模型校验报告

一句话结论

当前 endpoint 存在较明显的协议或路径异常，更像是中转兼容层，而不是稳定的官方直连形态。

风险摘要

• 总风险分 100/100。风险较高。
• 功能指标总分 53/100，智能指标总分 2/100。
• 功能侧看协议一致性 33、流式一致性 100、Usage 一致性 22、路径完整性 60。
• 智能侧看行为指纹 0、工具/函数能力 0、档位保真 6。
• 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：本次未检测到明确信号。
• 本次鉴定累计消耗 token：输入 176，输出 14，合计 190。
• 存在 4 个硬异常，说明至少有部分行为已经偏离预期接口形态。

为什么这么判定

• Hard anomaly: protocol-json-echo failed
• Hard anomaly: protocol-prompt-cache failed
• Hard anomaly: protocol-basic failed
• Protocol or usage token behavior is outside the expected baseline range.
• Tier fidelity is below the current baseline or historical norm.
• Tool or function-call capability is weaker than the expected baseline.
• Route integrity is unstable; stream or delivery behavior needs a retest.
• Wrapper contamination probes strongly suggest extra platform instructions, branding, or output rewriting.
• 包装层洁净度为 0.000，越接近 1 越像未被额外包装。
• Usage 偏差率为 12.571，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 2855 ms。
• 长上下文多跳定位通过率为 0.000。
• 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。
• 本次探测未检测到明确的 prompt cache 支持信号。

功能指标

• 功能指标总分：53/100，存在较强异常信号。。
• 协议一致性：33/100，存在较强异常信号。。
• 流式一致性：100/100，表现稳定，接近预期。。
• Usage 一致性：22/100，存在较强异常信号。。
• 路径完整性：60/100，偏差已经比较明显。。
• Prompt 缓存支持：本次未检测到明确信号。

智能指标

• 智能指标总分：2/100，存在较强异常信号。。
• 行为指纹：0/100，存在较强异常信号。。
• 工具/函数能力：0/100，存在较强异常信号。。
• 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。。
• 档位保真：6/100，存在较强异常信号。。
• 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：4248 ms。
• P95 总延时：6438 ms。
• 平均首包时间：2855 ms。
• 平均输出吞吐：2.25 tokens/s。
• 平均流式事件数：11.00。
• 超时次数：0。
• 成功探测数：2。

指标总览

• 功能指标总分：53/100，存在较强异常信号。
• 智能指标总分：2/100，存在较强异常信号。
• 协议一致性：33/100，存在较强异常信号。
• 流式一致性：100/100，表现稳定，接近预期。
• Usage 一致性：22/100，存在较强异常信号。
• 行为指纹：0/100，存在较强异常信号。
• 工具/函数能力：0/100，存在较强异常信号。
• 档位保真：6/100，存在较强异常信号。
• 路径完整性：60/100，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 reasoning 信号。
• Prompt 缓存支持：本次未检测到明确信号。

建议动作

• 优先复测协议与流式行为，确认是否确实存在中转兼容层。
• 重点核查 usage token 口径，不建议直接信任当前 endpoint 的 token 返回。
• 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。
• 补做 tools / function call 相关复测，并区分确认是工具调用执行问题，还是 tool result 回填后的续答链路问题。
• 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: 2026-06-03T10:29:22Z
provider: openai
model: gpt-5.5
base_url: https://c.pandatoken.net/v1
archive_path: docs/runs/res_cef522e8-6951-463a-8df9-5311418eedd7.md
total_input_tokens: 176
total_output_tokens: 14
total_tokens: 190

原始分数

protocol_conformity_score: 33
stream_conformity_score: 100
usage_consistency_score: 22
behavior_fingerprint_score: 0
capability_tool_score: 0
tier_fidelity_score: 6
route_integrity_score: 60
functional_score: 53
intelligence_score: 2
overall_risk_score: 100

指标状态

• 功能指标：53/100，显著偏离
• 协议一致性：33/100，显著偏离
• 流式一致性：100/100，正常
• Usage 一致性：22/100，显著偏离
• 路径完整性：60/100，显著偏离
• 智能指标：2/100，显著偏离
• 行为指纹：0/100，显著偏离
• 工具/函数能力：0/100，显著偏离
• 档位保真：6/100，显著偏离
• 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：本次未检测到明确信号。