什么是 API中转站模型“掺水”与“调包”？
API中转站模型掺水或调包是指服务商声称提供高价、顶级的模型（例如 Claude 3.5 Sonnet 或 GPT-4o），但在实际网关路由中偷换为成本更低的轻量模型（如 Haiku、GPT-4o-mini 或开源量化模型），或者在复杂/多轮对话中动态截断降级，以此牟取差价。
独立的第三方中转站检测平台
API中转站模型真伪检测
一键排查 API 渠道模型调包、掺水冒充、功能阉割与用量造假
等待开始检测
检测方法
系统会先识别接口协议，再按模型实际支持的能力执行对应验证。不适用的项目不会计入得分。
序号
方法
简介
01协议识别识别 OpenAI 或 Anthropic 兼容协议，并确认端点可用。
02响应结构核验响应 ID、内容、用量等核心字段是否符合协议约定。
03模型回显比对接口返回的模型名与填写的声明模型是否一致。
04协议指纹检查响应头与错误对象等协议特征，识别不一致的实现。
05流式响应验证 SSE 事件或数据块是否按正确顺序持续返回。
06输出控制验证 max_tokens 截断与 stop 停止条件是否真实生效。
07上下文记忆通过多轮会话确认模型是否保留先前提供的关键信息。
08系统指令检查模型对 system prompt 的执行是否稳定且可验证。
09工具调用验证工具调用对象、名称与参数结构是否符合接口规范。
10多模态输入在模型支持时验证图像和文档等输入的理解能力。
11推理参数对支持推理控制的模型验证相关参数是否被正确处理。
12用量审计核验 usage 用量字段与响应内容之间是否合理一致。
13提示词缓存在协议支持时检查缓存创建与读取行为是否符合预期。
14缓存与重放比较重复请求，识别异常的固定响应或请求重放迹象。
通过标准
同时满足以下条件，才判定通过：
- 核心检测项全部通过。
- 加权得分达到 70 分。
- 有效证据覆盖率达到 70%。
- 满足适用的关键能力证据要求。
不适用项不计分。请求超时不等于模型不通过。
检测结论针对本次响应，不是厂商认证，也不能单独证明底层模型身份。不同时间、Key 或路由可能得到不同结果。
常见问题
关于 API中转站真伪检测、模型验真、防掉包识别、测试安全与能力边界的常见解答。
平台如何对 API中转站进行真伪检测与验真？
模型检测站通过真实黑盒 API 调用，自动识别 OpenAI 兼容与 Anthropic 原生协议，并从协议响应结构、严格模型名回显、SSE 流式规范、max_tokens 截断控制、多轮上下文记忆、System Prompt 服从度、Tool Use 工具调用、Vision 多模态解析、Prompt Caching 以及参数校验矩阵等多维度执行自动化探针验证。
测试安全吗？我的 API Key 会被平台记录或泄露吗？
完全安全。平台严格遵循“密钥零留存（Zero Retention）”原则，API Key 仅在单次异步检测内存生命周期中使用，绝不入库、不写日志、不通过 URL 传递。同时我们强烈建议用户使用临时、低配额的测试 Key，检测完成后可在渠道后台随时撤销删除。
为什么有些中转站 Tool Calling 或 Vision 图像识别会失败？
很多中转网关在协议转发时没有完整实现官方标准的复杂参数格式，或者底层接入了不支持相关功能的旧版模型、过滤了特定字段，导致工具调用失败或多模态输入报错。检测站会单独呈现各项能力探针的通过情况，帮助定位具体阉割环节。
检测结果显示“证据不足”或“不适用”是什么意思？
“不适用”表示该声明模型本身就不具备此项能力（例如纯文本推理模型不测 Vision），不参与扣分；“证据不足”表示本次检测受到网络超时、渠道限流或上游暂时拒绝影响，有效证据覆盖率未达到阈值，平台绝不会把网络慢误判为假冒，建议更换时间复测。
后期如何复核与避免中转站风控陷阱？
建议多次、分时段采样复核，关注接口稳定性。同时平台已将 L1 极速检测模块核心开源至 GitHub，方便开发者在本地独立环境随时自建审计。