模型校验报告

一句话结论

当前 endpoint 的自报身份与预期模型画像不完全一致，建议继续复测。

风险摘要

• 总风险分 7/100。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 89/100。
• 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 97。
• 智能侧看行为指纹 84、工具/函数能力 100、档位保真 85。
• 思考支持判断：本次未检测到明确信号。
• 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 36811，输出 2281，合计 39092。

为什么这么判定

• Self-reported identity does not align cleanly with the expected OpenAI / GPT-5 family profile.
• 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 0.750，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 28.247，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 1989 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。
• 本次探测未检测到明确的 thinking 能力信号；这不等于模型一定不支持，也可能是当前接口未透出相关字段或探针尚未完全适配。
• 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：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：97/100，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：89/100，有一定偏差，但还不算严重。。
• 行为指纹：84/100，有一定偏差，但还不算严重。。
• 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：85/100，有一定偏差，但还不算严重。。
• 思考支持：本次未检测到明确信号。

网络指标

• 平均总延时：1898 ms。
• P95 总延时：3024 ms。
• 平均首包时间：1989 ms。
• 平均输出吞吐：20.53 tokens/s。
• 平均流式事件数：8.00。
• 超时次数：0。
• 成功探测数：53。

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：89/100，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：84/100，有一定偏差，但还不算严重。
• 工具/函数能力：100/100，表现稳定，接近预期。
• 档位保真：85/100，有一定偏差，但还不算严重。
• 路径完整性：97/100，表现稳定，接近预期。
• 思考支持：本次未检测到明确信号。
• 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

• 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: 2026-05-02T14:53:27Z
provider: anthropic
model: claude-opus-4-7
base_url: https://www.packyapi.com
archive_path: docs/runs/res_7908deb2-dc28-4ecd-95b8-b2b5bcdde997.md
total_input_tokens: 36811
total_output_tokens: 2281
total_tokens: 39092

原始分数

protocol_conformity_score: 100
stream_conformity_score: 100
usage_consistency_score: 90
behavior_fingerprint_score: 84
capability_tool_score: 100
tier_fidelity_score: 85
route_integrity_score: 97
functional_score: 96
intelligence_score: 89
overall_risk_score: 7

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：97/100，正常
• 智能指标：89/100，显著偏离
• 行为指纹：84/100，显著偏离
• 工具/函数能力：100/100，正常
• 档位保真：85/100，正常
• 思考支持：本次未检测到明确信号。
• Prompt 缓存支持：当前 provider 尚未接入该专项探测，本次不下结论。