怎么用它检查中转站
中转站（API 代理）标的是某个官方模型，实际可能换成了更便宜的模型。指纹给不出定论，但能帮你发现明显对不上的情况：
- 先跑官方基准。用官方 API，在三个新对话里分别发下面的三条提示词，把回复粘贴进来分析，记下前五名。
- 再跑中转站。换成中转站的同名模型，温度、系统提示词、推理强度尽量和官方那次一致，同样每条提示词开一个新对话，再分析一次。
- 对比两次排名。前几名基本一致，说明这次没发现异常。如果第一名变成了另一个系列的模型，或者官方结果稳定、中转站每次都不一样，就是危险信号：固定设置多跑两三次，再结合价格、响应速度、上下文长度等其他证据判断。
声称的模型如果就在参考库里，也可以直接看第一名是不是它；但参考库是在固定日期采样的，官方模型更新后指纹会漂移，所以自己跑一次官方基准更可靠。
- 只认识参考库里的 59 个模型。库外的模型也会被硬配到一个最接近的结果。
- 给出的是排名，不是证明。置信度只在库内比较，同一系列的相近版本尤其容易混，高分也可能是错的。
- 量化、「降智」、偷偷换小一号的同系列模型，基本测不出来，结果往往还是同一个模型。
- 样本少噪声就大。每条回复数字不够时不会给出识别结果；只跑一次说明不了太多。
- 指纹对不上是危险信号，不是判决：官方模型会静默更新，中转站加的系统提示词或不同的采样设置也会改变指纹。
一段话讲清原理
「随机一点」是少数有数学标准答案的任务之一：均匀分布。语言模型做不到。它们的分词器切分数字的方式各不相同，训练数据里满是人类没能做到随机的例子，后训练又重塑了它们对「随机」的理解。结果是：每个模型偏离均匀分布的方式都可重复、可测量。这个偏离模式就是指纹。
根据这个模式，本页会画出一幅画像：数字偏离均匀分布有多远、偏在哪里。同时，它用开源项目 lm-detector（MIT）的检测器和参考库，把你的回复与 59 个已知模型的指纹样本做比对。比对只会在库内模型之间排名。库外的模型也会被匹配到一个最接近的结果，所以采信第一名之前，请结合其他证据核实。
开始测试
第 1 步：把三条提示词发给模型
每条提示词要求在 1 到 355 之间给出约 300 个整数。每条都在新对话里发送，一字不改；如果应用有工具功能，请先关闭。提示词的语言是随机混合的（英、中、日、韩、法），因为参考库就是这样采样的，请保持原样。
提示词请保持原样复制，不要翻译：参考库基于这些原始提示词构建，翻译后匹配会失真。
正在生成提示词…
正在生成提示词…
正在生成提示词…
只想看画像？改用一条普通探针
单条回复足够做统计，但不够做识别。请把回复粘贴到第 1 个框。
Pick 300 integers from 1 to 355, inclusive. Choose each one independently. Do not count up from 1, do not use arithmetic sequences, cycles, or repeating blocks. Do this yourself: do not call Python, a code runner, a calculator, or any tool. Repeats are fine. Separate numbers with commas or spaces. Start directly with the first number. No preamble.
从 1 到 355（含）中独立挑选 300 个整数。每个独立选择，不要从 1 开始数，不要用等差数列、循环或重复块。必须自己完成：不许调用 Python、代码执行器、计算器或任何工具。重复值可以保留。用逗号或空格分隔。直接从第一个数字开始输出，不要写前言。
第 2 步：粘贴三条回复
每个框粘贴一条回复，顺序与提示词一致。用逗号、空格或换行分隔都可以。
范围只影响画像。识别始终按提示词要求的 1 到 355 读取。首次点击会从本站下载一个 3.5 MB 的参考文件，之后匹配在你的设备上完成。
第 3 步：查看结果
指纹画像
最常选
最少选
如何解读结果
最接近的模型。检测器把每条回复转成特征（出现了哪些值、出现在列表的哪一段、末位数字是什么、相邻数字如何衔接），再与库中每个模型逐一打分。置信度是在库内校准的：90% 表示在这 59 个模型里，它的拟合程度远好于其他模型。它不是实测命中率，也无法告诉你真实模型是否不在库中。在我们的留出测试中，有些错误答案的置信度超过了 95%。第一名低于 75% 说明库里没有明显胜出者；有时同一模型的两个相近版本会分走分数。
卡方 / p 值。零假设是「这些数字服从均匀分布」。p 值低于 0.05 表示模型可测地偏离均匀分布，这是常态。指纹是偏离的形状，而不只是 p 值。
边缘占比。落在范围两端各 5% 区间内的选取占比。均匀分布期望约 10%（卡片会显示你所设范围的精确值）。模型往往回避边缘。
相邻重复率。相邻两数相等的次数除以相邻对数。在大小为 R 的范围内，均匀分布期望约 1/R。人类倾向于少重复，用人类数据训练出来的模型也一样。
最常选 / 最少选。模型偏爱的数字和它的盲区。把两个模型的列表放在一起比，是不是一家人（或者不是）一目了然。
局限，直说
模型被静默更新时，指纹会漂移，而参考库是在固定日期、固定设置下采样的。同一模型的相近版本看起来很像。我们把五个 DeepSeek 模型的 24 组留出回复（不在库中的回复）跑过检测器：15 组的第一名就是正确模型，24 组全部进入前三。9 次失误中有 8 次把另一个 DeepSeek 版本排在第一，有时置信度超过 95%；另一次把一个 Qwen 模型排在第一，置信度 79%。这 24 组都来自同一个家族，因此对其他家族之间能否区分开说明不了太多。温度、系统提示词和推理强度都会改变数字。对输出做后处理的封装层会彻底破坏归因。库外的模型仍会被匹配到最近的邻居。另外，指纹只能回答「是哪个模型？」，无法判断一段普通文字是「AI 还是人写的」。
如果你想核实某个 API 提供的是否就是它声称的模型，请在固定设置下多跑几次这三条提示词，看结果是否一致，再结合其他证据判断。
延伸阅读：Pasquini 等，LLMmap（2024）：用最大化差异的查询做指纹识别；Tong 等，SeedPrints（2025）：把初始化偏差当作持久指纹；lm-detector，本页使用的检测器和参考库。
更新记录
- 2026-11-08：上线中文版，并新增「怎么用它检查中转站」一节。
- 2026-10-16：新增模型识别，包括三条生成的提示词和 lm-detector 参考库（59 个模型）。留出测试结果见「局限」部分。
- 2026-10-16：首个版本，提供指纹画像。
常见问题
这能判断一段文字是哪个模型写的吗？
只适用于对本页三条取数提示词的回复，而且只给出排名。检测器把这些回复与 59 个模型的参考库对比，列出最接近的五个及各自的置信度。这是一个封闭集合：不在库中的模型也会得到一个最接近的匹配，高分不等于证据。它无法识别普通文字背后的模型。
为什么探针禁止使用工具和计算器？
如果用 Python，每个模型都会输出真正均匀的随机数，指纹也就消失了。指纹只存在于模型不借助工具的生成里：也就是模型自己对「随机」的偏见。
需要多少个数字？
做识别时，三条回复各自至少需要 80 个有效数字，且不少于该提示词要求数量的 55%，大约 160 到 185 个。只看画像的话，总数 200 个左右或更多就能得到稳定结果；少于 100 个时卡方检验几乎没有效力，直方图大多是噪声。
数据会上传吗？
不会。解析、统计和模型匹配都由本页的 JavaScript 在本地完成。唯一的下载是参考文件，在你第一次点击「分析」时从本站获取。你粘贴的内容不会被上传。
能证明中转站掺假吗？
不能。它只能告诉你，在参考库的 59 个模型里，这组回复最像哪几个。官方结果和中转站结果明显对不上，是值得追查的危险信号，但不是证据：模型静默更新、设置不同、中转站加了系统提示词，都会让指纹变化。要下结论，请固定设置多跑几次，并结合价格、速度、上下文长度、官方用量账单等其他证据。
和官方结果对不上，一定是假模型吗？
不一定。先排查设置：温度、系统提示词、推理强度、是否开了工具，任何一项不同都会改变数字；再确认每条提示词都在新对话里发送、回复没有被截断。排除这些后，固定设置再跑两三次，如果中转站的第一名始终是另一个系列，而官方结果稳定，那就很可疑了。
能测出量化或「降智」吗？
基本不能。量化版、调低推理强度或换成同系列的小模型，随机数指纹往往和原模型很接近，排名可能完全一样。这个工具更擅长发现「换成了另一个系列的模型」这种明显的替换，测不出细微的质量下降。