少？
当前筛选条件下的记录数构成；error 记录花费为 0。质量：长尾与上游错误是主要观察点
平均耗时 17.9 ms，但 P99 是均值的 7.7 倍；错误在 2026-09-02 集中出现。
请求耗时分布
延迟是整体变慢，还是少数长尾拖高？
20ms 分箱；标线为 P50、P95、P99，超过 P99 的 55 条记录可在异常明细中追踪。错误构成
失败主要来自限流、服务不可用还是计费链路？
错误类别从“详情”字段中的状态码/文本归类，共 28 条错误，结论不外推到全量流量。把数字变成动作
值得优先验证的三件事
- 拆解上下文成本。输入 tokens 占总 tokens 的 99.6%；输入 tokens 与花费相关系数为 0.42，高花费记录大多由超长上下文驱动。
- 关注 2026-09-02 的错误波峰。该日 15 条错误，占全周期错误的 53.6%；建议结合上游限流、服务可用性和重试策略核对。
- 把 agent 的长尾单独监控。agent 平均耗时约 21.4 ms，opencode 约 16.6 ms，前者高约 29.0%。
异常明细：先看最贵，再看最慢
表格保留原始时间、令牌、成本、tokens、延迟与详情，便于从图表回溯到单条请求。
成本 Top 10
按花费降序；金额为原始花费字段。耗时 Top 10
按请求耗时降序；用于定位长尾样本。数据来源
本页只使用用户上传的 logs_2026-09-03 (1).csv，共 5,303 条记录，观测窗口为 2026-08-30 00:00:05 至 2026-09-03 16:53:41。图表运行时使用 jsDelivr CDN 加载 Apache ECharts 5.6.0。