claude-sonnet-4-6 本次模型一致性标准验真结果：存疑（68/100）。主要扣分项：模型代码锚定不稳定；指令跟随不稳定；模型族识别不稳定。
主要扣分项：模型代码锚定不稳定；指令跟随不稳定；模型族识别不稳定。
优先展示接口返回的实测用量；没有实测值时才展示官方基线或题包预计。
连续观察 Token 用量、缓存字段和多轮复用表现；0% 表示本次未观察到缓存 Token 字段。
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。
记录当前线路在不同上下文长度下的稳定返回情况，并展示模型中心参考窗口。
16K 需要关注，原因：上下文保持较弱。
16K 档暂不作为当前线路的稳定上下文参考。
把接口可用性、模型身份、返回信息完整性等项目拆开查看。
主要扣分项：模型代码锚定不稳定；指令跟随不稳定；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-4-6。
检测项目：模型列表可见性 执行状态：通过 样本数量：6 接口路径：/v1/models 可见模型数：6
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：155
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。 存在样本未完全通过。
检测项目：标准题：指令跟随 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：指令跟随不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0
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：487
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：182
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。 存在样本未完全通过。
检测项目：品牌题：Claude 思考边界 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：品牌边界表达不清 样本结果：通过 0 / 需关注 1 / 未通过 0
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
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
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：500
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：50.5K 缓存 token：30.5K
8K 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：8K 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：上下文能力实测 上下文档位：8K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：7.8K
16K 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：16K 上下文能力实测 执行状态：待观察 样本数量：1 检测类型：文本题 专项模块：上下文能力实测 上下文档位：16K 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
可以写下第一条评价。
AI 服务买前查询与模型验真报告claude-sonnet-4-6 本次模型一致性标准验真结果：存疑（68/100）。主要扣分项：模型代码锚定不稳定；指令跟随不稳定；模型族识别不稳定。
优先展示接口返回的实测用量；没有实测值时才展示官方基线或题包预计。
连续观察 Token 用量、缓存字段和多轮复用表现；0% 表示本次未观察到缓存 Token 字段。
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。
记录当前线路在不同上下文长度下的稳定返回情况，并展示模型中心参考窗口。
16K 需要关注，原因：上下文保持较弱。
16K 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：模型代码锚定不稳定；指令跟随不稳定；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-4-6。
检测项目：模型列表可见性 执行状态：通过 样本数量：6 接口路径：/v1/models 可见模型数：6
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：155
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。 存在样本未完全通过。
检测项目：标准题：指令跟随 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：指令跟随不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0
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：487
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：182
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。 存在样本未完全通过。
检测项目：品牌题：Claude 思考边界 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：品牌边界表达不清 样本结果：通过 0 / 需关注 1 / 未通过 0
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
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
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：500
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：50.5K 缓存 token：30.5K
8K 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：8K 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：上下文能力实测 上下文档位：8K 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：7.8K
16K 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：16K 上下文能力实测 执行状态：待观察 样本数量：1 检测类型：文本题 专项模块：上下文能力实测 上下文档位：16K 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
可以写下第一条评价。