如何验证实际调用的模型

当一次回答不符合预期时，很容易怀疑模型被替换、降级，或者使用了非正规资源。但模型的输出不是“身份证”：即使调用同一个模型，两次回答也可能不同。

信息

正价线路承诺： Modelink 官网公开展示、按公开价格销售的线路不使用逆向资源，也永远不会将高级模型请求改为低级模型。

本文所说的“逆向资源”，是指通过逆向工程、非官方账号或会话等非正规方式接入的资源。模型厂商对模型别名进行正常版本更新，不属于平台静默降级。

先记住一个原则

回答质量会受到 Prompt、系统提示、上下文、采样参数、联网工具和安全策略等因素影响。因此：

交换两个候选回答的展示顺序，分数就可能变化；较长、措辞更自信的回答也可能得到更高分。单次评分只能表达裁判模型的偏好，不能鉴定底层模型身份。

官方聊天网页可能自动添加系统提示、搜索最新资料或调用工具，而普通 API 请求没有这些内容。即使底层模型相同，结果也可能明显不同。公平对比应使用官方 API，并尽量统一模型版本、消息和参数。

截止时间之前发生的事件不一定进入训练数据，进入训练数据也不代表模型每次都能正确回忆。因此，一道题答不出只能说明这次没有答对，不能直接推出模型的知识截止时间或身份。

记录请求时间、精确模型名、调用参数、脱敏后的请求和响应，并保存请求 ID。请求 ID 能帮助平台找到对应调用，但它本身不是模型身份证明。

使用目标模型的官方 API 作为对照，并尽量保持以下条件一致：

不要只测试一道题。应覆盖多种任务并重复运行，再判断是否存在持续、明显的能力差异。即使表现接近，也只能说明“结果基本一致”，不能单独证明模型来源。

准备 10～20 道覆盖知识问答、指令遵循、代码和长文本理解的题目，在两边各运行多次。隐藏答案来源后，按事先写好的正确性和格式标准评分。只有持续出现同方向差异时，才值得进一步核查调用链路。

根据模型厂商文档，检查上下文长度、输入输出模态、工具调用和结构化输出等能力。声明支持的能力持续不可用，值得排查；能力符合也只能作为辅助证据，因为网关可能有自己的功能限制。

知识截止时间可以帮助检查知识覆盖，但不是一条绝对分界线，更不能靠一道新闻题鉴定模型。

假设官方文档标注知识截止时间为 2024 年 6 月。先关闭联网、搜索、知识库和外部工具，再准备多件分布在截止日前后的事件，例如 2024 年 2 月 Odysseus 月球着陆、2024 年 5 月 GPT-4o 发布、2024 年 7 月巴黎奥运会开幕和 2024 年 10 月诺贝尔奖结果。

对每件事分别询问基本事实和不容易猜中的细节，换不同问法重复测试，并与同一模型版本的官方 API 对照。最终只能表述为“知识覆盖大致一致”或“存在明显偏差”。

模型不知道截止时间之前的事件，可能是训练数据没有覆盖或这次没有正确回忆；模型知道截止时间之后的事件，也可能来自上下文、工具、后续微调或合理猜测。

如果多次受控测试仍存在明显异常，请携带请求 ID、请求时间和脱敏请求联系支持。平台可以据此复核该次请求的路由和上游调用记录。

模型厂商自己的 API，以及厂商公开授权的云渠道，都属于正规资源。不能仅凭上游域名或响应格式不同，就认定使用了逆向资源。