GPT API 掺水检测：怎么自己查中转站有没有换模型、降智

本站的四条原则：不替换、缺货报错、官方价、明细可查

本站在模型和计费上守四条原则：不替换模型、缺货直接报错、按 OpenAI 官方美元价扣费、每次调用在控制台留明细。每一条都能用下文的方法自己核对。

掺水是用户对这几类做法的统称：把你请求的模型换成更便宜的模型、多记 token 多扣钱、悄悄压低推理强度或截短上下文。降智是使用者的感受，指同一个模型回答质量明显变差，原因可能是掺水，也可能是自己这边的参数和工具设置，排查方法见下文的降智排查表。

中转站掺水检测有哪几种方法：4 种方法一览

能自己做的检查有 4 种，前两种查「名字和账单对不对」，第三种查「能力对不对」，第四种常见但不可靠。把前三种组合起来用，结论才站得住。

方法一：看返回里的 model 字段

最快的检查是直接调一次接口，看返回 JSON 里的 model 字段是不是你请求的模型。model 字段是接口返回里标明「这次由哪个模型回答」的那一项。

怎么做

用 curl 调一次对话接口（Key 用「OpenAI」分组的，Base URL 就是接口地址的开头部分，这里是 https://gpt.com.se/v1）。下面的示例请求的是 gpt-5.6-sol，要检查别的模型就把 model 换掉，例如 gpt-6-astra：

curl https://gpt.com.se/v1/chat/completions \
  -H "Authorization: Bearer sk-你的Key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [{"role": "user", "content": "你好"}]
  }'

返回是一段 JSON，找到 "model" 这一项。写程序的话，在下面这段代码的末尾加两行打印：

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的Key",
    base_url="https://gpt.com.se/v1",
)
resp = client.chat.completions.create(
    model="gpt-5.6-sol",          # 也可填 gpt-6-astra
    messages=[{"role": "user", "content": "用一句话介绍你自己"}],
)
print(resp.choices[0].message.content)

print(resp.model)   # 实际返回的模型名
print(resp.usage)   # prompt_tokens、completion_tokens 等用量

能说明什么

• 返回的 model 和你请求的模型名一致，或是同一模型带日期后缀的正式版本名，属于正常。
• 请求 gpt-6-astra，返回的却是另一个模型名（例如更便宜的小模型），这就是明确的替换信号，可以直接截图留证。

局限

• model 字段是服务端写进去的，不诚实的服务可以照抄你请求的名字。所以对不上一定有问题，对得上不能算证明，要配合方法三。
• 编程工具和聊天客户端通常不显示原始返回，流式输出（一个字一个字往外吐）时也不方便看全，检查时直接用 curl 或代码。

方法二：核对 usage token 和控制台扣费

对账的做法是：用返回里的 usage 按官方单价算出应扣金额，再和控制台明细、余额变化对照，三者应该一致。token 是模型计量文字的单位，输入和输出都按 token 数计费；usage 是返回里记录本次用了多少 token 的那一项。

要看的字段

缓存读指短时间内重复发送的相同开头内容（例如同一段系统提示）命中了缓存，这部分按更低的单价收费。Codex 走的是 Responses API，看「字段（Responses API）」这一列。

算例：gpt-6-astra 一次调用该扣多少

假设返回里输入 100,000 token，其中命中缓存 60,000 token，输出 20,000 token（含推理 token）。按 gpt-6-astra 官方价 $10 / $1 / $50（每百万 token，输入 / 缓存读 / 输出）计算：

控制台这条明细的模型、token 数、费用应该和上表一致；调用前后余额的差也应该是 1.46 美元额度。要核对别的模型，把单价换成下表对应的一行：

能说明什么

• 三者一致，说明计费按官方单价执行，没有加价、没有多记 token。
• 同一段输入重复发送，prompt_tokens 应该基本不变；同样的内容这次比上次多出一截，要追问原因。

局限

• usage 和控制台明细都来自服务端，对账只能证明「账是按声明的模型和官方价算的」，证明不了背后真是这个模型。
• 推理 token 会让输出计费比你看到的文字多，这属于正常计费，先看 reasoning_tokens 再下结论。

方法三：用有标准答案的题固定对比

判断「是不是这个模型的真实能力」，最靠得住的办法是自己准备一套答案唯一的题，固定条件反复跑，看正确率。这是 4 种方法里唯一直接检查能力的办法。

怎么做

1. 准备 10 到 20 道答案唯一、能自动判对错的题，题目要选小模型容易做错的。
2. 固定条件：同样的题目文字、同一个模型名、同样的推理强度（reasoning_effort，控制模型想多深的参数），每次都开新对话。
3. 每道题跑 3 次以上，记录正确率，同时记下每次返回的 model 和 usage。
4. 找一个你信得过的基准做对照：同一个模型在你信任的渠道上的成绩，或者本站同一个模型过去的成绩。
5. 同一套题再跑一个便宜的小模型（例如 gpt-5.6-luna），看它和你检查的模型能不能拉开差距。拉不开，说明题太简单，要换难题。

下面的脚本按上面的步骤跑题、打分，同时打印每次返回的模型名和 token 数（连接配置和 国内调用 GPT API 指南 里的一致）：

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的Key",
    base_url="https://gpt.com.se/v1",
)

MODEL = "gpt-6-astra"   # 要检查的模型
ROUNDS = 3              # 每道题跑几次
# 题目和标准答案自己准备 10 到 20 道，答案要唯一。下面两道只演示格式，实际要换成小模型容易做错的题
QUESTIONS = [
    ("17 × 23 等于多少？只回答数字。", "391"),
    ("单词 strawberry 里有几个字母 r？只回答数字。", "3"),
]

total_ok = 0
for q, ans in QUESTIONS:
    ok = 0
    for _ in range(ROUNDS):
        resp = client.chat.completions.create(
            model=MODEL,
            messages=[{"role": "user", "content": q}],
        )
        text = resp.choices[0].message.content.strip().rstrip("。.")  # 去掉结尾句号再判对错
        ok += int(text == ans)
        print(resp.model, resp.usage.prompt_tokens, resp.usage.completion_tokens, text)
    total_ok += ok
    print("答对 %d/%d：%s" % (ok, ROUNDS, q))
print("总正确率 %d/%d" % (total_ok, ROUNDS * len(QUESTIONS)))

题型参考

上下文是模型一次能读进去的内容上限，gpt-6-astra 的上下文是 1.05M，约 105 万 token。长上下文测试不必塞满，输入 20 万 token 就能检查后半段有没有被截掉，在 gpt-6-astra 上只算输入约扣 2 美元额度。

能说明什么

正确率明显低于可信基准，或者和小模型拉不开差距，就是能力对不上的证据。这类证据比 model 字段和账单更接近真实情况。

局限

• 模型输出有随机性，题少、次数少时偶然性很大，一两道题答错说明不了问题。
• 必须有可信基准，否则只能看同一渠道前后是否稳定。
• 推理强度、工具自动加的系统提示都会影响成绩，对比时条件要一样。
• 要消耗额度，旗舰模型跑长上下文尤其要先估算费用。

方法四：为什么让模型自报型号不可靠

问模型「你是什么模型」得到的回答，既证明不了是真模型，也证明不了是假模型，不要拿它当证据。

怎么做

在对话里直接问「你是什么模型」「你的型号和版本是什么」。这是最常见的做法，也最容易误判。

能说明什么

几乎说明不了什么。真模型可能说错自己的名字，替换过的模型也可能报出你想听的名字。

局限

• 模型对自己的认识来自训练数据：训练时新型号的名字往往还没出现，所以真模型也可能报一个旧名字，或者说自己是「GPT-4」之类。
• 回答可以被系统提示控制：系统提示是请求里预先写给模型的说明，服务端或工具写一句「你是 GPT-6 Astra」，任何模型都会照着说。
• 客户端也会加提示：不少编程工具和聊天客户端自带系统提示，模型的自我介绍会跟着变。

想确认型号，用方法一看 model 字段，再用方法三看能力。

gpt中转降智怎么排查：先查设置再下结论

觉得回答变差时，先排除自己这边的参数和工具设置，再用方法三的固定题确认。推理强度和上下文长度这两项设置直接影响回答质量，要先检查。

5 步自检清单：本站和其他第三方 GPT 接口通用

按下面 5 步走一遍，就能对本站或任何第三方 GPT 接口有一个有依据的判断。

1. 用 curl 调一次你要检查的模型，确认返回的 model 对得上（方法一）。
2. 记下这次的 usage，按官方单价算应扣金额，和控制台明细、余额变化对照（方法二）。
3. 先用 5 到 10 道有标准答案的难题各跑 3 次，记正确率，再用 gpt-5.6-luna 跑一遍做对照；要下结论时按方法三扩到 10 到 20 道。
4. 觉得降智时，先按上面的排查表检查推理强度、工具设置和上下文长度。
5. 不拿模型自报型号当证据（方法四）。

还没有 Key 的话，先 免费注册：新用户用纯数字 QQ 邮箱（例如 123456789@qq.com）注册送 5 美元体验额度，英文别名的 QQ 邮箱不送，活动仅限中国用户。可以先用体验额度跑一轮小规模检查；旗舰模型的推理 token 按输出价计费，题量大时先按方法二估算费用。