只看响应头，判断这个 API 来自官方、Bedrock、Vertex 还是逆向

为什么响应头是强线索

模型正文可以被网关随意改写，但响应头往往带着上游基础设施的"出厂印记"：谁家的服务器、经过了哪些代理、有没有官方特有的标记。除非中转刻意逐个清洗，否则这些印记会漏出来。

先把响应头打印出来

import requests
r = requests.post("https://你的中转/v1/chat/completions",
    headers={"Authorization":"Bearer sk-xxx"},
    json={"model":"gpt-4o-mini","messages":[{"role":"user","content":"ping"}],"max_tokens":5})
for k, v in r.headers.items():
    print(f"{k}: {v}")

常见来源的头部特征

来源	典型特征头	说明
OpenAI 官方	openai-organization、openai-processing-ms、x-request-id、cf-ray（其 CDN）	组织号 + 处理耗时齐全
Anthropic 官方	anthropic-*、request-id、x-should-retry	原生 Anthropic 标记
AWS Bedrock	x-amzn-requestid、x-amzn-bedrock-*	亚马逊请求 ID / Bedrock 专有头
Google Vertex	x-goog-*、server: ESF 之类 Google 前端标记	谷歌基础设施印记
逆向 / 套壳	上述特征头几乎全被剥光，只剩通用 content-type / date / 反代的 server: nginx	干净得反常 = 可疑

一句话经验：该有的官方头齐全 → 偏向真源；被剥得干干净净、只剩裸头 → 逆向/套壳嫌疑大。

三个实操判断技巧

1）看 server 与 CDN 头 真官方多挂 Cloudflare / 自有前端（cf-ray、特定 server）。如果 server: nginx 且无任何厂商头，多半是中间自建反代。

2）看有没有"处理耗时/请求号" openai-processing-ms、x-amzn-requestid 这类是上游真实生成的，逆向渠道通常给不出、或给了个对不上的假值。

3）看流式响应的分块特征 真流式（SSE）响应头带 content-type: text/event-stream、transfer-encoding: chunked，且事件是逐字增量吐；假流式（整段生成再切片）常缺这些头、节奏也不对。

# 流式探测：看是不是真 SSE
r = requests.post(url, headers=headers, json={**body, "stream": True}, stream=True)
print(r.headers.get("content-type"))   # 期望 text/event-stream
for line in r.iter_lines():
    if line: print(line[:80])           # 观察是否逐字增量、字段是否原生

注意：头部会被清洗，别单靠它下结论

响应头是强线索但非铁证——讲究的中转会伪造或补齐特征头，粗糙的逆向会漏。所以头部判断要和正文指纹、能力表现结合：头部干净 + 能力也缩水，基本可以定性；头部齐全但能力翻车，说明特征头是伪造的。

懒得逐个头去比对？

各家特征头又多又杂，还随基础设施升级变动，人工逐个记忆比对不现实。

推荐 CheckToken（Token检测）：**https://www.checktoken.cn/**。它的"签名检测"这一项就是自动解析响应头/流式结构里的来源特征，结合指纹、能力等其他维度，给出「疑似官方直连 / 逆向 / 掺水 / 非目标模型」的综合判定，不用你手动背各家头部特征，也不存 Key。

总结

响应头是判断 API 来源的高性价比信号：官方/Bedrock/Vertex 各有专有头，逆向套壳则被剥得反常干净。配合处理耗时、请求号、真假流式一起看，就能快速定位来源。记住它是强线索不是铁证，和正文能力交叉才稳。