模型身份验证实验室

不看它怎么自称。
只看证据是否一致。

以真实 API 请求构建可复现的证据链，检测模型降级、替换和不透明路由。每一条结论都回到原始响应、重复测量和可信参照端。

可复现请求公开指纹基线fail-closed 判定

API v16 个证据维度原始 JSON 可追溯

METHOD / 01

证据先于结论

网络位置可以解释链路，却无法证明权重来源。能力题可以描述表现，却无法证明身份。这里将它们从“验真结论”中剥离，只保留稳定、可复查的交叉证据。

模型自报名称与 marketing 文案不作为身份依据。

tokenizer 等确定性测量必须重复稳定，才进入匹配计算。

同型号官方或可信参考端的双端对照，强于单端猜测。

CORS、限流、缺 usage 或响应漂移均标为不可用，不算通过。

SOURCES / 02可审计的开源方法链

当前接入 modelprint 的公开指纹快照；其余项目仅作为方法与评测参考，避免把 GitHub 名称包装成认证背书。

浏览器端重复测量 tokenizer、错误形状、响应字段和服务栈特征，并提供公开快照。

公开的黑盒模型 fingerprinting 研究实现；用于审视行为特征的可区分性。

以多组 forensic prompts 检测 API 标称模型与实际行为之间的冲突。

被广泛采用的可复现评测框架。它评估能力，不被当作模型身份的单一证明。

自动匹配公开指纹选择被测模型后自动匹配根据下方被测模型自动选择，客户无需手动设置

未收录

RUN A VERIFICATION检测端点支持 OpenAI-compatible Chat Completions，由本站同源代理代发请求

密钥不落盘

01填写目标02运行探针03查看证据

模型品牌基础 URL接口密钥模型名

填写 URL 后自动读取可用模型；无密钥端点可留空

使用官方 API 作为可信参考端后，工具会比对 tokenizer、错误与协议指纹；请求由本站代理发出，参考端缺失时只做单端证据整理。

开启深度探针额外检查上下文上限、OpenRouter 记录与 logprob 几何，调用次数更多

目标域名：未填写 · 协议：未填写

以重复测量、公开基线与双端对照构建证据本次检测不保存记录，密钥仅用于当前探针

1. 连接目标2. 协议分析3. 行为探针4. 一致性验证5. 来源验证6. 证据整理7. 生成报告

输入接口信息后开始检测页面只展示本次真实请求结果。