常见问题

中转站(relay,又叫「镜像」「代理」)是第三方搭建的 API 转发服务,把你的请求转给 OpenAI / Anthropic / Google 官方,再把响应原样返回给你。常见出现原因:国内无法直连官方域名、便宜的批发价、统一一个接口调多家模型。

三个常见原因:① 国内访问 anthropic.com / openai.com 需要科学上网;② 部分中转站把多家厂商的批发额度打包零售,价格比官方低 30-70%;③ 一些中转站把 Claude / GPT / Gemini 全统一成 OpenAI 兼容接口,代码只用维护一套。

官方 API 字段、签名、错误格式都是确定的;中转站之间差异巨大 — 有的 1:1 透传,有的会改写 usage 字段、剥离 thinking 块、用别的模型替换、甚至注入额外 system prompt。格物 检测的就是这种「中间到底动了什么」。

法律上灰色地带,看具体合作模式。真正的实务风险有三:① 跑路风险 — 中转站随时可能停服、涨价、卷款消失,大额充值要慎重;② 模型响应跟官方不一致 — 中转站可能在中间动手脚(替换模型、剥离能力、虚报 token),影响你下游业务的稳定性;③ prompt 内容被记录 — 涉及商业机密 / 用户数据的对话最好避开来路不明的中转站。建议小额测试,选信誉好的运营方,大额场景考虑直连官方。

格物 实测过很多家中转站,常见的坑有 5 种(都见过真实案例):① 偷偷换成别的模型 — 你买的是 GPT,实际给你跑的可能是 Claude 或其他更便宜的模型。表面上看不出来,但写出来的内容风格、思路、解题习惯都不对,用来做正经事很容易翻车。② 高级功能用不了 — 比如让模型严格按指定格式回话、让它读 PDF、调用工具这些进阶能力,在被「偷换」的中转站上经常失灵 — 因为后台换上来的便宜模型根本不会这一套。③ 计费数字不可信 — 同样一句话问几次,每次扣的钱都不一样;有的中转站干脆不告诉你这次用了多少 token,你根本对不上账。充值的钱很可能比官方贵不少,却没有任何凭证可查。④ 菜单上的模型实际没货 — 它对外宣称支持几十个模型,你真去用其中一些,直接报「没有这个模型」。格物 在你提交检测前会先帮你试一下,免得你白等半分钟拿到一份全 0 分的报告。⑤ 规则说变就变 — 同一把 key,今天用得好好的,第二天可能突然提示「需要升级套餐」「分组失效」甚至直接封号。中转站后台规则可以无通知调整,大额充值之前最好先小额试用,并跑一次 格物 看看实际表现。

三个方向:① 协议字段(id 前缀、object、finish_reason 是否符合官方规范);② 能力指纹(thinking block 回放、PDF 多模态、function calling shape);③ 用量字段(usage 里有没有混入异源痕迹如 claude_cache_creation_*)。格物 把这三类合成 7-10 项检测。

5 种常见:① 用 Kiro / Amazon Q / Bedrock 跑 Claude 替身;② 用 Claude 后端跑 GPT 请求(usage 字段会暴露 claude_* 残留);③ 把 GPT-4o 偷换成 GPT-4o-mini 省成本;④ 剥离 thinking 块、PDF 多模态等高级能力;⑤ 注入额外 system prompt 改写身份回答。

不能。现代模型都被训练得知道怎么回答身份问题,而且中转站可以注入 system prompt 让模型说「我是 Claude」。当前证据评分 v2 将自述、风格和知识问答设为观察项，不参与质量分。thinking block 的原始/篡改回放属于更强的协议证据，仍不证明具体模型版本。

Kiro 和 Amazon Q 是 Amazon 的 Claude 替身网关,响应没有 Claude thinking signature (它们走的是 AWS Bedrock 的简化接口,不返回服务端签名)。格物 在 thinking_signature 检测上会直接判 0 分,fail 整体检测。

看响应的 usage 字段。原生 OpenAI 只有 prompt_tokens / completion_tokens / total_tokens 三个键。如果出现 claude_cache_creation_5_m_tokens、usage_source: anthropic 等字段,会强烈提示响应经过了异源协议适配或自定义 usage 扩展,但不能仅凭字段断言实际后端模型。格物 把这种协议不兼容风险标记为 critical 级别。

thinking signature 是 Claude 启用扩展思考时返回的 opaque 字段。格物 不只看字段和长度:还会回放原始 thinking block,再篡改单个字符做负向对照。只有原始块被接受、篡改块被明确以 thinking 校验错误拒绝才通过。这是高强度协议证据,不是本地公钥验签或绝对真伪证明。

可以复核 4 类证据:① 原始 thinking 块回放与篡改负向对照是否都完成;② 看 usage 里有没有 claude_* 之外的异源字段;③ 看 stream / non-stream 一致性(中转站常常在两条路径上做不同处理);④ 看消息 id 是否符合 msg_ / toolu_ / srvtoolu_ 前缀规范。名称、字段与分数不能单独证明具体模型身份；错误或未完成项应复测。

覆盖签名回放、PDF、结构化输出、型号字段、协议、流式完整性、消息标识和用量等。自述、行为风格、知识问答只观察，不计分；长度波动不推断换模。实际覆盖随模型、接口、深度和选测项变化，以报告中已执行的项目为准。

这是 Claude Opus 4.7 已知的 API drift — adaptive thinking + streaming + summarized 的组合下,SSE 流里不出现 thinking 块(non-stream 正常)。格物 的 thinking_signature detector 已经针对这个切到非流式,确保检测可靠。

检测发真请求,每次 standard 模式约 12 个 API 调用,token 总消耗 ~3000-5000 (取决于 thinking 是否触发)。按 Haiku 价格 ~$0.012,Sonnet ~$0.05,Opus ~$0.20。格物 自己不收费 — 你付的是上游 API 的真实 token 钱。

看具体情况。常见 0 分原因:① API key 失效或额度耗尽(检测无效 banner 会提示);② 中转站不支持你选的模型(preflight 会提前 422 拒绝);③ 真的是非常垃圾的中转站。看每项 detector 的 details 而不是只看总分。

响应的 usage 字段是最直接的证据。真原生 OpenAI 只有 prompt_tokens / completion_tokens / total_tokens。如果发现 claude_cache_creation_5_m_tokens、usage_source: anthropic、或 input_tokens / output_tokens(Anthropic 命名),会强烈提示异源协议适配或自定义 usage 扩展。格物 标为 critical 并让该项 detector 失败,但不会仅凭一个字段断言实际后端模型。

75 分本身在「通过」区间,但如果有任何 critical 级别的 issues (尤其 protocol detector 报多个 critical),格物 会把 verdict 砍到 marginal — 圆圈变黄、提示「存在风险」。这通常意味着接口能用但中转站在做协议转换,实际跑的可能不是真的 GPT 模型。

OpenAI strict 模式应该返回纯 JSON,不能包 Markdown 代码块。如果返回 ```json {...} ``` 格式,有两种可能:① 中转站没透传 response_format 参数;② 透传了但底层模型(很可能不是 GPT)不理解 strict 模式。格物 通过 markdown_json_seen 标志区分这两种情况。

model 字段只是响应声明，匹配也不能证明身份。建议复核结构化输出、工具调用、流式和用量等实际能力。写作风格、自述和 token 长度波动都可能受提示词或采样影响，当前规则仅记录观察，不据此扣分或断言换模。

格物 的预探测会列出该 key 在中转站上有多少模型属于本协议。如果当前页是 OpenAI 但 0 个 GPT 模型,会显示一个黄色卡片提示「该 key 在此中转站没有 GPT 模型,但有 X 个 Claude 模型 / Y 个 Gemini 模型 → 一键跳转测那边」。

三种可能:① 中转站只代理部分 Gemini 模型(例如仍停在旧 2.5 或 3.x preview,尚无 3.5);② 模型名拼写差异(gemini-3.5-flash vs models/gemini-3.5-flash);③ 模型已下架。格物 提交前会做 preflight,500ms 内识别死模型并给出可用列表替代。

至少 64,推荐 128+。Gemini 3 默认开 thinking,会消耗 30-60 reasoning_tokens 才输出文本。如果 max 太小(< 32),thinking 占满后没空间出文本,响应就是空字符串 + finish_reason=length。格物 的 detector 已经把 max 调到 64-384。

格物 此入口使用 OpenAI 兼容协议,Google 官方也提供 OpenAI 兼容端点 /v1beta/openai。维护两套独立的检测逻辑成本高且容易引入翻译层导致结果失真,所以 格物 集中在 OpenAI 兼容路径上做透。

三档:① 优先支持稳定版 gemini-3.5-flash 或 gemini-3.1-flash-lite;② 格物 上跑出 protocol 检测 ≥ 80;③ usage 字段没有 gemini_* 之外的异源残留(意味着没在转协议)。格物 自动按推荐顺序排序中转站的模型列表。

可以。base_url 填 https://generativelanguage.googleapis.com/v1beta/openai,api_key 使用 Google AI Studio 的有效 Key。官方端点也不保证所有探针满分；仅在模型、接口、深度、版本、计分覆盖与采样时间都满足可比条件时，才用于基线对比。

三步:① 打开 https://gewu.uk/claude(或 /openai、/gemini);② 填中转站 base_url + api_key,选模型(下拉自动列出该 key 在该中转站可用的模型);③ 点「开始检测」，完成后直接查看报告，无需注册或额外设置。完整报告默认仅在提交时的浏览器中查看；点「分享摘要」即可复制分享链接。

检测范围随模型与接口变化，选择后表单会显示计划项目。Responses 与 Gemini 原生接口：quick 检查基础与流式，standard 增加结构化输出，full 增加工具往返。Claude Messages 才有适用的 thinking signature 回放检查；观察项不参与质量分。官方对比还需要同配置、同计分范围、近期且经过独立审核的基线。

总分加权:≥85 优秀(绿)/ 70-84 通过(浅绿)/ 50-69 marginal(黄)/ <50 未达标(红)。但任意 detector 报 critical 级 issue,verdict 会被砍到 marginal(圆圈变黄)— 即使分数够 70 也不绿。点每项 detector 看 details 里的 sub_checks 找扣分原因。

新检测的完整报告仅在提交时的浏览器中查看，账号后台的报告也会校验归属。点「分享摘要」后，持有分享链接的人可看站点域名、模型和检测摘要，不含完整接口路径、原始响应或错误详情。可随时关闭分享；已经保存的图片或副本无法收回。升级前的公开报告保持原链接可访问。

原始 API key 不进入 job、报告或日志,只在正在执行的任务局部作用域中短暂使用。报告里的 key 统一替换为 [REDACTED]，不保留前缀或后缀；上游若在错误文本里反射 key，也会在持久化前递归脱敏,报告只保留必要的字段级证据。

会,但很少。standard 模式约 12 个真实请求,token 总消耗 3000-5000。按 Haiku 大约 $0.012,Sonnet $0.05,Opus $0.20。这个钱付给上游(中转站或官方),格物 自身不收费。

完整报告包含接口地址和检测证据，新报告默认私密；分享摘要仅显示域名、模型和检测结果。网页使用一个仅服务端可读取的浏览器凭据识别提交者，不要求注册；清除 Cookie、换浏览器或凭据到期后，匿名报告可能无法再次打开或管理分享，请保留需要的下载副本。关闭分享不等于删除服务器报告，自助删除尚未提供；也无法收回他人已保存的内容。

cctest 只做 Claude(单协议),用「黑盒检测」对抗规避,但维度有限。格物 三协议(Claude / OpenAI / Gemini)+ thinking block 签名回放验证 + 跨协议自动跳转 + 预提交死模型识别,且 OpenAI 上能识别「GPT 实为 Claude」的协议适配层指纹。

hvoy 也支持三协议,但检测维度浅(主要是协议合规)。格物 在 Claude 上有 thinking block 原始/篡改回放验证、OpenAI 上有协议转换指纹识别(usage_source 等 critical 级)、Gemini 上适配 thinking-by-default 模型,深度更够。

不同榜单的来源、测试方法与商业关系各不相同，应分别核对。格物 展示本次检测证据与方法边界，可作为交叉参考，不替其他榜单作真实性背书。

建议复核这些信号，而不是把单项当作真伪硬指标:① thinking 原始回放及篡改负向对照;② protocol critical_issue_count = 0;③ stream / non-stream usage 一致;④ 模型 id 字段匹配请求模型(model_consistency pass);⑤ 多次请求的稳定性。字段、模型名称与统计结果均可能受代理实现影响，不能据此确认具体模型；请结合时间、账号、协议与复测结果判断。