claude-sonnet-5 本次模型一致性深度验真结果：匹配（93/100）。主要扣分项：模型族识别不稳定。
主要扣分项：模型族识别不稳定。
Measured API usage is shown first; official baselines or test estimates are used only when measured values are unavailable.
Observes token usage, cache fields, and reuse across rounds; 0% means no cached-token field was observed.
本次观察到缓存 Token，但占比偏低，建议结合接口参数、上下文复用方式和账单口径复核。
Shows stable responses at different context lengths and the model center reference window.
950K 需要关注，原因：上下文保持较弱。
950K 档暂不作为当前线路的稳定上下文参考。
Review API availability, model identity, response completeness, and other checks separately.
主要扣分项：模型族识别不稳定。
Expand each check to view the redacted evidence notes.
接口模型列表中可以看到 claude-sonnet-5。
检测项目：模型列表可见性 执行状态：通过 样本数量：8 接口路径：/v1/models 可见模型数：8
基础调用成功，接口能返回可识别响应。
检测项目：基础调用探针 执行状态：通过 样本数量：1 接口路径：/v1/chat/completions
直接询问模型身份，作为低权重红旗信号；自报只能提示明显不一致，不能单独证明官方身份。 全部样本通过。
检测项目：快速题：模型身份自报 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.9K 缓存 token：17.7K
要求模型按指定标记回复，判断基础指令跟随和响应可控性。 全部样本通过。
检测项目：标准题：指令跟随 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.8K
要求模型输出固定 JSON，判断结构化响应是否稳定。 全部样本通过。
检测项目：标准题：JSON 结构 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.8K 缓存 token：17.7K
要求模型不要伪造官方身份，判断品牌表述是否克制。 全部样本通过。
检测项目：标准题：品牌边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.9K 缓存 token：17.7K
观察模型是否会克制说明隐藏思考和签名特征不能被随意伪造。 全部样本通过。
检测项目：品牌题：Claude 思考边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.0K 缓存 token：17.7K
要求模型把本次被检测模型代码、品牌归类和固定标记写入 JSON，便于应用层精确校验。 全部样本通过。
检测项目：模型级题：模型代码锚定 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.4K 缓存 token：17.7K
按模型代码识别系列或档位，覆盖 Opus/Sonnet/Haiku、GPT/o/Codex、Gemini Pro/Flash、GLM、Kimi、MiniMax 等模型族。 存在样本未完全通过。
检测项目：模型族题：系列和档位识别 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型族识别不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：19.4K 缓存 token：17.7K
要求短输出并检查响应 usage 是否可被应用层读取，支撑预计消耗与实际消耗对照。 全部样本通过。
检测项目：标准题：usage 返回可观测性 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.8K
观察模型是否会克制处理隐藏思考、系统提示和签名特征，不伪造 Claude 专属内部证据。 全部样本通过。
检测项目：深度品牌题：Claude 隐藏思考边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.0K 缓存 token：17.7K
针对当前品牌和模型族补充独特边界题，避免只用通用题判断高价值模型。 全部样本通过。
检测项目：深度模型题：模型族专属边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.3K 缓存 token：17.7K
同一低温题连续复测两次，观察是否能保持一致响应。 全部样本通过。
检测项目：深度题：复测一致性 执行状态：通过 样本数量：2 检测类型：文本题 样本结果：通过 2 / 需关注 0 / 未通过 0 观测 token：35.6K 缓存 token：35.4K
同一长前缀连续请求 5 次，应用层观察 usage、cache usage、token 消耗和费用风险。 全部样本通过。
检测项目：专项：Token缓存消耗 5 轮 执行状态：通过 样本数量：5 检测类型：文本题 专项模块：Token缓存消耗检测（影响真实使用扣费） 样本结果：通过 5 / 需关注 0 / 未通过 0 观测 token：137.5K 缓存 token：88.5K
950K 长度样本未形成稳定结果，本次按边界样本记录。
检测项目：专项：950K 上下文实测 执行状态：待观察 样本数量：1 检测类型：文本题 专项模块：上下文实测 上下文档位：950K 需关注原因：上下文保持较弱 样本结果：通过 0 / 需关注 1 / 未通过 0
Be the first to leave a review.
AI service research and model verification reportclaude-sonnet-5 本次模型一致性深度验真结果：匹配（93/100）。主要扣分项：模型族识别不稳定。
Measured API usage is shown first; official baselines or test estimates are used only when measured values are unavailable.
Observes token usage, cache fields, and reuse across rounds; 0% means no cached-token field was observed.
本次观察到缓存 Token，但占比偏低，建议结合接口参数、上下文复用方式和账单口径复核。
Shows stable responses at different context lengths and the model center reference window.
950K 需要关注，原因：上下文保持较弱。
950K 档暂不作为当前线路的稳定上下文参考。
把接口能不能用、回答像不像官方模型、返回信息是否完整等项目拆开看
主要扣分项：模型族识别不稳定。
每条检测都可以展开，查看系统保留的脱敏说明
接口模型列表中可以看到 claude-sonnet-5。
检测项目：模型列表可见性 执行状态：通过 样本数量：8 接口路径：/v1/models 可见模型数：8
基础调用成功，接口能返回可识别响应。
检测项目：基础调用探针 执行状态：通过 样本数量：1 接口路径：/v1/chat/completions
直接询问模型身份，作为低权重红旗信号；自报只能提示明显不一致，不能单独证明官方身份。 全部样本通过。
检测项目：快速题：模型身份自报 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.9K 缓存 token：17.7K
要求模型按指定标记回复，判断基础指令跟随和响应可控性。 全部样本通过。
检测项目：标准题：指令跟随 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.8K
要求模型输出固定 JSON，判断结构化响应是否稳定。 全部样本通过。
检测项目：标准题：JSON 结构 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.8K 缓存 token：17.7K
要求模型不要伪造官方身份，判断品牌表述是否克制。 全部样本通过。
检测项目：标准题：品牌边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.9K 缓存 token：17.7K
观察模型是否会克制说明隐藏思考和签名特征不能被随意伪造。 全部样本通过。
检测项目：品牌题：Claude 思考边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.0K 缓存 token：17.7K
要求模型把本次被检测模型代码、品牌归类和固定标记写入 JSON，便于应用层精确校验。 全部样本通过。
检测项目：模型级题：模型代码锚定 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.4K 缓存 token：17.7K
按模型代码识别系列或档位，覆盖 Opus/Sonnet/Haiku、GPT/o/Codex、Gemini Pro/Flash、GLM、Kimi、MiniMax 等模型族。 存在样本未完全通过。
检测项目：模型族题：系列和档位识别 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型族识别不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：19.4K 缓存 token：17.7K
要求短输出并检查响应 usage 是否可被应用层读取，支撑预计消耗与实际消耗对照。 全部样本通过。
检测项目：标准题：usage 返回可观测性 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：17.8K
观察模型是否会克制处理隐藏思考、系统提示和签名特征，不伪造 Claude 专属内部证据。 全部样本通过。
检测项目：深度品牌题：Claude 隐藏思考边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.0K 缓存 token：17.7K
针对当前品牌和模型族补充独特边界题，避免只用通用题判断高价值模型。 全部样本通过。
检测项目：深度模型题：模型族专属边界 执行状态：通过 样本数量：1 检测类型：文本题 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：18.3K 缓存 token：17.7K
同一低温题连续复测两次，观察是否能保持一致响应。 全部样本通过。
检测项目：深度题：复测一致性 执行状态：通过 样本数量：2 检测类型：文本题 样本结果：通过 2 / 需关注 0 / 未通过 0 观测 token：35.6K 缓存 token：35.4K
同一长前缀连续请求 5 次，应用层观察 usage、cache usage、token 消耗和费用风险。 全部样本通过。
检测项目：专项：Token缓存消耗 5 轮 执行状态：通过 样本数量：5 检测类型：文本题 专项模块：Token缓存消耗检测（影响真实使用扣费） 样本结果：通过 5 / 需关注 0 / 未通过 0 观测 token：137.5K 缓存 token：88.5K
950K 长度样本未形成稳定结果，本次按边界样本记录。
检测项目：专项：950K 上下文实测 执行状态：待观察 样本数量：1 检测类型：文本题 专项模块：上下文实测 上下文档位：950K 需关注原因：上下文保持较弱 样本结果：通过 0 / 需关注 1 / 未通过 0
Be the first to leave a review.