结论先说： 检测报告的总分是“接口综合兼容度”，不是模型智力分，也不是官方身份概率。阅读顺序应该是先看模型声明，再看失败证据，最后才看总分。
打开检测工具 后建议选择标准模式。标准模式会增加 SSE、工具调用、输出风格和知识边界采样，因此更适合接入前检查。
用 AI快站 HK 复现并留存一份报告
先按 HK 快速开始 创建独立限额 Key，并从同一账号的模型目录复制完整模型 ID。检测地址填写 https://www.aifast.hk/v1，不要填主站首页、/chat/completions 完整路径或其他站点的地址。测试其他提供商时，必须同时替换为该提供商的 Base URL 与 Key。
运行标准检测后，按下面的字段留存记录，再对照本页解释；缺失项标为“未取得”，不能用宣传数字补齐。
| 记录项 | 应保留的信息 |
|---|---|
| 测试配置 | 日期与时区、Base URL、请求模型、分组与检测模式 |
| 模型声明 | 请求与响应 model 字段，别名映射是否已经核验 |
| 分项证据 | 通过、存疑、失败、观察与未执行项，不只保留总分 |
| Token | 实际返回字段、估算或不完整标记；缺失不等于零费用 |
| 对照条件 | 同一网络、模型、参数及重复轮次，记录变化的唯一变量 |
| 复测与用量 | 脱敏请求 ID、复测时间和该账号控制台账单核对结果 |
这份工具报告只覆盖公开 HTTPS OpenAI Chat Completions 兼容入口中的 GET /models 与 POST /chat/completions 探针，不是 OpenAI Responses、Anthropic Messages 或 Gemini generateContent 的完整验收，也不是 AI快站或其他平台的长期可用率证明。GPT、Claude、Gemini、DeepSeek 等模型名称只说明所选模型标签，不代表检测了对应厂商的原生协议。公开截图或文本前仍需人工检查密钥、认证头和业务内容是否已经脱敏。
在线兼容性检测与统计指纹不是同一种方法
本页在线工具执行少量固定协议与行为探针，报告 /models 可见性、Chat Completions 响应结构、模型声明、Token、随机动态题，以及标准模式中的 SSE 和工具调用。“可见元数据交叉核对”只核对响应中可见的 id、object、created、model、请求 ID 等字段；这些字段不是加密签名，也可能被网关改写。Token/提示字符比值是本次请求的单次观察值，受语言、提示词和序列化文本影响，不用于推断分词器或模型身份。此处改名不改变检测探针、评分权重或 API 行为。
统计指纹研究是另一类方法：通过多轮短回答建立经验分布，再将待测端点与可信参考端点比较，例如使用 Jensen-Shannon divergence。它需要重复采样、可信参考，以及相同题目、语言、系统提示和采样条件；代价和证据类型都不同于本站约 3/7 次请求的快速/标准检测。
另一项留出集研究考察的是多段受控文本的 prompt-token-count 序列，而非单次 Token/提示字符比值。其 12 组预设留出样本中只有 6 组满足有效比较条件，样本不足以支持把 Token 数当作通用模型家族识别依据；这也不是对本站比值字段的直接验证。
GitHub 上的 lm-detector 又是不同方法：2026-10-18 的更新在数字序列闭集排名前增加形态预筛，检查相邻数字的一阶自相关和相邻差绝对值不超过 20 的比例，并以有效回答的中位数与该项目参考库校准的阈值比较。其文档要求三条有效回答、每条至少 80 个有效整数；触发筛查时不给候选排名或置信度。该筛查针对特定数字任务与参考库，不能把阈值搬到其他题集，也不能证明某个厂商模型身份。AI快站在线工具没有集成这段算法、参考数据或阈值；引用的 GitHub 与论文结果均不代表本站实测能力。
若需要做这种补充验证，可按以下顺序留证：
- 选定有来源依据的可信参考端点和待测端点，记录厂商、模型 ID/版本、Base URL 与采样日期；没有可信参考时不要给出“身份匹配”结论。
- 两端使用相同题集、语言、系统提示、温度及其他可控参数；逐项记录有效样本数和端点不支持的能力。
- 按研究实现比较经验分布与距离指标，并保存原始脱敏结果、工具版本和参考数据日期；不要把单一距离阈值套用到不同题集或协议。
- 换一个时段复测，并核对路由、系统提示、量化与服务商版本变更。单次不匹配是需要调查的统计信号，不是欺诈或底层身份的证明。
| 接口类型 | 本站在线检测 | 说明 |
|---|---|---|
| OpenAI Chat Completions 兼容接口 | 支持固定探针 | 请求路径为 /models 与 /chat/completions；模型可为 GPT、Claude、Gemini、DeepSeek 等，只要该端点按兼容协议提供调用。 |
| OpenAI Responses 原生接口 | 不覆盖 | Responses 的请求、响应与事件结构需单独按其协议验收。 |
| Anthropic Messages 原生接口 | 不覆盖 | 不能把 Chat Completions 兼容层结果当成 Messages API 验收。 |
Gemini generateContent 原生接口 |
不覆盖 | Gemini 模型经兼容网关暴露与原生 Gemini API 是不同测试范围。 |
HK 检测分数如何计算？
以下说明核对的是 HK 检测工具在 2026-10-24 使用的实现，不是模型厂商评分标准。综合兼容度只计算权重大于零且有数值分数的检测项：每项得分乘以权重，求和后除以参与项的总权重，再换算为百分制并四舍五入。
| 检测项 ID | 权重 | 快速模式 | 标准模式 |
|---|---|---|---|
models |
10 | 计分 | 计分 |
protocol |
15 | 计分 | 计分 |
instruction |
10 | 计分 | 计分 |
metadata |
15 | 计分 | 计分 |
usage |
15 | 计分 | 计分 |
challenge |
15 | 计分 | 计分 |
stream |
10 | 未执行 | 计分 |
tools |
10 | 未执行 | 计分 |
style, cutoff |
0 | 未执行 | 仅观察 |
快速模式的计分权重合计为 80，标准模式为 100。未执行项不会按失败扣分，因此快速模式的 100 分不表示 SSE 或工具调用已经通过，也不能直接与标准模式的分数比较。“指令与行为匹配度”只取固定指令和动态题两项数值分数的平均值，同样不是模型真实性概率。
例如，仅在标准模式的工具调用得分为 0、其余计分项全部得满分的假设下，总分仍为 90。这个算术示例不是任何平台的实测结果；对于依赖工具调用的 Agent，仍然必须先解决失败项，不能只凭总分放行。
摘要、报告编号和 Token 各能证明什么？
- “复制报告摘要”包含模型声明、分项状态和摘要，不包含全部原始证据、完整 Token 明细或测试时间。留档时应同时保存页面上显示的检测时间与分项证据；切勿把剪贴板摘要当作完整测试档案。
MC-开头的是本次检测报告编号，不是上游请求 ID，也不是公开报告查询凭证。联系服务商排错时，应从元数据分项核对实际返回的请求 ID；缺失就写未取得。- 页面中的 Token 是多次探针响应的汇总。显示“未返回”“部分推算”或“仅统计已返回”时，不可据此计算准确账单；即使字段完整，也必须按 HK 账号当次分组与扣费记录核对。
- 报告用时是边缘检测服务执行整轮探针的耗时，不是一次聊天的首字延迟，也不等于用户浏览器到目标接口的延迟。
报告应该按什么顺序看
1. 被检地址和请求模型
先确认 Base URL 和模型 ID 没有填错。常见错误包括重复追加 /v1/v1、把展示名称当作模型 ID，或者填写到 /chat/completions 具体路径。
2. 请求模型与响应模型
一致表示本轮接口声明一致；不同表示可能存在别名、版本解析或路由差异。两者都不能单独证明底层身份，需要继续看能力和元数据。
3. 分项状态
| 状态 | 含义 | 建议动作 |
|---|---|---|
| 通过 | 本次探针满足预期 | 加入业务题集继续验证 |
| 存疑 | 有结果但存在结构或一致性问题 | 查看证据并复测 |
| 失败 | 关键协议或能力未满足 | 先排查配置，再联系服务商 |
| 观察 | 弱信号，不计入兼容度 | 仅用于多轮趋势对比 |
| 无结果 | 上游未返回可判读内容 | 检查权限、限流、超时与协议范围 |
| 未执行 | 当前模式没有运行该项 | 需要时改用标准模式 |
4. 总分和业务影响
高分表示协议和关键探针更完整，不代表生产环境稳定。低分也不一定代表模型是假的，可能是目标端点只实现了部分兼容协议。
应根据业务决定权重：普通问答更关注基础协议和流式输出；Agent 更关注工具调用；成本敏感项目更关注 usage 完整性；生产系统还要单独测试延迟、并发、错误率和限流。
十项检测分别说明什么
- 认证与模型列表： Bearer Key 是否通过认证、
/models是否返回可识别目录，以及所选模型 ID 是否可见；目录受限不等于模型造假。 - 协议层合规： Chat Completions 状态码、响应 JSON 和关键字段是否可识别。
- 固定指令遵循： 能否原样返回随机字符串，独立观察约束遵循。
- 可见元数据交叉核对：
id、object、created、model和请求 ID 是否存在或一致；不具备签名验证能力。 - 计费 Token 字段： 输入、输出和总 Token 是否可用且算术一致。
- 输出风格特征： 段落、标题、列表和代码围栏等弱特征，只用于对照。
- 知识 cutoff 边界： 模型自述的知识边界，属于容易被改写的弱信号。
- R1 动态题： 使用随机参数和 nonce 进行能力抽样。
- SSE 流式输出： 流式事件、增量内容和结束标记是否兼容。
- 工具调用： 函数名、JSON 参数和随机值是否按要求返回。
如何公平比较两个中转站
- 为两个站分别创建临时限额 API Key。
- 选择同一模型系列和同一检测模式。
- 尽量在相近时间、相同网络环境执行。
- 每个端点至少重复三轮。
- 记录模型声明、失败项、Token、耗时和业务题集结果。
- 比较证据，不要只比较一次总分。
如果两个服务商使用不同的模型别名，应先向各自控制台确认实际映射。无法确认时，在报告中标记为未知，不要自行补全结论。
什么情况应立即停止接入
- API Key 或敏感信息可能被记录、暴露或经非 HTTPS 传输。
- 认证、模型路由或计费数据持续异常且服务商无法解释。
- 业务必需的工具调用、流式输出或结构化结果反复失败。
- 同一条件下结果持续漂移，且缺少可追踪请求 ID 或售后响应。
这些条件关注的是可用性、透明度和安全边界，不依赖“是否能百分百鉴真”。
报告不能代替什么
检测报告不能代替厂商签名、供应链审计、合同与隐私条款，也不能预测未来稳定性。生产上线还需要持续监控延迟、错误率、限流、路由变化和账单一致性。
下一步
先阅读模型降智的可重复检测方法，再用固定业务题集补充报告。发现模型声明不一致时，查看套壳与路由替换风险排查。