市面上的 AI 接口，同一个模型名背后可能是量化版、小参数版，或者干脆换了个便宜的模型顶着。跑一次检测，看能力指纹、延迟分布和输出一致性，拿到一份带证据的报告。
本工具是技术参考工具，输出基于被测接口在检测时刻的实际响应，不构成对任何供应商的指控、认定或法律意义上的鉴定结论。能力题通过率受采样、温度、上游负载等影响，单次结果存在波动；如需对外使用，请在不同时段复测并保留原始报告。API Key 仅用于本次检测请求，不写入磁盘、不写入日志、不在页面回显；报告中仅保留其 SHA-256 指纹前 12 位。
检测结果
检测方法
不是让模型自己说“我是谁”——大量模型会答错自己的身份。真正定罪靠能力指纹与统计分布。
26 道可自动判分的题，覆盖数学、逻辑、代码、指令遵循、长上下文检索、中文与 JSON 格式。其中 15 道经过标定：前沿模型能过、7B 小模型必挂——题目没有区分度，报告就没有意义。
固定短 prompt 重复采样，算 p50 / p95 / 变异系数，并做双峰聚类检测。一个模型名后面挂了两个上游时，延迟会分成明显两拨。
同一问题多次采样，比较两两相似度与数值一致率。掺水路由会让同一道算术题反复给出不同答案。
指定并发下打真实请求，量 req/s、输出 tok/min 与错误率。宣称不限速却跑不动，是另一类问题。
自述 + 家族关键词 + 推理字段结构。明确标注为弱信号：DeepSeek 官方渠道被问时也会答 “I was developed by OpenAI”。
把测得的加权能力与“声称档位应有的下限”比较。差距过大直接判掺水；模型名带参数量（如 7B）会自动下调下限，不冤枉老实卖小模型的供应商。
真实性（真 / 存疑 / 掺水）回答“我买到的是不是它宣称的模型”。线路质量（稳定 / 波动 / 严重波动）回答“这条线跑得快不快、稳不稳”。一份「真 + 线路严重波动」的报告是有意义的：模型是真的，但压测会翻车——这和掺水是完全不同的处置方式。
对照基线
2026-10-25 完整跑批，26 题版本。这些是 TokenBay 自己的上游渠道，公开数据用于说明工具能分辨什么。