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 10/100。对应模型能力范围相匹配。
• 功能指标总分 96/100，智能指标总分 84/100。
• 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 94。
• 智能侧看行为指纹 82、工具/函数能力 83、档位保真 87。
• 思考支持判断：已检测到，本次探测出现了活跃的 reasoning 信号。
• Prompt 缓存支持判断：已检测到 prompt cache 相关字段，但本次未观察到实际缓存命中。
• 本次鉴定累计消耗 token：输入 3726，输出 1141，合计 4867。

为什么这么判定

• Self-reported identity is inconsistent across low-frequency language prompts, which suggests identity rewriting or unstable self-description.
• 包装层洁净度为 1.000，越接近 1 越像未被额外包装。
• 低频语言身份自报一致性为 0.333，越低越可疑。
• 同一交互内身份稳定性为 1.000，越低越说明身份容易被改写。
• Usage 偏差率为 2.424，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 1738 ms。
• 工具调用命中率为 1.000。
• 工具参数匹配度为 1.000。
• 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 reasoning 摘要、非零 reasoning token 或启用中的 reasoning 配置。
• 已检测到 prompt cache 相关字段，但本次探测未观察到实际缓存命中。

功能指标

• 功能指标总分：96/100，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：94/100，表现稳定，接近预期。。
• Prompt 缓存支持：已检测到 prompt cache 相关字段，但本次未观察到实际缓存命中。

智能指标

• 智能指标总分：84/100，有一定偏差，但还不算严重。。
• 行为指纹：82/100，有一定偏差，但还不算严重。。
• 工具/函数能力：83/100，有一定偏差，但还不算严重。。
• 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。
• 档位保真：87/100，有一定偏差，但还不算严重。。
• 思考支持：已检测到，本次探测出现了活跃的 reasoning 信号。

网络指标

• 平均总延时：2619 ms。
• P95 总延时：5556 ms。
• 平均首包时间：1739 ms。
• 平均输出吞吐：8.51 tokens/s。
• 平均流式事件数：11.00。
• 超时次数：2。
• 成功探测数：46。

指标总览

• 功能指标总分：96/100，表现稳定，接近预期。
• 智能指标总分：84/100，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：82/100，有一定偏差，但还不算严重。
• 工具/函数能力：83/100，有一定偏差，但还不算严重。
• 档位保真：87/100，有一定偏差，但还不算严重。
• 路径完整性：94/100，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 reasoning 信号。
• Prompt 缓存支持：已检测到 prompt cache 相关字段，但本次未观察到实际缓存命中。

建议动作

• 当前没有明显高风险项，可以继续做周期性复测，观察长期漂移。

元数据

run_at: 2026-05-14T06:00:21Z
provider: openai
model: gpt-5.4
base_url: https://api.tu-zi.com/v1
archive_path: docs/runs/res_61833d6f-9f63-4472-85d9-0de5c06e4fe0.md
total_input_tokens: 3726
total_output_tokens: 1141
total_tokens: 4867

原始分数

protocol_conformity_score: 100
stream_conformity_score: 100
usage_consistency_score: 90
behavior_fingerprint_score: 82
capability_tool_score: 83
tier_fidelity_score: 87
route_integrity_score: 94
functional_score: 96
intelligence_score: 84
overall_risk_score: 10

指标状态

• 功能指标：96/100，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：94/100，正常
• 智能指标：84/100，正常
• 行为指纹：82/100，正常
• 工具/函数能力：83/100，正常
• 档位保真：87/100，正常
• 思考支持：已检测到，本次探测出现了活跃的 reasoning 信号。
• Prompt 缓存支持：已检测到 prompt cache 相关字段，但本次未观察到实际缓存命中。