一句话定义：服务层级（Service Tier）是调用大模型 API 时选的一种“服务档位”，它决定你的请求排哪条队、高峰期有多稳——而不是模型有多聪明。
打个生活化的比方。同一家食堂，同样的饭菜，有两个窗口：一个是普通窗口，一个是加钱走的快速窗口。菜没变、厨师没变、分量没变，变的只是你端着盘子等多久。服务层级就是这么回事：Priority（优先层）是快速窗口，Flex（弹性层，有时叫低优先层）是普通窗口。
为什么会有这种设计？因为服务商背后是一池有限的 GPU，单位时间能算的 token 是有上限的。请求涌进来，不可能人人立刻被处理，于是必须分流：
- 走 Priority 的请求进快队列，容量紧张时优先拿到算力，通常还附带更明确的延迟与可用性承诺。
- 走 Flex 的请求拿折扣价，代价是进慢队列：可能等更久、延迟抖动更大，资源吃紧时被限流或推到后面重试。
关键点在于：模型权重没变，推理参数没变，输出质量的上限也没变。你多花的钱，买的是插队的权利和“不会突然卡住”的确定性。
| 维度 | Priority（优先层） | Flex（弹性/低优先层） |
|---|---|---|
| 花费 | 更高，常有溢价 | 更低，常有折扣 |
| 排队 | 优先被调度 | 给高优先级让位 |
| 稳定性 | 高峰期更稳，有服务承诺 | 延迟抖动大，可能被限流 |
| 适合 | 用户正在前台等的线上请求 | 离线批处理、评测、数据清洗 |
它和几个相邻概念容易混：
- 换模型（比如从小模型换到大模型）买的是“能力”；服务层级买的是“通道”。
- 速率限制（Rate Limit / Quota）管的是你一分钟能喊多少次；层级管的是喊完之后排第几。
- 批处理接口（AI 词典：Batch API">Batch API）是另一条异步路子，通常更便宜，但只承诺“一段时间内跑完”。
对从业者来说，最实用的一条规则是：把用户正盯着屏幕等的请求放 Priority，把离线评测、数据回填、批量摘要放 Flex。反过来说，把本来可以慢慢跑的任务塞进优先层，就是在为“可以等的东西”付溢价。对普通职场人来说，你用的产品忽快忽慢，未必是模型升级或降级，很可能只是厂商换了档位；高峰期把免费或低档用户临时降级，是常见的控成本手法。
各家支持的档位名称、价格倍率和可用性承诺差别很大，具体以官方页面为准。