claude-sonnet-5 本次模型一致性深度验真结果：匹配但有瑕疵（76/100）。主要扣分项：模型代码锚定不稳定；模型专属边界表达不清；品牌边界表达不清。
主要扣分项：模型代码锚定不稳定；模型专属边界表达不清；品牌边界表达不清。
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。
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。
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。
200K 未通过，原因：接口鉴权或权限异常。
200K 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；模型专属边界表达不清；品牌边界表达不清。
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：7 接口路径：/v1/models 可见模型数：7
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。 存在样本未完全通过。
检测项目：快速题：模型身份自报 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型身份自报待复核 样本结果：通过 0 / 需关注 1 / 未通过 0
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：555
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：118
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：681
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 观测 token：725
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。 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：228
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：579
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：726
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。 存在样本未完全通过。
检测项目：深度模型题：模型族专属边界 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型专属边界表达不清 样本结果：通过 0 / 需关注 1 / 未通过 0
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：1.1K
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：50.0K
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：734.4K
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：367.5K
200K 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：200K 上下文实测 执行状态：未通过 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 需关注原因：接口鉴权或权限异常 样本结果：通过 0 / 需关注 0 / 未通过 1
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-5 本次模型一致性深度验真结果：匹配但有瑕疵（76/100）。主要扣分项：模型代码锚定不稳定；模型专属边界表达不清；品牌边界表达不清。
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。
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。
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。
200K 未通过，原因：接口鉴权或权限异常。
200K 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；模型专属边界表达不清；品牌边界表达不清。
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：7 接口路径：/v1/models 可见模型数：7
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。 存在样本未完全通过。
检测项目：快速题：模型身份自报 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型身份自报待复核 样本结果：通过 0 / 需关注 1 / 未通过 0
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：555
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：118
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：681
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 观测 token：725
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。 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：228
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：579
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：726
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。 存在样本未完全通过。
检测项目：深度模型题：模型族专属边界 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：模型专属边界表达不清 样本结果：通过 0 / 需关注 1 / 未通过 0
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：1.1K
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：50.0K
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：734.4K
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：367.5K
200K 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：200K 上下文实测 执行状态：未通过 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 需关注原因：接口鉴权或权限异常 样本结果：通过 0 / 需关注 0 / 未通过 1
可以写下第一条评价。