Model Purity
模型纯度检测｜判断 API 中转站是否偷换模型
AIBench.cc 模型纯度检测通过 model 字段、自报身份、tokenizer 计数和协议探针,识别 AI API 中转站模型偷换、降级或量化嫌疑。
快速答案
模型纯度检测是判断你请求的 model id 背后是否真是目标模型。AIBench 会核对响应 model 字段、模型自报身份、tokenizer 计数偏差和协议行为,多项不一致时标记为存疑或降级。
检测步骤
- 1读取响应体里的 model 或 modelVersion 字段。
- 2要求模型自报身份,匹配模型家族关键词。
- 3用短 prompt 比较 tokenizer 计数基线。
- 4结合错误码、缓存字段和协议特征给出风险等级。
适用场景
- 怀疑中转站把大模型替换成小模型。
- 验证低价渠道是否存在静默降级。
- 采购前筛掉模型身份不透明的 API 供应商。
- 排查模型输出风格突然变化。
核心指标
model 字段
响应声明的模型名
自报身份
模型对身份问题的回答
tokenizer 偏差
token 计数是否落在基线区间
协议特征
错误码、缓存字段、usage 结构
模型纯度不是单一问题
渠道可能做模型别名映射、降级、量化、fallback 或多账号轮询。单一信号容易误判,所以 AIBench 同时展示多个证据。
为什么结论分为通过、存疑、降级
自报身份可能被系统提示影响,tokenizer 也会受语言和模型基线影响。分级结论比绝对判断更诚实,也更适合采购复核。
相关搜索词
模型纯度检测模型偷换检测中转站检测Claude真伪验证OpenAI模型检测
常见问题
模型纯度检测能 100% 证明偷换模型吗?
不能。它能提供强风险信号和可复核证据,但单次远程探针无法替代供应商内部审计。
为什么同一个模型名会测出不同结果?
可能是渠道做了别名、fallback、多账号轮询或灰度。建议固定时间、地域和 prompt 多次复测。
相关指南与对比
开始一次真实检测
粘贴临时测试 key,用同一套探针查看延迟、模型纯度、缓存、限流和成本。