GPT API 模型真伪检测示例报告
展示一次 OpenAI 兼容中转 API 的 GPT 模型真伪检测样例，覆盖模型字段、协议指纹、流式返回、响应速度和套壳风险证据。
以下为公开演示样例，用于说明报告结构与解读方法，不代表任何真实供应商或真实账号检测结果。
检测摘要
该样例中，请求模型名称为 gpt-5.5，响应 model 字段可回传目标名称，但 /models 列表未命中精确版本，usage 字段完整度一般，流式与非流式结果存在轻微不一致。因此自动结论不是直接判定为假，而是标记为“需人工复核”。
检测对象OpenAI 兼容中转 API
请求模型gpt-5.5
综合评分62/100
评级C
结论需人工复核
置信度中等
响应耗时1.42s
关键证据
高风险
上游模型列表未命中精确版本
/v1/models 未返回 gpt-5.5 的精确模型 ID，可能是隐藏上游、别名映射或版本降级。
中风险
流式与非流式 usage 字段不一致
stream=true 返回缺少 completion_tokens，非流式返回完整 usage，说明中转层可能存在协议重写。
低风险
响应速度略高于基线
首包约 680ms，总耗时约 1.42s，仍在可用范围，但建议与官方直连或历史基线对照。
检测日志
- 初始化检测任务，目标模型 gpt-5.5，启用身份、协议、速度、稳定性探针。
- 请求 /v1/models 成功，但未发现 gpt-5.5 精确 ID，记录为版本证据不足。
- 非流式 Chat Completions 返回 200，model 字段与请求值一致。
- 流式 SSE 分片结构可解析，末尾 usage 字段缺失 completion_tokens。
- 综合证据评分 62/100，建议保留供应商账单、网关日志并重复检测。
优化建议
向供应商索要官方上游模型 ID、账单截图或可验证的 request id。
使用同一 API Key 重复检测 3 次，观察 model、usage 和延迟是否稳定。
用官方直连接口或可信基线模型跑同一组轻量探针，比较协议字段差异。
常见问题
示例里的 62 分代表模型一定是假的吗？
不代表。62 分说明自动证据不足且存在风险信号，需要结合账单、官方列表和人工复测确认。
为什么 /models 未命中会影响结论？
/models 是强证据之一。未命中可能只是供应商隐藏列表，也可能是版本别名或降级，因此会降低置信度。
响应 model 字段一致是否足够？
不够。中转层可以改写 model 字段，所以还要看 usage、SSE、工具调用、重复稳定性和上游列表。