中转站给你的到底是不是真 GPT？两个开源项目帮你验一验
用中转站的朋友，多半都犯过这个嘀咕：
我花钱买的 GPT，后台给我的真是 GPT 吗？
会不会悄悄换成便宜的小模型，价格照收？
我之前的办法很笨：新开一个对话，先问一句"你的训练数据截止到哪天"。
翻了下我的 Codex 记录，光问这一句的对话就有 14 个。
后来我才想明白，这招基本没用。
为什么问截止日期没用
模型说自己是谁、知识截止到哪天，靠的是它"记得"什么，再加上系统提示词告诉它什么。
说白了，这是让嫌疑人自己报身份证号。
中转站要是真想换模型，在系统提示词里加一句"你是 GPT"，小模型也能对答如流。反过来，真模型也可能记错自己的截止日期。
所以问题变成了：有没有办法，不听它怎么说，只看它怎么做？
最近 GitHub 上有两个项目，给出了一个挺巧的答案。
两个项目：ModelTrace 和 lm-detector
ModelTrace
作者 xqy2006，8 月底开源，MIT 协议。截至 10 月 20 日，大约 1800 星。
核心算法用 Python 写，本地跑一个网页；另有一个不用后端的纯网页版，可以手动粘贴回答来测。
lm-detector
作者 Ikaleio，9 月中开源，MIT 协议。截至 10 月 20 日，大约 700 星。
TypeScript 写的，有在线网页，也有命令行工具，npx 一行就能跑。
它的 README 里写明了：算法思路和部分原始数据参考自 ModelTrace。所以这俩可以看成一个思路的两种实现。
原理：让模型写 300 个"随机数"
两个项目的核心思路一样：
让模型凭第一反应，写出一串 1 到 355 之间的整数，大约 300 个。
你可能觉得，随机数嘛，谁写都差不多。
其实不是。
语言模型写出来的"随机数"一点都不随机。每个模型都有自己偏爱的数字、偏爱的区间、偏爱的末位数字，而且这种偏好相当稳定。
就像每个人写字都有自己的笔迹。让你随便写 300 个数字，你写出来的也会带着你的习惯。
检测流程大概是这样：
- 出题：发 3 道题给待测模型，每道都要求写约 300 个整数，不许用工具、不许按规律递增
- 算指纹：统计这些数字的分布，再看前后不同位置、末位数字的偏好
- 比对：和事先采集好的"指纹库"挨个比，看最像哪个模型
- 出结果：给出一个排名，和每个候选的置信度
这道题的妙处在于：它和语义无关。
系统提示词可以教模型说"我是 GPT"，但很难教会一个小模型，把数字偏好也模仿得和 GPT 一模一样。
两个项目有什么区别
指纹库覆盖面
ModelTrace 目前收录 18 个模型，只有 GPT 和 Claude 两个家族。
lm-detector 覆盖面大得多。它的数据记录里写着，参考库已有 60 个指纹身份。
除了 GPT、Claude，还有 Gemini、Grok、Qwen、DeepSeek 等。
接口协议
两个都支持 Chat Completions 和 Anthropic Messages 格式；lm-detector 额外支持 OpenAI 的 Responses 接口。
特色功能
ModelTrace 带了一个 Codex 插件 ModelTrace Guard，能在你的 Codex 任务进行中，在后台定期抽查。
连续复测都不一致时，它会停下原任务。
lm-detector 有命令行实时界面、多轮检测、JSON 输出。
还有一个可选的"分词器探测"：从接口返回的 token 用量，反推上游用的是哪种分词器。
一句话选：
主要测 GPT、Claude，或者想接进自己的 Python 工具，用 ModelTrace。
要测的模型种类多，或者想在命令行里直接跑，用 lm-detector。
怎么测你的中转站
最省事的是 lm-detector 的网页：打开 lm.ikale.io，选 API 模式，填中转站的接口地址、Key 和模型名，点开始。
这里有个坑要注意。
网页的"连接方式"默认是"本站代理"：你的 Key、题目和模型的回答，会经过检测网站的服务器再转到中转站。
它的连接方式文档写得很坦白，这是因为很多中转站不允许网页直接调用，只能走代理。
介意的话，有三个办法：
- 连接方式改成"直连"，前提是你的中转站允许网页直接访问
- 用命令行版，请求从你自己电脑直接发出
- 测完换一个新 Key
命令行版需要 Node.js 22 以上，一行就能跑：
npx lmfpd@latest -b 你的中转站地址/v1 -k 你的Key -m gpt-6-astraModelTrace 也可以本地运行：装好依赖后 python start.py，浏览器打开本机 7860 端口，填同样三项就行。
它的说明里写了，API Key 只用于当次请求，不写入磁盘。
我拿自己的官方号测了一下
我自己有个小工具包 sd-spider-utils，里面有一个看 Codex 额度的终端面板。我把 ModelTrace 的评分核心接了进去，加个参数就能顺手测一下模型指纹。
我固定只测一个配置：gpt-6-astra，推理强度 ultra，走 Codex 官方订阅通道。
10 月 17 日，我拿 3 个官方订阅号并发测了一轮，每个号 3 道题：
- 两个号：排第一的都是 gpt-6-astra，置信度分别约 99.99996% 和 99.84%
- 一个号：模型请求失败，这次没有结果，不算数
- 每个号测一轮 50 多秒，用了约 1.7 万输入 token、4000 多输出 token
截图里的账号名是演示用的，数字是那天的实测结果。
注意，这是官方号，相当于一个"标准答案"的参照。
我还没拿中转站测过，所以这里不下"某家中转站是真是假"的结论。你可以拿自己的中转站去测，和这个结果对照着看。
另外，检测本身要真的让模型写数字，会消耗额度。 我的面板平时只显示上次的结果，加了参数才重新测。
它能测什么，测不了什么
这部分最重要。两个项目自己的说明都写得很清楚，我归纳成四条：
1. 只能在"库里"挑最像的
它是闭集排名：只会在指纹库已有的模型里，挑一个最像的。
如果中转站给你的是一个库里没有的模型，它照样会给你一个"最像"的结果，而且置信度可能还挺高。
2. 有的模型本来就分不开
lm-detector 已经把 gpt-6-astra 和 gpt-6.1-sol 合并成了同一个指纹类别，明确说靠数字指纹没法可靠区分。
所以测出 Astra，也不能说明对面一定不是 6.1 Sol。
3. 测的是"换没换模型"，不是"降没降智"
如果中转站没换模型，只是偷偷调低了推理强度、砍了上下文，指纹大概率测不出来。
我的面板也只敢标"指纹一致"，不敢标"没降智"。
想测"变笨了没有"，得另外准备一套有标准答案的题目，固定参数，和历史成绩对比。这是另一件事。
4. 别在 Claude Code 里测
ModelTrace 的说明里提到，Claude Code 的系统提示词会严重影响模型的数字偏好，在里面测结果偏差很大。
另外，两个项目同源，同时测出一样的结果，也不能当成两份独立证据。
总结
问模型"你是谁"，它说什么都行。
让它写 300 个数字，它很难装。
这是我目前见过最实用的"验货"办法：怀疑中转站换了模型，花一点额度测几轮，心里就有个数。
但也别把那个百分比当判决书。它告诉你的是"最像谁"，不是"一定是谁"，更不是"有没有降智"。
固定参数、多测几轮、结合平时的使用体验，再下判断。
你用的中转站测过吗？结果怎么样？评论区聊聊。
参考链接
- ModelTrace（GitHub）
- lm-detector（GitHub）
- lm-detector 在线检测 · 文档 · 原理 · 连接方式 · 数据记录
- ModelTrace Guard（Codex 插件）
- sd-spider-utils（PyPI）
项目 Star 数和指纹库规模为 2026-10-20 查看时的数据，两个项目更新很快，以仓库最新说明为准。
