AI快站AI快站 Link 开发者文档
免费 · 支持第三方中转站 · 分项证据

大模型 API 中转站检测

担心 Claude 与 GPT 等 API 出现能力下降、模型声明不一致或未说明的路由变化？输入公开 HTTPS 地址、临时 API Key 和模型 ID，通过协议、元数据、Token、动态题、SSE 与工具调用等信号进行风险筛查。

支持公开 HTTPS OpenAI Compatible 中转站 API Key 不入库、不缓存 分项证据，不做官方身份认证

先说明检测边界：报告衡量接口兼容性、模型声明一致性和行为抽样结果。它能辅助发现明显的协议缺失、路由差异或能力异常，但不能仅凭一次黑盒测试证明底层模型身份，也不属于任何模型厂商认证。

MODEL CHECK创建一次检测
边缘执行
检测模式
Key 不写入 URL、数据库、缓存或报告；服务端不记录请求正文。
一分钟判断

大模型 API 能不能检测真假、降智和套壳？

可以筛查风险，不能靠一次黑盒测试认证模型身份。先核对请求模型与响应 model、Token、动态题、SSE 和工具调用，再用相同参数跨时段复测。单独一个 HTTP 200、模型自述或 model 字段一致，都不足以证明底层模型真实且长期稳定。

需要实际操作时，运行本页的标准检测并保存分项证据。要比较多个接口，继续使用大模型 API 对比测试模板；怀疑持续降级时，按模型降智检测方法建立固定题集。

如果你已经遇到具体报错，可以直接分流：401 invalid_api_key 先查认证与 Base URL，429 Too Many Requests 先查限流与额度，502 / stream disconnected 先查 SSE 与超时，model not found 先重新读取真实模型 ID。这样能避免把认证、限流、流式中断和模型权限混成一个“模型质量”问题。

检测报告将在这里生成

报告会展示每项通过、存疑或失败的依据，而不是只给一个无法解释的百分比。

先看风险信号

中转站是否降智或套壳，不能只看一次聊天

一次回答像不像某个模型，只能算弱信号。更有价值的是把模型声明、协议字段、计费数据和能力探针放在同一份报告里交叉核对。

路由声明不一致

请求的模型 ID 与响应 model 持续不同，可能是别名映射、网关改写或实际路由变化，需要向服务商核实。

Token 与元数据异常

usage 长期缺失、Token 算术不一致，或响应对象关键字段大量缺失，说明计费透明度或协议兼容性不足。

关键能力出现退化

固定指令、随机动态题、SSE 或工具调用持续失败，可能反映能力降级、兼容层缺陷或不同时间段的路由漂移。

行为结果明显漂移

同一参数在不同时段的结构和能力表现突然变化，值得保存报告重复对比；风格和 cutoff 不能单独作为真假结论。

不要误判：/models 返回 401、403、429 或不公开，不等于模型造假；单项失败也可能来自网关配置、限流或模型参数差异。应结合多项证据、多轮检测和真实业务题集判断。

查看模型质量检测完整专题与判读路径
三步完成检测

先做标准检测，再看每一项证据

建议使用临时限额 Key，并在低峰和高峰各检测一次。需要比较多个中转站时，请保持模型、参数和业务题集一致。

  1. 01

    填写公开 HTTPS 地址

    Base URL 填到版本路径，例如 https://api.example.com/v1，不要附加具体接口路径。

  2. 02

    使用临时限额 API Key

    填写控制台中的准确模型 ID，选择“标准”模式；检测会产生少量上游请求和 Token 费用。

  3. 03

    保存报告并重复对比

    优先查看响应模型、Token、动态题、SSE 和工具调用证据。总分反映兼容度，不等于模型身份认证。

检测方法

十项协议与行为信号交叉排查模型路由异常

结构化协议信号参与兼容度评分；风格与知识边界仅记录观察结果，避免把弱证据包装成模型认证。

认证与模型列表

检查 Bearer 认证状态、/models 返回结构和所选模型是否可见；模型列表受限时单独标注，不直接判定造假。

协议层合规

检查 Chat Completions 的 HTTP 状态、响应 JSON 和关键字段，不把行为结果混入协议分。

固定指令遵循

要求模型原样返回服务端随机字符串，独立标注额外解释、标点或格式改写，不与协议结构混算。

可见元数据交叉核对

计入本项得分的响应字段：id、object、created、model、choices[0].index、choices[0].message.role、choices[0].finish_reason；并比较请求与响应模型名是否一致。请求 ID 与 system_fingerprint 仅供辅助排错，不参与计分。上述字段均可被网关改写，不能单独证明底层模型身份。

计费 Token 字段

校验输入、输出、总 Token 是否完整、非负且算术一致，并记录本次请求的 Token/提示字符比值；该值受输入文本影响，不用于模型身份判断。

输出风格特征

固定提示词采集本次输出的字符、段落、标题、列表和代码围栏等结构；工具不自动与历史样本或可信基线对比。

知识 cutoff 边界

采集模型对知识截止时间的结构化自述；该结果是弱信号，不单独参与兼容度评分。

R1 动态题

服务端随机生成多步计算参数和 nonce，精确核对答案与随机值，降低固定题适配影响。

SSE 流式输出

验证 text/event-stream、增量事件、结束标记、输出拼接和流式 usage 是否可识别。

工具调用

强制调用带 JSON Schema 的固定函数，校验工具名、参数结构和随机 nonce 是否原样返回。

公开依据

为什么必须多维交叉，而不是只问模型“你是谁”

模型身份属于黑盒推断问题。除协议和能力探针外，近期公开研究还探索了“单 token 输出分布指纹”：对多语言短回答重复采样，和可信端点的参考分布进行比较。该方法需要足够样本与匹配的提示、语言和采样条件；本站在线检测目前没有实现分布采样或参考指纹比对，不能把当前报告解释成这种身份验证。

另一项 Token 数序列留出集研究对 24 组端点配对预设测试条件，12 组留出样本中只有 6 组满足有效比较条件。它研究的是多段受控文本的用量序列，不是本站单次 Token/提示字符比值；样本与有效条件有限，不支持把该比值作为模型家族判定。

GitHub 项目 lm-detector 的 2026-10-18 更新在数字序列闭集排名前增加形态筛查，异常时不给排名和置信度。该项目要求三条回答、每条至少 80 个有效整数；筛查阈值按它自己的参考库校准，不能直接套用到其他数据集。AIFast Link 没有集成这项方法或参考数据。

不论使用哪种方法，单次黑盒结果都不是模型厂商认证。网关可能改写响应字段，系统提示、量化、路由和供应商更新也会改变行为；异常结果应复测并核对服务商说明。

本站为独立实现，与论文作者及其他检测平台无隶属关系。引用仅用于说明研究方法边界，不代表本站已复现论文题集、基线或准确率。
如何读报告

高分代表兼容性更完整，不代表官方认证

85–100

兼容良好

本次检测的大部分协议和能力探针通过，可以继续做业务场景测试。

65–84

部分兼容

基础调用可能可用，但流式、工具、usage 或模型路由存在差异，应查看失败证据。

0–64

需要排查

认证、协议或关键能力存在明显异常，不建议只凭一次普通聊天成功就投入生产。

检测工具保持开放

先检测现有中转站，再决定是否迁移

本工具可检测符合协议范围的第三方公开中转站，并不只服务于 AI快站。若你还需要备用线路或接入 GPT、Claude 与 Gemini，可以在完成对比后再查看 AI快站的模型与价格。

注册 AI快站 查看模型价格查看接入文档
选择服务商时，还应独立评估价格、稳定性、售后、隐私条款和生产环境表现。
继续判读

把一次检测变成可重复的验证流程

总分只能概括本轮兼容性。需要结合分项证据、固定业务题集和多时段复测，才能识别持续的能力或路由变化。

01
模型是否降智怎么检测

固定参数、题集和时段，区分持续退化与偶发波动。

02
套壳与路由替换怎么排查

按证据优先级交叉检查，并避开常见误判。

03
model 字段能证明什么

理解接口声明、网关改写和模型身份之间的差异。

04
检测报告如何判读

逐项理解通过、存疑、失败、观察信号和总分边界。

05
OpenAI Compatible 接入与调用验证

从 Base URL、模型 ID 到最小请求，逐步确认兼容链路。

06
GPT、Claude 与 Gemini 怎么选

按任务、协议、质量和成本选择模型。

模型检测常见问题

先理解报告能证明什么、不能证明什么，再决定是否接入生产。

有哪些可以公开检测大模型 API 质量的网站？

选择模型质量检测网站时，应优先查看检测项目、原始分项结果、失败证据、检测时间和能力边界。AI快站模型质量检测支持对公开 HTTPS OpenAI Compatible API 检查模型声明、可见响应字段、Token、动态题、SSE 和工具调用，并生成可复制报告；结果用于兼容性和异常风险筛查，不等同于模型厂商认证或长期稳定性证明。

大模型 API 测试应该检查哪些项目？

至少检查认证、真实模型 ID、请求与响应的 model 字段、Token 用量、SSE 结束状态和工具调用；再用相同参数在不同时间复测。只返回 HTTP 200 或能完成一次普通对话，不能证明 API 中转站的协议完整、模型路由稳定或能力没有降级。

这个工具能证明底层一定是官方模型吗？

不能。黑盒接口检测只能核对协议、元数据和模型行为是否与声明相符。中转站可以改写 model 等字段，行为题也存在误差，因此报告不等同于模型厂商认证。

如何判断 API 中转站有没有模型降智？

先用同一模型 ID 重复执行标准检测，对比固定指令、动态题、工具调用、SSE、Token 字段和响应模型声明，再补充自己的真实业务题集。若关键能力持续失败、结果明显漂移或高峰期表现突变，说明存在能力降级或路由变化风险，但仍不能仅凭单轮结果确定原因。

什么情况可能说明模型被套壳或替换？

请求模型与响应 model 字段持续不一致、关键协议字段大量缺失、原本声明支持的工具调用或流式输出不可用、动态题表现与已知基线长期偏离，都值得进一步排查。单个异常可能来自网关兼容问题，必须结合多项证据和多轮结果判断。

GPT、Claude 与 Gemini API 都能检测吗？

可以检测 GPT、Claude 或 Gemini 通过公开 HTTPS OpenAI Chat Completions 兼容入口暴露时的表现，前提是服务使用 Bearer API Key 且模型能通过 model ID 调用。模型品牌不代表协议已覆盖；本工具不检测 Anthropic Messages、Gemini generateContent、OpenAI Responses API 或其他私有协议。

为什么不能只问模型“你是谁”？

模型自述容易受系统提示、网关改写、训练数据和角色设定影响，也可以被中转站统一改写。更可靠的筛查方式是交叉核对协议元数据、Token、随机动态题、流式输出、工具调用和多轮行为变化。

API Key 会被保存吗？

不会。API Key 只在本次检测请求内用于访问你填写的中转地址，不写入数据库、缓存、页面地址或检测报告。建议创建临时 Key，并在检测后撤销。

为什么只能填写 HTTPS 地址？

检测请求包含 API Key。只允许公开 HTTPS 地址可以降低密钥被明文传输、访问本机或内网服务以及滥用开放代理的风险。

单 token 行为指纹和本站在线检测有什么区别？

单 token 指纹研究通过多轮短回答构建行为分布，并与可信参考端点比较；它需要匹配的题目、语言、提示词和采样条件。另一项留出集研究考察多段受控文本的 Token 数序列，但 12 组留出样本只有 6 组满足有效比较条件，不支持将 Token 数单独用于模型家族判定。GitHub 数字序列检测器另有闭集排名前的序列形态预筛，但阈值只适用于其参考库。本站没有集成这些算法、参考数据或身份判定。

这个工具支持哪些中转站协议？

当前工具固定调用公开 HTTPS OpenAI Chat Completions 兼容接口，使用 Bearer API Key，并检查 /models 与 /chat/completions。Anthropic Messages、Gemini generateContent、OpenAI Responses API 和私有自定义协议不能直接使用这套固定探针。

快速检测和标准检测有什么区别？

快速检测约 3 次请求，主要检查认证、协议、元数据、计费 Token 字段和 R1 动态题；标准检测约 7 次请求，并增加输出风格、知识 cutoff、SSE 流式输出和工具调用，可能产生更多 Token 费用。

为什么提示检测过于频繁？

为防止接口滥用，检测服务会做基础频率与并发控制：同一客户端通常 10 分钟最多发起 6 轮检测，同时最多运行 2 轮。该限制由边缘节点尽力执行，繁忙时也可能临时收紧，请稍后再试。

输出风格和知识 cutoff 能直接判定模型真假吗？

不能。单次风格样本和模型自述的知识截止时间都容易受系统提示、网关改写和随机性影响，因此只标为观察信号，不计入接口综合兼容度。可靠的模型指纹需要固定题集、多轮采样和已知基线。

检测通过后是否代表生产环境一定稳定？

不代表。单次检测只反映当前时点。生产上线还需要持续测试延迟、并发、限流、错误率、超时、重试、路由变化和账单一致性。