claude-sonnet-5 本次模型一致性深度验真结果：匹配（87/100）。主要扣分项：模型代码锚定不稳定。
主要扣分项：模型代码锚定不稳定。
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.
接口返回了实际 Token，但本次响应没有可识别的缓存 Token 字段；可能是渠道不返回、请求未命中或字段未被解析。
Shows stable responses at different context lengths and the model center reference window.
本次按 950K / 800K / 400K / 200K / 100K / 64K / 32K 逐档测试，均稳定返回。
Review API availability, model identity, response completeness, and other checks separately.
主要扣分项：模型代码锚定不稳定。
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：291
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：47
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：53
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：169
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：211
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。 存在样本未完全通过。
检测项目：模型级题：模型代码锚定 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型代码锚定不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：552
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。 全部样本通过。
检测项目：模型族题：系列和档位识别 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：163
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：71
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：222
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：321
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：120
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。 存在样本未完全通过。
检测项目：专项：Token缓存消耗 5 轮 执行状态：待观察 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） 需关注原因：缓存用量字段不可观测 样本结果：通过 5 / 需关注 1 / 未通过 0 观测 token：48.8K
950K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：950K 上下文实测 执行状态：通过 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 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：871.5K
800K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：800K 上下文实测 执行状态：通过 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：800K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：733.9K
400K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：400K 上下文实测 执行状态：通过 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：400K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：367.0K
200K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：200K 上下文实测 执行状态：通过 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：200K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：183.5K
100K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：100K 上下文实测 执行状态：通过 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：100K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：91.8K
64K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：64K 上下文实测 执行状态：通过 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：64K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：59.6K
32K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：32K 上下文实测 执行状态：通过 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：32K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：29.8K
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（87/100）。主要扣分项：模型代码锚定不稳定。
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.
接口返回了实际 Token，但本次响应没有可识别的缓存 Token 字段；可能是渠道不返回、请求未命中或字段未被解析。
Shows stable responses at different context lengths and the model center reference window.
本次按 950K / 800K / 400K / 200K / 100K / 64K / 32K 逐档测试，均稳定返回。
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：模型代码锚定不稳定。
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：291
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：47
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：53
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：169
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：211
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。 存在样本未完全通过。
检测项目：模型级题：模型代码锚定 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型代码锚定不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：552
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。 全部样本通过。
检测项目：模型族题：系列和档位识别 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：163
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：71
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：222
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：321
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：120
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。 存在样本未完全通过。
检测项目：专项：Token缓存消耗 5 轮 执行状态：待观察 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） 需关注原因：缓存用量字段不可观测 样本结果：通过 5 / 需关注 1 / 未通过 0 观测 token：48.8K
950K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：950K 上下文实测 执行状态：通过 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 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：871.5K
800K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：800K 上下文实测 执行状态：通过 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：800K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：733.9K
400K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：400K 上下文实测 执行状态：通过 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：400K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：367.0K
200K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：200K 上下文实测 执行状态：通过 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：200K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：183.5K
100K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：100K 上下文实测 执行状态：通过 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：100K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：91.8K
64K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：64K 上下文实测 执行状态：通过 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：64K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：59.6K
32K 长度样本稳定返回，作为本次上下文实测证据。
检测项目：专项：32K 上下文实测 执行状态：通过 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：32K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：29.8K
Be the first to leave a review.