模型校验报告

一句话结论

当前 endpoint 整体表现接近官方兼容服务，暂未看到明显的中转改写或能力降级。

风险摘要

• 总风险分 11/100。对应模型能力范围相匹配。
• 功能指标总分 97/100，智能指标总分 78/100。
• 功能侧看协议一致性 100、流式一致性 100、Usage 一致性 90、路径完整性 98。
• 智能侧看行为指纹 66、工具/函数能力 100、档位保真 69。
• 思考支持判断：已检测到，本次探测出现了活跃的 thinking 信号。
• Prompt 缓存支持判断：当前 provider 尚未接入该专项探测，本次不下结论。
• 本次鉴定累计消耗 token：输入 10422，输出 2128，合计 12550。

为什么这么判定

• Current results are within the configured baseline range.
• 包装层洁净度为 1.000，越接近 1 越像未被额外包装。
• Usage 偏差率为 5.575，越高越说明返回的 token 口径与本地估算差距越大。
• 平均首事件延迟为 1641 ms。
• 工具调用命中率为 1.000。
• 工具参数匹配度为 1.000。
• 工具结果后续回答匹配度为 1.000。这项指标当前主要在看模型拿到 tool result 后，能否继续产出正确最终答案；若值异常，请优先查看 run archive 中是否记录了 follow-up request/response/error，以区分 endpoint 链路问题与 follow-up 交互兼容性问题。
• 长上下文多跳定位通过率为 1.000。
• reasoning 启用增益为 0.0000，正值说明 reasoning-on 用例整体优于 reasoning-off。
• 已检测到思考能力信号，本次探测中出现了 thinking 内容块、thinking delta 或启用中的 thinking 配置。
• 当前 provider 尚未接入 Anthropic prompt cache 专项探测，因此本次报告不对其支持性下结论。

功能指标

• 功能指标总分：97/100，表现稳定，接近预期。。
• 协议一致性：100/100，表现稳定，接近预期。。
• 流式一致性：100/100，表现稳定，接近预期。。
• Usage 一致性：90/100，表现稳定，接近预期。。
• 路径完整性：98/100，表现稳定，接近预期。。
• Prompt 缓存支持：当前 provider 尚未接入该专项探测，本次不下结论。

智能指标

• 智能指标总分：78/100，有一定偏差，但还不算严重。。
• 行为指纹：66/100，偏差已经比较明显。。
• 工具/函数能力：100/100，表现稳定，接近预期。。
• 这项总分包含两层含义：工具调用执行，以及拿到 tool result 后的最终续答。，工具调用命中率 1.000，参数匹配度 1.000，结果续答匹配度 1.000。
• 档位保真：69/100，偏差已经比较明显。。
• 思考支持：已检测到，本次探测出现了活跃的 thinking 信号。

网络指标

• 平均总延时：2422 ms。
• P95 总延时：4183 ms。
• 平均首包时间：1641 ms。
• 平均输出吞吐：15.25 tokens/s。
• 平均流式事件数：9.00。
• 超时次数：0。
• 成功探测数：53。

指标总览

• 功能指标总分：97/100，表现稳定，接近预期。
• 智能指标总分：78/100，有一定偏差，但还不算严重。
• 协议一致性：100/100，表现稳定，接近预期。
• 流式一致性：100/100，表现稳定，接近预期。
• Usage 一致性：90/100，表现稳定，接近预期。
• 行为指纹：66/100，偏差已经比较明显。
• 工具/函数能力：100/100，表现稳定，接近预期。
• 档位保真：69/100，偏差已经比较明显。
• 路径完整性：98/100，表现稳定，接近预期。
• 思考支持：已检测到，本次探测出现了活跃的 thinking 信号。
• Prompt 缓存支持：当前 provider 尚未接入该专项探测，本次不下结论。

建议动作

• 补做更高难度的长上下文、结构化输出和代码任务，确认是否存在同品牌降级。

元数据

run_at: 2026-04-30T03:51:13Z
provider: anthropic
model: claude-opus-4-6
base_url: https://openrouter.ai/api/v1
archive_path: docs/runs/res_33144f5e-c459-469b-b66a-a91b691d9a24.md
total_input_tokens: 10422
total_output_tokens: 2128
total_tokens: 12550

原始分数

protocol_conformity_score: 100
stream_conformity_score: 100
usage_consistency_score: 90
behavior_fingerprint_score: 66
capability_tool_score: 100
tier_fidelity_score: 69
route_integrity_score: 98
functional_score: 97
intelligence_score: 78
overall_risk_score: 11

指标状态

• 功能指标：97/100，正常
• 协议一致性：100/100，正常
• 流式一致性：100/100，正常
• Usage 一致性：90/100，正常
• 路径完整性：98/100，正常
• 智能指标：78/100，正常
• 行为指纹：66/100，正常
• 工具/函数能力：100/100，正常
• 档位保真：69/100，正常
• 思考支持：已检测到，本次探测出现了活跃的 thinking 信号。
• Prompt 缓存支持：当前 provider 尚未接入该专项探测，本次不下结论。