免费模型验真 · 脱敏公开报告
step-3.5-flash 深度验真模型一致性报告
匹配但有瑕疵
step-3.5-flash 本次模型一致性深度验真结果：匹配但有瑕疵（82/100）。主要扣分项：逻辑网格推理不稳定；品牌边界表达不清。
82一致性分
主要扣分项：逻辑网格推理不稳定；品牌边界表达不清。
测评方模真真
检测模型Step 3.5 Flash
中转站无限星河AI
样本数量107 次探测
耗时1 分 32 秒
验真版本V11
身份结论验真通过
验真依据模真真既有版本化基线
Token 用量
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。
实测 Token 用量11.0K来自本次响应 usage 字段；这是报告主展示口径。题包预计用量82.0K暂无官方基线时，按本次题包内容精确估算。偏差判断低 87%接口返回的实际 Token 低于系统预计值，可能与渠道 tokenizer、压缩或 usage 口径有关。用量结论低于预计这是用量可观测性结论，不等同于账单最终扣费。
Token 缓存消耗检测
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。
观察到的缓存占比124.8%
未观察到缓存字段
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。
观测 Token8.2K缓存 Token10.2K非缓存 Token0平均每次1.6K
Token 用量记录有返回缓存字段已观察到检测结果需关注
每次测试的缓存占比仅代表接口返回字段中的缓存占比，不等同于账单最终优惠
长上下文实测
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。
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从短上下文逐步加长，验证每个长度下是否能稳定返回正确结果。
当前参考
32K 档暂不作为当前线路的稳定上下文参考。
已有更新报告这份报告已被后续复测替代，建议查看 最新报告。
模型真实性评分
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
主要扣分项：逻辑网格推理不稳定；品牌边界表达不清。
可调用与模型可见10 / 10
未扣分协议与返回结构12 / 12
未扣分身份与模型匹配14 / 18
品牌边界表达不清（深度品牌题：阶跃星辰证据边界） -4关键能力与专属题15 / 25
逻辑网格推理不稳定（深度题：逻辑网格推理） -10用量与计费合理性10 / 10
未扣分稳定性与可用性21 / 25
逻辑网格推理不稳定（深度题：逻辑网格推理） -4检测明细
每条检测都可以展开，查看系统保留的脱敏说明。
模型列表可见性接口模型列表中可以看到 step-3.5-flash。
通过
检测证据
检测项目：模型列表可见性 执行状态：通过 样本数量：85 接口路径：/v1/models 可见模型数：85
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测证据
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
快速题：模型身份自报执行 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。
通过
检测证据
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：342
标准题：指令跟随执行 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。
通过
检测证据
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：57
标准题：JSON 结构执行 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。
通过
检测证据
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：86
标准题：标签结构复述执行 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。
通过
检测证据
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：146
标准题：隐藏提示词边界执行 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。
通过
检测证据
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：195
标准题：品牌边界执行 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。
通过
检测证据
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：227
标准题：usage 返回可观测性执行 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。
通过
检测证据
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：73
深度题：逻辑网格推理执行 通用题，用于形成模真真验真证据，评分维度：ability。 存在样本未完全通过。
待观察
检测证据
检测项目：深度题：逻辑网格推理 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：逻辑网格推理不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0
深度题：复测一致性执行 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。
通过
检测证据
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：126
品牌题：阶跃星辰证据边界 证据边界执行 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。
通过
检测证据
检测项目：品牌题：阶跃星辰证据边界 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：238
深度品牌题：阶跃星辰证据边界执行 品牌题，用于形成模真真验真证据，评分维度：ability。 存在样本未完全通过。
待观察
检测证据
检测项目：深度品牌题：阶跃星辰证据边界 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
模型级题：模型代码锚定执行 模型级题，用于形成模真真验真证据，评分维度：identity。 全部样本通过。
通过
检测证据
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：207
模型族题：系列和档位识别执行 模型级题，用于形成模真真验真证据，评分维度：identity。 全部样本通过。
通过
检测证据
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：153
深度模型题：模型族专属边界执行 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。
通过
检测证据
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：675
专项：Token缓存消耗 5 轮执行 专项题，用于形成模真真验真证据。 存在样本未完全通过。
待观察
检测证据
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：额度或频率限制 样本结果：通过 3 / 需关注 2 / 未通过 0 观测 token：8.2K 缓存 token：10.2K
专项：32K 上下文能力实测32K 长度样本未形成稳定结果，本次按边界样本记录。
待观察
检测证据
检测项目：专项：32K 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：上下文实测 上下文档位：32K 需关注原因：额度或频率限制 样本结果：通过 0 / 需关注 1 / 未通过 0
报告评论
暂无公开评价
可以写下第一条评价。
发布匿名评论
评分
5 分
上传图片/视频
AI 服务买前查询与模型验真报告扫码查看报告打开完整验真详情
免费模型验真 · 支持所有文字模型检测
step-3.5-flash 深度验真模型一致性报告
模型一致性分
匹配但有瑕疵
step-3.5-flash 本次模型一致性深度验真结果：匹配但有瑕疵（82/100）。主要扣分项：逻辑网格推理不稳定；品牌边界表达不清。
Token 用量
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。
实测 Token 用量11.0K来自本次响应 usage 字段；这是报告主展示口径。题包预计用量82.0K暂无官方基线时，按本次题包内容精确估算。偏差判断低 87%接口返回的实际 Token 低于系统预计值，可能与渠道 tokenizer、压缩或 usage 口径有关。用量结论低于预计这是用量可观测性结论，不等同于账单最终扣费。
Token 缓存消耗检测
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。
观察到的缓存占比124.8%
未观察到缓存字段
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。
观测 Token8.2K缓存 Token10.2K非缓存 Token0平均每次1.6K
Token 用量记录有返回缓存字段已观察到检测结果需关注
每次测试的缓存占比仅代表接口返回字段中的缓存占比，不等同于账单最终优惠
长上下文实测
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。
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从短上下文逐步加长，验证每个长度下是否能稳定返回正确结果。
当前参考
32K 档暂不作为当前线路的稳定上下文参考。
已有更新报告这份报告已被后续复测替代，建议查看 最新报告。
模型真实性评分
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
主要扣分项：逻辑网格推理不稳定；品牌边界表达不清。
可调用与模型可见10 / 10
未扣分协议与返回结构12 / 12
未扣分身份与模型匹配14 / 18
品牌边界表达不清（深度品牌题：阶跃星辰证据边界） -4关键能力与专属题15 / 25
逻辑网格推理不稳定（深度题：逻辑网格推理） -10用量与计费合理性10 / 10
未扣分稳定性与可用性21 / 25
逻辑网格推理不稳定（深度题：逻辑网格推理） -4检测明细
每条检测都可以展开，查看系统保留的脱敏说明
模型列表可见性接口模型列表中可以看到 step-3.5-flash。
通过
检测证据
检测项目：模型列表可见性 执行状态：通过 样本数量：85 接口路径：/v1/models 可见模型数：85
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测证据
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
快速题：模型身份自报执行 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。
通过
检测证据
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：342
标准题：指令跟随执行 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。
通过
检测证据
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：57
标准题：JSON 结构执行 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。
通过
检测证据
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：86
标准题：标签结构复述执行 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。
通过
检测证据
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：146
标准题：隐藏提示词边界执行 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。
通过
检测证据
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：195
标准题：品牌边界执行 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。
通过
检测证据
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：227
标准题：usage 返回可观测性执行 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。
通过
检测证据
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：73
深度题：逻辑网格推理执行 通用题，用于形成模真真验真证据，评分维度：ability。 存在样本未完全通过。
待观察
检测证据
检测项目：深度题：逻辑网格推理 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：逻辑网格推理不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0
深度题：复测一致性执行 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。
通过
检测证据
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：126
品牌题：阶跃星辰证据边界 证据边界执行 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。
通过
检测证据
检测项目：品牌题：阶跃星辰证据边界 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：238
深度品牌题：阶跃星辰证据边界执行 品牌题，用于形成模真真验真证据，评分维度：ability。 存在样本未完全通过。
待观察
检测证据
检测项目：深度品牌题：阶跃星辰证据边界 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
模型级题：模型代码锚定执行 模型级题，用于形成模真真验真证据，评分维度：identity。 全部样本通过。
通过
检测证据
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：207
模型族题：系列和档位识别执行 模型级题，用于形成模真真验真证据，评分维度：identity。 全部样本通过。
通过
检测证据
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：153
深度模型题：模型族专属边界执行 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。
通过
检测证据
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：675
专项：Token缓存消耗 5 轮执行 专项题，用于形成模真真验真证据。 存在样本未完全通过。
待观察
检测证据
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：额度或频率限制 样本结果：通过 3 / 需关注 2 / 未通过 0 观测 token：8.2K 缓存 token：10.2K
专项：32K 上下文能力实测32K 长度样本未形成稳定结果，本次按边界样本记录。
待观察
检测证据
检测项目：专项：32K 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：上下文实测 上下文档位：32K 需关注原因：额度或频率限制 样本结果：通过 0 / 需关注 1 / 未通过 0
最新用户点评
暂无公开评价
可以写下第一条评价。
本报告的评论与反馈
评分
5 分
上传图片/视频