模型校验报告

一句话结论

当前 endpoint 可能仍属于同品牌模型，但有较强的低配或降级嫌疑。

风险摘要

• 总风险分 13/100。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 73/100。
• 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 60、工具/函数能力 100、档位保真 61。
• 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 229703，输出 2330，合计 232033。

为什么这么判定

• Tier fidelity is below the current baseline or historical norm.
• Wrapper probes show mild signs of extra formatting or platform-layer interference.
• 包装层洁净度为 0.535，越接近 1 越像未被额外包装。
• Usage 偏差率为 157.491，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 1822 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 0.200。
• 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：73/100，偏差已经比较明显。。
• 行为指纹：60/100，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：61/100，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：2862 ms。
• P95 总延时：8248 ms。
• 平均首包时间：1823 ms。
• 平均输出吞吐：11.20 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：73/100，偏差已经比较明显。
• 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：60/100，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：61/100，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。
• 建议增加包装层探针复测，重点看是否存在隐藏 prompt、固定免责声明或品牌注入。

元数据

run_at: 2026-05-02T14:48:09Z
provider: anthropic
model: claude-opus-4-7
base_url: https://xuedingtoken.com
archive_path: docs/runs/res_a4c3eb17-fde6-4772-8c86-353ec23da758.md
total_input_tokens: 229703
total_output_tokens: 2330
total_tokens: 232033

原始分数

protocol_conformity_score: 100
stream_conformity_score: 100
usage_consistency_score: 90
behavior_fingerprint_score: 60
capability_tool_score: 100
tier_fidelity_score: 61
route_integrity_score: 98
functional_score: 97
intelligence_score: 73
overall_risk_score: 13

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：73/100，显著偏离
• 行为指纹：60/100，显著偏离
• 工具/函数能力：100/100，正常
• 档位保真：61/100，显著偏离
• 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。