一叶知秋 看一眼回答习惯，就知道是不是真模型
引用论文

这个中转，
是不是真模型？

担心中转站偷偷换成更便宜的模型？填上对方地址，我们只问它几次「随便说一个数」这类极短问题—— 每次回答大约只花 1 个输出 token，再对照已知真模型的回答习惯，判断像不像。 你的 API Key 只用于当场检测，我们不会记录、不会保存。

开始检测

检测时密钥只发给对方接口；每次回答大约 1 个输出 token。

—
可对照的真模型数
≈1
每次回答输出 token
0
API Key 落盘次数
—
支持的问题类型

检测中转接口

填上中转给你的地址和密钥，再选它「说自己是」哪款模型。密钥只在你点检测时发给对方接口，本站不写进日志、不写入硬盘。

「声称是哪款」请从列表里选标准名字（如 openai/gpt-4o）；「中转里填的模型名」按对方后台怎么写就怎么填。总提问次数 ≈ 检测强度格数 ×「每个问题问几遍」。若常遇 429 限流，把「请求间隔」调大（如 500–1000）。论文全量建议把问几遍调到 8 左右更稳。每次回答大约只要 1 个输出 token。

怎么看结果

我们会把同一个简单问题多问几遍，看中转「爱怎么答」，再和库里真模型的习惯对比，算出一个差距分。差距越小越像真的；超过一条固定的判定线（约 0.36），就更值得怀疑被掉包。问得越多通常越稳，但每次回答大约只要 1 个输出 token。

论文参考：对照格数越多误判越低；全量 40 格（10 类×4 语）约 7.3% 误判