先说结论:没有 Key 也能测,但能测的范围有限。把三条取数提示词分别发到镜像站的新对话里,再把回复粘进模型指纹检测。如果排第一的总是另一个系列的模型,比如标的是 Claude,几次都排到别家,这是很强的危险信号。同系列换小模型、量化、「降智」基本测不出来,测一次也不算证明。
去粘贴回复,测一次指纹镜像站为什么更难查
镜像站给你的是网页,不是接口。返回里的 model 字段、usage 里的 token 数、响应头,你一样都看不到,所以 token 计数、协议字段这类常见检测都用不上(这些方法见中转站是不是真模型:6 种方法对比)。
网页背后接的是什么,界面上也看不出来:可能是共享的官方账号、官方 API、别家中转,也可能是更便宜的模型。镜像站还可能加自己的系统提示词、限制回复长度,这些都会影响测试。剩下能用的信号,就是模型回复的内容本身。
用粘贴模式测:四步
1. 先关掉干扰
镜像站有模型下拉框的,先选中你要测的模型。再把联网搜索、代码执行(数据分析)、插件、记忆、自定义指令或角色设定都关掉。模型一旦调用 Python 生成随机数,结果就是真正均匀的,指纹会消失;角色设定和自定义指令相当于多加了一段系统提示词,会让数字偏移。关不掉的项目记下来,看结果时考虑进去。
2. 三条提示词,各开一个新对话
打开模型指纹在线检测,复制提示词 1,在镜像站新开一个对话,一字不改地粘贴发送。提示词 2、3 也各开一个新对话。不要在同一个对话里连发:前面的回复会变成上下文,和参考库采样时的条件不一样。提示词是中、英、日、韩、法混排的,不要翻译。
3. 把回复粘回检测页
按顺序把三条回复粘进三个框,点「分析」。页面会从回复里提取整数,所以前言里如果带数字也会被算进去,最好只复制数字部分。镜像站常常限制输出长度,回复被截断时页面会提示:开个新对话重发,不要让模型「继续」。三条里只有一两条完整时,页面只给初步排名,不带置信度,当候选名单看就好。
4. 换个时间再测一组
镜像站可能按时段、按账号把请求分给不同的后端。隔几个小时或第二天,在检测页点「换一组提示词」,再测一次。几次结果一致,才比较能说明问题。
怎么看结果
- 第一名就是声称的模型,或同系列的相近版本:这几次没发现换成别的系列。它证明不了具体型号,同系列的相近版本本来就容易混。
- 第一名是另一个系列,而且几次都一样:很强的危险信号,值得追问镜像站背后接的是什么。
- 每次排名都不一样:可能混用了多个模型,也可能是干扰没关干净。先排查设置,再下判断。
- 第一名置信度低于 75%:参考库里没有明显胜出者,可能是库外模型,也可能是设置让数字偏了。
还有一点要知道:官方网页版也有自己的系统提示词和设置,而参考库是在固定设置下采样的,所以就算是官方网页版,排名也未必和库里完全一致。能打开官方网页版的话,用同样的方法测一次作对照,比只看第一名可靠。
为什么「问它是谁」不算数
镜像站最省事的做法,就是在系统提示词里写一句「你是 GPT」或「你是 Claude」,模型就会照着说,你在聊天框里看不到这句话。反过来,真模型也常常报错自己的名字或版本,因为训练数据里到处是关于别的模型的文字。
所以答「我是 Claude」什么也证明不了,答错了也不能据此认定是假的。随机数指纹看的是模型自己挑数字的偏好,系统提示词改名字改不掉这一点。
另外几个不用 Key 的小测试
同一个问题问两次
开两个新对话,问同一个开放式问题。在默认设置下,长回答两次一字不差几乎不可能,一模一样就可能是缓存的旧答案(更多手法见中转站常见的掉包手法)。
长文里找信息
在一段很长的文字开头埋一串编号,在末尾问模型编号是多少。答不上来,说明前面的内容可能被截掉了。注意镜像站可能本身就限制单条消息的长度,粘不进去就测不了。
看图说细节
宣传支持看图的,发一张有具体细节的图片让它描述。答非所问,说明看图功能被裁掉了,或者背后不是宣传的模型。这项只能说明这个站的功能,单凭它判断不了具体型号。
能测什么、测不了什么
| 测法 | 能发现什么 | 发现不了什么 | 成本 |
|---|---|---|---|
| 指纹(粘贴模式) | 换成另一个系列 | 同系列换小、量化、降智 | 三条提示词 |
| 问「你是谁」 | 几乎发现不了 | 被系统提示词改写的身份 | 一句话 |
| 同题问两次 | 缓存的旧答案 | 背后是哪个模型 | 两个对话 |
| 长文找信息 | 上下文被截短 | 背后是哪个模型 | 一段长文 |
| 看图说细节 | 看图功能被裁掉 | 具体型号 | 一张图 |
发现可疑之后
- 留下证据:测试时间、选的模型、三条回复原文和指纹结果截图。
- 换个时段再测一组,排除偶然。
- 拿着结果问镜像站,背后接的是官方账号、官方 API 还是别的模型。
- 解释不清之前,别往里放公司代码、合同、个人信息,包月套餐也别一次预付太久。
常见问题
没有 API Key,测出来的结果可靠吗?
原理和用 Key 测一样,看的都是回复里的数字。区别是网页版的系统提示词、温度这些设置你改不了,结果会更容易波动,所以要多测几次,看是否一致。
排出来就是声称的模型,就能放心了吗?
只能说明这几次没发现换成别的系列。同系列换小模型、量化、降智测不出来;按时段分流的站点,也可能只是这几次给了真模型。
打不开官方网页版,没法做对照怎么办?
声称的模型在参考库里,可以直接看第一名是不是它。不在库里时,检测页仍会给出一个最接近的模型,这时只看是不是同一个系列,结论要更保守。
测试时我的内容会被谁看到?
发给镜像站的提示词和回复都会经过镜像站。粘到本站检测时,只把回复里的数字发到分析服务器,不保存。
参考资料
- Ikaleio, lm-detector (MIT): the detector and reference bank behind the Fingerprint Lab。
- Pasquini, Kornaropoulos and Ateniese, LLMmap: Fingerprinting for Large Language Models (2024):通过少量精心挑选的问题,从回答中识别模型。
Agents
给 AI 助手的机器可读摘要: