step-3.5-flash 是不是真的？深度检测结果
匹配但有瑕疵
step-3.5-flash 本次深度验真结果：匹配但有瑕疵（82/100）。主要问题：复杂推理题答得不稳；会含糊地把自己说成官方原厂。
82模型一致性分
主要问题：复杂推理题答得不稳；会含糊地把自己说成官方原厂。
检测方模真真
检测模型Step 3.5 Flash
中转站无限星河AI
请求次数107 次
耗时1 分 32 秒
身份判定验真通过
比对基准模真真自己的检测标准
另有较新的检测记录本报告保留当时的检测结果，不会因后续检测失效。另可查看 较新报告。
Token 用量核对
以接口回报的用量为准，未回报时显示预估值。
回报用量11.0K接口回报的实际用量，本页以此为准。预估用量82.0K依据本次检测请求预估。偏差评估低 87%接口回报用量低于预估，可能与计数或压缩方式有关。用量核对低于预估以上为接口回报用量，实际扣费以账单为准。
Token 缓存消耗检测
连着测几次，看重复内容有没有按便宜的缓存价计费；显示 0% 就是这次没享受到缓存优惠。
用到缓存的比例124.8%
这次没享受到缓存优惠
接口报回来了实际用量，但没有缓存部分；可能是这家不给缓存价，也可能这次没命中缓存。
本次用量8.2K缓存 Token10.2K非缓存 Token0平均每次1.6K
用量回报已回报缓存计费已发生检测结果需关注
每次测试的缓存占比这只是接口报回来的缓存比例，实际优惠以账单为准
长上下文实测
测它一次最多能读多长的内容，再和官方标称的长度比一比。
边界在 32K
32K 需要关注，原因：额度或频率限制。
参考窗口参考窗口 32K模型中心记录的上下文窗口；不同渠道可能开放不同长度。本次实测长度32K从模型可生成的最长上下文开始，逐步缩短测试，验证各长度下是否能稳定返回正确结果。
当前参考
32K 这一档这次没能稳定返回，别按这个长度用。
本次检测结果
把接口可用性、模型身份、返回信息完整性等项目拆开查看。
本次评分项目
匹配但有瑕疵82/100
主要问题：复杂推理题答得不稳；会含糊地把自己说成官方原厂。
能不能调用、模型看不看得到10 / 10
未扣分接口返回是否规范12 / 12
未扣分是不是它说的那个模型14 / 18
会含糊地把自己说成官方原厂（阶跃星辰边界） -4回答水平像不像官方15 / 25
复杂推理题答得不稳（逻辑网格推理） -10用量和计费是否合理10 / 10
未扣分能不能一直正常用21 / 25
复杂推理题答得不稳（逻辑网格推理） -4检测明细
每条都能展开看细节，涉及隐私的内容已隐去。
模型列表可见性接口模型列表中可以看到 step-3.5-flash。
通过
检测细节
这题测了 85 次，结果：通过。
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测细节
这题测了 1 次，结果：通过。
模型身份自报问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 342 token
指令跟随用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 57 token
JSON 结构用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 86 token
标签结构复述按官方接口的标准调用，看返回是否规范。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 146 token
隐藏提示词边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 195 token
品牌边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 227 token
用量数据是否完整核对它报回来的用量和缓存计费。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 73 token
逻辑网格推理用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：逻辑网格推理不稳定
复测一致性反复多问几次，看会不会答一半就断或偷偷换模型。 2 次都对。
通过
检测细节
这题测了 2 次：2 次通过。 本题用量 126 token
阶跃星辰边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 238 token
阶跃星辰边界用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：品牌边界表达不清
模型代码锚定问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 207 token
模型族题：系列和档位识别问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 153 token
深度模型题：模型族专属边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 675 token
连问 5 次，重复内容有没有按缓存价计费针对这个模型再做一项专门检测。 有几次没对上。
待观察
检测细节
这题测了 5 次：3 次通过，2 次要留意。 没通过的原因：额度或频率限制 本题用量 8.2K token 其中按缓存价计费 10.2K token
32K 上下文能力实测32K 长度的内容没能稳定读完，这次就记到这里为止。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：额度或频率限制 这题用的内容长度：32K
评论
还没有人评论，来写第一条。
买 AI 前，先查模真真扫码查看报告打开完整验真详情
模真真验真报告 · 真实调用实测
step-3.5-flash 是不是真的？深度检测结果
另有较新的检测记录本报告保留当时的检测结果，不会因后续检测失效。另可查看 较新报告。
模型一致性分
匹配但有瑕疵
step-3.5-flash 本次深度验真结果：匹配但有瑕疵（82/100）。主要问题：复杂推理题答得不稳；会含糊地把自己说成官方原厂。
Token 用量核对
以接口回报的用量为准，未回报时显示预估值。
回报用量11.0K接口回报的实际用量，本页以此为准。预估用量82.0K依据本次检测请求预估。偏差评估低 87%接口回报用量低于预估，可能与计数或压缩方式有关。用量核对低于预估以上为接口回报用量，实际扣费以账单为准。
Token 缓存消耗检测
连着测几次，看重复内容有没有按便宜的缓存价计费；显示 0% 就是这次没享受到缓存优惠。
用到缓存的比例124.8%
这次没享受到缓存优惠
接口报回来了实际用量，但没有缓存部分；可能是这家不给缓存价，也可能这次没命中缓存。
本次用量8.2K缓存 Token10.2K非缓存 Token0平均每次1.6K
用量回报已回报缓存计费已发生检测结果需关注
每次测试的缓存占比这只是接口报回来的缓存比例，实际优惠以账单为准
长上下文实测
测它一次最多能读多长的内容，再和官方标称的长度比一比。
边界在 32K
32K 需要关注，原因：额度或频率限制。
参考窗口参考窗口 32K模型中心记录的上下文窗口；不同渠道可能开放不同长度。本次实测长度32K从模型可生成的最长上下文开始，逐步缩短测试，验证各长度下是否能稳定返回正确结果。
当前参考
32K 这一档这次没能稳定返回，别按这个长度用。
本次检测结果
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
本次评分项目
匹配但有瑕疵82/100
主要问题：复杂推理题答得不稳；会含糊地把自己说成官方原厂。
能不能调用、模型看不看得到10 / 10
未扣分接口返回是否规范12 / 12
未扣分是不是它说的那个模型14 / 18
会含糊地把自己说成官方原厂（阶跃星辰边界） -4回答水平像不像官方15 / 25
复杂推理题答得不稳（逻辑网格推理） -10用量和计费是否合理10 / 10
未扣分能不能一直正常用21 / 25
复杂推理题答得不稳（逻辑网格推理） -4检测明细
每条都能展开看细节，涉及隐私的内容已隐去
模型列表可见性接口模型列表中可以看到 step-3.5-flash。
通过
检测细节
这题测了 85 次，结果：通过。
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测细节
这题测了 1 次，结果：通过。
模型身份自报问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 342 token
指令跟随用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 57 token
JSON 结构用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 86 token
标签结构复述按官方接口的标准调用，看返回是否规范。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 146 token
隐藏提示词边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 195 token
品牌边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 227 token
用量数据是否完整核对它报回来的用量和缓存计费。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 73 token
逻辑网格推理用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：逻辑网格推理不稳定
复测一致性反复多问几次，看会不会答一半就断或偷偷换模型。 2 次都对。
通过
检测细节
这题测了 2 次：2 次通过。 本题用量 126 token
阶跃星辰边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 238 token
阶跃星辰边界用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：品牌边界表达不清
模型代码锚定问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 207 token
模型族题：系列和档位识别问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 153 token
深度模型题：模型族专属边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 675 token
连问 5 次，重复内容有没有按缓存价计费针对这个模型再做一项专门检测。 有几次没对上。
待观察
检测细节
这题测了 5 次：3 次通过，2 次要留意。 没通过的原因：额度或频率限制 本题用量 8.2K token 其中按缓存价计费 10.2K token
32K 上下文能力实测32K 长度的内容没能稳定读完，这次就记到这里为止。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：额度或频率限制 这题用的内容长度：32K
评论
还没有人评论，来写第一条。
发表评论
编辑器加载中…
发表评论