refactor: 废弃 rate_multiplier 字段，改进成本倍率回退逻辑

- 在前后端模型中为 rate_multiplier 添加 @deprecated 标记
- 修复 rate_multipliers 回退逻辑：当 rate_multipliers 存在但未配置当前格式时使用 1.0
- ModelMappingsTab: 删除映射后自动保存，简化空状态提示
- ModelManagement: 添加 refreshModel 事件在映射更新后刷新模型数据
- CacheAwareScheduler: 添加映射匹配调试日志，移除 candidate_models 限制

src/services/cache/aware_scheduler.py

@@ -593,6 +593,8 @@ class CacheAwareScheduler:
 
         # 提取模型映射（用于 Provider Key 的 allowed_models 匹配）
         model_mappings: List[str] = (global_model.config or {}).get("model_mappings", [])
+        if model_mappings:
+            logger.debug(f"[Scheduler] GlobalModel={global_model.name} 配置了映射规则: {model_mappings}")
 
         # 获取合并后的访问限制（ApiKey + User）
         restrictions = self._get_effective_restrictions(user_api_key)
@@ -929,6 +931,12 @@ class CacheAwareScheduler:
                 model_mappings=model_mappings,
                 candidate_models=candidate_models,
             )
+            if mapping_matched_model:
+                logger.debug(
+                    f"[Scheduler] Key {key.id[:8]}... 映射匹配成功: "
+                    f"model={model_name} -> {mapping_matched_model}, "
+                    f"allowed_models={key.allowed_models}, model_mappings={model_mappings}"
+                )
         except TimeoutError:
             # 正则匹配超时（可能是 ReDoS 攻击或复杂模式）
             logger.warning(f"映射匹配超时: key_id={key.id}, model={model_name}")
@@ -1047,6 +1055,9 @@ class CacheAwareScheduler:
 
             for key in keys:
                 # Key 级别的能力检查
+                # 注意：不传入 candidate_models 限制，允许映射匹配到 Key 的 allowed_models 中的任意模型名
+                # 这支持以下场景：Key 只允许使用 gpt-5.2，而 GlobalModel 配置了映射 gpt-5.*2
+                # 映射匹配后，实际请求会使用 gpt-5.2 作为模型名发送给 Provider
                 is_available, skip_reason, mapping_matched_model = self._check_key_availability(
                     key,
                     target_format_str,
@@ -1054,7 +1065,6 @@ class CacheAwareScheduler:
                     capability_requirements,
                     resolved_model_name=resolved_model_name,
                     model_mappings=model_mappings,
-                    candidate_models=provider_model_names,
                 )
 
                 candidate = ProviderCandidate(

src/services/cache/provider_cache.py

@@ -64,12 +64,19 @@ class ProviderCacheService:
 
         # 3. 计算倍率并写入缓存
         if provider_key:
-            # 优先使用 rate_multipliers[api_format]，回退到 rate_multiplier
-            rate_multiplier = provider_key.rate_multiplier or 1.0
+            # 优先使用 rate_multipliers[api_format]
+            # 如果 rate_multipliers 存在但未配置该格式，默认为 1.0
+            # 只有当 rate_multipliers 完全不存在时，才回退到 rate_multiplier
             if api_format and provider_key.rate_multipliers:
                 format_upper = api_format.upper()
                 if format_upper in provider_key.rate_multipliers:
                     rate_multiplier = provider_key.rate_multipliers[format_upper]
+                else:
+                    # rate_multipliers 存在但该格式未配置，使用默认值 1.0
+                    rate_multiplier = 1.0
+            else:
+                # rate_multipliers 不存在或未指定 api_format，回退到默认倍率
+                rate_multiplier = provider_key.rate_multiplier or 1.0
 
             await CacheService.set(
                 cache_key, rate_multiplier, ttl_seconds=ProviderCacheService.CACHE_TTL