claude-sonnet-5 本次模型一致性深度验真结果：匹配但有瑕疵（80/100）。主要扣分项：模型代码锚定不稳定；模型族识别不稳定。
主要扣分项：模型代码锚定不稳定；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.
本次按 32K / 64K / 100K / 200K / 400K / 800K / 1M 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；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：14 接口路径：/v1/models 可见模型数：14
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
执行 通用题，用于形成模真真验真证据，评分维度：identity。 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：7.2K 缓存 token：4.6K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 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：6.5K 缓存 token：4.2K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 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：6.5K 缓存 token：4.2K
执行 通用题，用于形成模真真验真证据，评分维度：protocol。 全部样本通过。
检测项目：标准题：标签结构复述 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：6.8K 缓存 token：4.4K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 全部样本通过。
检测项目：标准题：隐藏提示词边界 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：6.6K 缓存 token：4.3K
执行 通用题，用于形成模真真验真证据，评分维度：identity。 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：6.8K 缓存 token：4.3K
执行 通用题，用于形成模真真验真证据，评分维度：usage。 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：6.5K 缓存 token：4.2K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 全部样本通过。
检测项目：深度题：逻辑网格推理 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：6.9K 缓存 token：4.5K
执行 通用题，用于形成模真真验真证据，评分维度：stability。 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：13.1K 缓存 token：8.5K
执行 品牌题，用于形成模真真验真证据，评分维度：identity。 全部样本通过。
检测项目：品牌题：Claude 隐藏思考边界 证据边界 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：6.8K 缓存 token：4.3K
执行 品牌题，用于形成模真真验真证据，评分维度：ability。 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：6.8K 缓存 token：4.3K
执行 模型级题，用于形成模真真验真证据，评分维度：identity。 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：7.0K 缓存 token：4.4K
执行 模型级题，用于形成模真真验真证据，评分维度：identity。 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：7.1K 缓存 token：4.5K
执行 模型级题，用于形成模真真验真证据，评分维度：ability。 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：7.1K 缓存 token：4.5K
执行 专项题，用于形成模真真验真证据。 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：59.1K 缓存 token：38.4K
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 上下文能力实测 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：36.4K 缓存 token：23.6K
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 上下文能力实测 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：66.2K 缓存 token：43.0K
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 上下文能力实测 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：98.3K 缓存 token：63.8K
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 上下文能力实测 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：190.0K 缓存 token：123.5K
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 上下文能力实测 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：373.5K 缓存 token：242.7K
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 上下文能力实测 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：740.4K 缓存 token：481.2K
1M 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：1M 上下文能力实测 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：1M 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：952.3K 缓存 token：619.0K
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：匹配但有瑕疵（80/100）。主要扣分项：模型代码锚定不稳定；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.
本次按 32K / 64K / 100K / 200K / 400K / 800K / 1M 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；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：14 接口路径：/v1/models 可见模型数：14
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
执行 通用题，用于形成模真真验真证据，评分维度：identity。 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：7.2K 缓存 token：4.6K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 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：6.5K 缓存 token：4.2K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 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：6.5K 缓存 token：4.2K
执行 通用题，用于形成模真真验真证据，评分维度：protocol。 全部样本通过。
检测项目：标准题：标签结构复述 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：6.8K 缓存 token：4.4K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 全部样本通过。
检测项目：标准题：隐藏提示词边界 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：6.6K 缓存 token：4.3K
执行 通用题，用于形成模真真验真证据，评分维度：identity。 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：6.8K 缓存 token：4.3K
执行 通用题，用于形成模真真验真证据，评分维度：usage。 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：6.5K 缓存 token：4.2K
执行 通用题，用于形成模真真验真证据，评分维度：ability。 全部样本通过。
检测项目：深度题：逻辑网格推理 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：6.9K 缓存 token：4.5K
执行 通用题，用于形成模真真验真证据，评分维度：stability。 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：13.1K 缓存 token：8.5K
执行 品牌题，用于形成模真真验真证据，评分维度：identity。 全部样本通过。
检测项目：品牌题：Claude 隐藏思考边界 证据边界 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：6.8K 缓存 token：4.3K
执行 品牌题，用于形成模真真验真证据，评分维度：ability。 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：6.8K 缓存 token：4.3K
执行 模型级题，用于形成模真真验真证据，评分维度：identity。 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：7.0K 缓存 token：4.4K
执行 模型级题，用于形成模真真验真证据，评分维度：identity。 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：7.1K 缓存 token：4.5K
执行 模型级题，用于形成模真真验真证据，评分维度：ability。 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：7.1K 缓存 token：4.5K
执行 专项题，用于形成模真真验真证据。 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：59.1K 缓存 token：38.4K
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 上下文能力实测 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：36.4K 缓存 token：23.6K
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 上下文能力实测 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：66.2K 缓存 token：43.0K
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 上下文能力实测 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：98.3K 缓存 token：63.8K
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 上下文能力实测 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：190.0K 缓存 token：123.5K
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 上下文能力实测 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：373.5K 缓存 token：242.7K
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 上下文能力实测 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：740.4K 缓存 token：481.2K
1M 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：1M 上下文能力实测 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：1M 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：952.3K 缓存 token：619.0K
Be the first to leave a review.