Skip to content
查正品第 1 / 4 节

API 会不会被偷换模型 ​

会。 你付的是某个模型的钱,但提供方可以悄悄换成更便宜的版本,标价不变。研究者用统计方法审计过真实的商业 API,确实查到了输出和官方模型不一致的端点。

学完你能做什么 ​

  • 说出偷换的几种形式
  • 明白为什么光看回答很难发现
  • 知道什么情况下该特别留心

偷换有哪几种 ​

两篇论文描述了同一类问题。

UC Berkeley 的《Are You Getting What You Pay For?》(arXiv 2504.04715):用户为特定模型付费,却无法保证提供方如实提供。提供方可能换成更便宜的替代品,比如量化版本(把模型参数压缩成更低精度,省显存、省钱)或更小的模型,同时保持原价。

Stanford 的《Model Equality Testing》(arXiv 2410.20247):API 提供方为了降本或加功能,可能量化、加水印或微调底层模型,改变输出,而且不一定告诉用户。

偷换方式提供方得到什么
换成量化版省显存、省算力
换成更小的模型降低成本
微调或加水印加功能,或者改变模型的行为

真实审计查到了什么 ​

《Model Equality Testing》用他们的方法审计了 2024 年夏天提供 4 个 Llama 模型的商业推理 API:31 个端点中,有 11 个的输出分布和 Meta 发布的参考权重不同。

这不代表这 11 个都是故意掉包,量化等部署选择也会造成差异。但它说明:同一个模型名,在不同提供方那里,可能不是同一个东西。

考考你审计发现一个端点的输出和官方权重不一致。能直接断定它故意掉包吗?

  • 我知道“同一个模型名”不等于同一个模型

真实案例:拿 DeepSeek 冒充 Claude ​

上面说的是部署差异。下面是更直接的情况:花 Claude 的钱,拿到的是别的模型。

研究者记录到的“掺水” ​

牛津中国政策实验室(Oxford China Policy Lab)的研究员 Zilan Qian 调查了国内转售 Claude 的“中转站”。她 2026 年 5 月 5 日发表在 ChinaTalk 的文章写道:

  • 中转站让开发者以低至官方 10% 的价格用 Claude,常见价格是 1 元人民币对 1 美元额度,比官方便宜 70%–90%
  • 用户选的是 Opus 4.7,代理可以悄悄转给 Sonnet、Haiku,最坏的情况是 GLM 或 Qwen,再把输出标成原模型
  • 因为代理夹在中间,用户无法验证请求到底去了哪个模型。往往要到复杂任务上才露馅,也就是大家说的“降智”

2026 年 8 月 16 日,她在 High Capacity 播客里说得更直接。中转站把换模型叫“掺水”:轻的是标 Opus 4.8、实际给 Opus 4.6;激进的会直接换模型,“比如拿 DeepSeek 冒充 Claude,拿豆包冒充 GPT”(原话:“swap, for example, DeepSeek for Claude or Doubao for GPT”)。她说这种有时很容易看出来,论坛上很多用户抱怨“模型突然变笨了”。

为什么这么容易做 ​

DeepSeek 官方提供了兼容 Anthropic 格式的接口,地址是 https://api.deepseek.com/anthropic。官方文档写明:以 claude 开头的模型名也会被接受,claude-opus* 会映射到 deepseek-v4-pro,其他 claude* 映射到 deepseek-flash。

这是 DeepSeek 的正当功能,方便用户在 Claude 生态的工具里换用 DeepSeek,DeepSeek 自己没有冒充谁。问题出在中间商:中转站只要把你的请求原样转到这个地址,你请求的是 claude-opus-…,收到的回答格式也和 Claude 一样,你的代码一行都不用改,背后却是 DeepSeek。请求格式和模型名都对得上,不能证明背后是 Claude。

试一试中转站怎么把 Claude 换成 DeepSeek示意动画

你的代码

model: "claude-opus-…"

中转站

原样转发

Anthropic 官方

api.anthropic.com真的 Claude

你收到的回答

{ "type": "message", "model": "claude-opus-…", "content": [ … ] }

你的代码发出请求,模型名写的是 claude-opus-…

考考你中转站的回答里格式和模型字段都是 Claude 的样子。能确定背后是 Claude 吗?

学术审计查到的 ​

德国 CISPA 的论文《Real Money, Fake Models》(arXiv 2603.01919)审计了“影子 API”,也就是声称能间接访问官方模型的第三方服务:

  • 找到 17 个被 187 篇学术论文用过的影子 API,详细审计了其中 3 个
  • 和官方 API 比,性能差距最高 47.21%;45.83% 的指纹测试没能验证出标称的模型身份
  • 指纹比对显示:两家影子 API 里标为 GPT-5 的端点,行为像 GLM-4 或 DeepSeek-V3;标为思考模式 DeepSeek-Reasoner 的请求,表现得像不思考的 DeepSeek-Chat
  • 到论文写作时,17 家里已经有 4 家停止运营

这篇论文审计的是 GPT、Gemini 和 DeepSeek,没有测 Claude。但它说明了同一件事:标价是贵模型,指纹却指向便宜模型。

  • 我知道为什么“格式对、模型名对”不等于正品

为什么很难发现 ​

  • 问它是谁没用。 Berkeley 的论文测过:模型通常只说出家族或开发者,很少说出参数量或量化状态;直接问规格,成功率不到 5%。系统提示里让它冒充别的身份时,大多数模型认不出自己
  • 量化版跑分几乎一样。 量化版和原版在 MMLU、GSM8K、MATH、GPQA Diamond 上的差别通常在重复运行的一个标准差以内,被自然波动盖住了
  • 同一个模型也会不一样。 不同提供方的推理设置会让完全相同的模型给出不同输出,容易误判

什么情况下该留心 ​

  • 价格明显低于官方,比如只有官方的一两成
  • 简单问题正常,复杂任务时好时坏
  • 回答风格、长度和你在官方渠道看到的不一样
  • 提供方不说明部署的是原版还是量化版

检查点 ​

  • 偷换方式:量化、换小模型、微调、加水印
  • 审计实例:31 个端点中 11 个和官方权重不一致
  • 真实案例:研究者记录到中转站拿 DeepSeek 冒充 Claude;兼容接口让这种替换不用改一行代码
  • 问身份、跑一次跑分都很难发现细微替换

常见误会 ​

“我问它‘你是哪个模型’,它说是 X,就是 X。” 模型自报身份不可靠,系统提示一改它就跟着说。

“跑一遍 MMLU 分数对得上,就是正品。” 量化这类小改动在跑分上几乎看不出来。

下一节 ​

那到底怎么验?下一节列出几种方法,以及每种能查到什么程度:怎么验证 API 是不是正品。

搞懂AI关于我们怎么写隐私说明联系我们

独立的第三方教程,与文中提到的任何产品及其公司没有隶属或合作关系;产品名称和商标归各自所有者。价格和政策以官方页面为准。