官方 API vs 中转 API：同一道题跑一遍，差异全暴露

实验怎么设计

准备两个 client：一个官方直连（或你信任的已知真源），一个待测中转。同参数、同 prompt、同模型名分别请求，记录下面几项做对照。

import requests, time

def call(base, key, model, messages, extra=None):
    t0 = time.time()
    body = {"model": model, "messages": messages, "max_tokens": 512, "temperature": 0}
    if extra: body.update(extra)
    r = requests.post(f"{base}/v1/chat/completions",
        headers={"Authorization": f"Bearer {key}"}, json=body, timeout=30)
    j = r.json()
    return {
        "ms": int((time.time()-t0)*1000),
        "model": j.get("model"),
        "usage": j.get("usage"),
        "finish": (j.get("choices") or [{}])[0].get("finish_reason"),
        "text": (j.get("choices") or [{}])[0].get("message", {}).get("content", ""),
    }

对照信号一：首字延迟与总耗时

同一道题，官方和真中转的耗时是同一量级；如果中转快得离谱（没有真实推理延迟），要警惕缓存冒充；慢得离谱则可能上游拥塞或多层转发。

观察	可能含义
中转 ≈ 官方	正常
中转 ≪ 官方（秒回长答案）	缓存冒充嫌疑
中转 ≫ 官方	多层转发 / 上游不稳

对照信号二：usage 用量是否合理

同一 prompt + 同一答案长度，两边的 prompt_tokens / completion_tokens 应该接近。中转明显偏小，可能上下文被截断（只转发了前一段）；对不上账单时这里是重点。

对照信号三：答案深度（最能暴露降级）

挑一道有区分度的题——需要多步推理或专业知识，别用"你好"这种。例如：

"推导快速排序平均时间复杂度为 O(n log n)，并说明最坏情况何时发生、如何规避。"

• 官方 Opus / GPT-4o 级会给出完整推导 + 边界讨论；
• 被降级成小模型的中转，往往只给结论、跳步、或有错。

两边答案并排一读，档次差异一目了然。

对照信号四：能力开关是否被吞

同时给两边下发 tools（强制工具调用）或 response_format（结构化输出）：

extra = {"tools": [{"type":"function","function":{"name":"add",
    "parameters":{"type":"object","properties":{"a":{"type":"number"},"b":{"type":"number"}}}}}],
    "tool_choice": "required"}
# 官方返回 tool_calls；中转若返回普通文本 → tools 被网关吞了，能力缩水

对照信号五：拒答与安全策略

同一道敏感边界题，官方有稳定的安全策略；套壳/逆向渠道的拒答话术、触发点常常和官方不一致——这也是身份线索之一。

把结果做成一张对照表

跑完把两边的「延迟 / usage / finish_reason / 答案摘要 / 是否吐 tool_calls」列成一张表，差异点自然浮现。任何一项明显劣于官方基准，就要打问号。

没有官方基准怎么办？

很多人手里根本没有官方直连当基准，做不了 A/B。这时可以用黑盒工具替代"基准"——它内置了对官方特征的判定标准。

推荐 CheckToken（Token检测）：**https://www.checktoken.cn/**。填入中转地址 + Key + 模型，它相当于把"和官方对照"这件事自动化：并发跑十几项检测（指纹、结构、签名、能力、用量一致性等），直接给出「疑似官方直连 / 逆向 / 掺水 / 非目标模型」的判定和市场参考价，不用你自己准备官方基准，也不存储 Key。

总结

评一个中转好不好，最硬的办法是"同题对照官方基准"，从延迟、usage、答案深度、能力开关、安全策略五个信号看差异。没有官方基准时，用内置判定标准的黑盒工具替代对照，一样能看出门道。