claude-haiku-4-5 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：隐藏提示词边界不清；复测一致性不足。
主要扣分项：隐藏提示词边界不清；复测一致性不足。
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。
本次按 32K / 64K / 100K / 200K 逐档测试，均稳定返回。
厂商原生接口检测暂无结果。
流式、工具与结构化输出检测暂无结果。
把接口可用性、模型身份、返回信息完整性等项目拆开查看。
主要扣分项：隐藏提示词边界不清；复测一致性不足。
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-haiku-4-5。
检测项目：模型列表可见性 执行状态：通过 样本数量：10 接口路径：/v1/models 可见模型数：10
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：178
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：707 缓存 token：27.3K
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：65
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：658
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。
检测项目：标准题：隐藏提示词边界 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：隐藏提示词边界不清 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：872 缓存 token：27.8K
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：190
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：626 缓存 token：27.4K
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：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：362
执行 通用题，用于形成模真真验真证据，评分维度：stability。 存在样本未完全通过。
检测项目：深度题：复测一致性 执行状态：待观察 样本数量：2 检测类型：文本题 需关注原因：复测一致性不足 样本结果：通过 1 / 需关注 1 / 未通过 0 观测 token：1.1K 缓存 token：24.1K
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：876 缓存 token：24.9K
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：1.2K 缓存 token：24.9K
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。
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：796 缓存 token：26.7K
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。
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：142
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：229
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。
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 0 / 需关注 5 / 未通过 0 观测 token：15.3K 缓存 token：49.9K
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：29.9K 缓存 token：24.9K
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：58.2K
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：89.6K
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：179.1K
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：Anthropic Messages 原生协议 执行状态：通过 样本数量：1 专项模块：厂商原生接口检测 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：60
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。
检测项目：深度专项：Claude thinking 签名 执行状态：待观察 样本数量：1 专项模块：厂商原生接口检测 需关注原因：Claude thinking 签名不可观测 样本结果：通过 0 / 需关注 1 / 未通过 0
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：流式 / 非流式一致性 执行状态：通过 样本数量：1 专项模块：流式、工具与结构化输出检测 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：60
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。
检测项目：专项：工具调用结构 执行状态：待观察 样本数量：1 专项模块：流式、工具与结构化输出检测 需关注原因：协议结构不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0
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。
检测项目：专项：JSON Schema 结构化输出 执行状态：待观察 样本数量：1 专项模块：流式、工具与结构化输出检测 需关注原因：结构化输出不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：120
可以写下第一条评价。
AI 服务买前查询与模型验真报告claude-haiku-4-5 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：隐藏提示词边界不清；复测一致性不足。
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。
本次按 32K / 64K / 100K / 200K 逐档测试，均稳定返回。
厂商原生接口检测暂无结果。
流式、工具与结构化输出检测暂无结果。
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
主要扣分项：隐藏提示词边界不清；复测一致性不足。
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-haiku-4-5。
检测项目：模型列表可见性 执行状态：通过 样本数量：10 接口路径：/v1/models 可见模型数：10
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：178
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：707 缓存 token：27.3K
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：65
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：658
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。
检测项目：标准题：隐藏提示词边界 执行状态：待观察 样本数量：1 检测类型：文本题 需关注原因：隐藏提示词边界不清 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：872 缓存 token：27.8K
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：190
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：626 缓存 token：27.4K
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：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：362
执行 通用题，用于形成模真真验真证据，评分维度：stability。 存在样本未完全通过。
检测项目：深度题：复测一致性 执行状态：待观察 样本数量：2 检测类型：文本题 需关注原因：复测一致性不足 样本结果：通过 1 / 需关注 1 / 未通过 0 观测 token：1.1K 缓存 token：24.1K
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：876 缓存 token：24.9K
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：1.2K 缓存 token：24.9K
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。
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：796 缓存 token：26.7K
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。
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：142
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：229
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。
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 0 / 需关注 5 / 未通过 0 观测 token：15.3K 缓存 token：49.9K
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：29.9K 缓存 token：24.9K
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：58.2K
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：89.6K
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：179.1K
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：Anthropic Messages 原生协议 执行状态：通过 样本数量：1 专项模块：厂商原生接口检测 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：60
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。
检测项目：深度专项：Claude thinking 签名 执行状态：待观察 样本数量：1 专项模块：厂商原生接口检测 需关注原因：Claude thinking 签名不可观测 样本结果：通过 0 / 需关注 1 / 未通过 0
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：流式 / 非流式一致性 执行状态：通过 样本数量：1 专项模块：流式、工具与结构化输出检测 样本结果：通过 1 / 需关注 0 / 未通过 0 观测 token：60
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。
检测项目：专项：工具调用结构 执行状态：待观察 样本数量：1 专项模块：流式、工具与结构化输出检测 需关注原因：协议结构不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0
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。
检测项目：专项：JSON Schema 结构化输出 执行状态：待观察 样本数量：1 专项模块：流式、工具与结构化输出检测 需关注原因：结构化输出不稳定 样本结果：通过 0 / 需关注 1 / 未通过 0 观测 token：120
可以写下第一条评价。