AI 套壳模型风险识别示例报告
通过一份公开样例说明如何从响应模型、异源 usage、协议残留和多探针漂移中识别 AI API 套壳或降级风险。
以下为公开演示样例，用于说明套壳风险判读方法，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，接口声明为 GPT 兼容高阶模型，但响应中出现异源 usage 字段，工具调用探针返回能力不支持，多次检测的回答风格与协议字段波动明显。系统将其标记为疑似套壳高风险，而不是普通兼容性问题。
检测对象聚合 API 网关
请求模型premium-gpt-compatible
综合评分38/100
评级D
结论疑似套壳高风险
置信度较高
响应耗时0.74s
关键证据
高风险
异源 usage 字段残留
OpenAI 兼容响应中出现非目标家族风格 token 字段，说明中转层可能转发到其它后端。
高风险
能力边界与声明版本不匹配
声明支持工具调用，但 tools 探针返回 unsupported parameter，和高阶模型定位不一致。
中风险
重复检测结果漂移
同一 prompt 在短时间内返回不同协议字段，疑似存在多后端随机路由。
检测日志
- 读取接口声明，目标为 premium-gpt-compatible。
- 身份探针返回目标名称，但系统指纹为空。
- 协议探针发现异源 usage 字段，标记为高风险证据。
- 工具调用探针失败，错误码为 unsupported parameter。
- 重复稳定性探针发现 response envelope 差异，综合评分 38/100。
优化建议
暂停将该接口用于生产关键链路，先切换到官方直连或可信供应商。
要求供应商说明真实后端、版本路由策略和工具调用支持边界。
保留原始响应、错误码和计费账单，作为采购或退款沟通证据。
常见问题
只要出现异源字段就一定是恶意套壳吗？
不一定，但它是强风险证据。需要结合请求模型、供应商说明和重复检测结果判断。
为什么速度很快反而可能可疑？
异常低延迟可能来自缓存、短输出或更小模型，不能单独定性，但和其它证据叠加时值得关注。
套壳风险能自动 100% 判定吗？
不能。自动检测用于风险筛查，最终仍建议结合官方账单、网关日志和人工复测。