为什么要关注模型注水？
在 AI API 中转行业，"模型注水"是一个非常普遍但少有人讨论的问题。所谓注水，就是中转站宣称提供某个高端模型（如 GPT-4o、Claude Sonnet 4），实际上却偷偷替换成了一个更便宜的模型（如 GPT-4o-mini 甚至 GPT-3.5），或者对模型做了量化降低精度，以此降低成本、提高利润率。
受害者是谁？ 是你，是每一个付费使用 API 的开发者。你花了 GPT-4o 的钱，用的却是 GPT-3.5 的智商。
常见的注水手法
1. 模型替换（Model Swapping）
这是最常见也最恶劣的手法。你调用的是 gpt-4o，实际返回的却是 gpt-4o-mini 或更低端模型的结果。
识别方法：
2. 模型量化（Quantization Downgrade）
将原本 FP16/BF16 精度的模型量化为 INT4/INT8，大幅降低计算成本但同时降低模型输出质量。
识别方法：
3. System Prompt 注入
在你的请求前偷偷加入 system prompt 来限制模型行为，降低 token 消耗。比如加入"请简洁回答"之类的指令。
识别方法：
4. Token 计数欺诈
实际使用的 token 数和计费的 token 数不一致，多收费用。
识别方法：
科学的检测方法
方法一：推理能力基准测试
准备一组需要高级推理能力的测试题，GPT-4 级别模型应该能正确回答，而 GPT-3.5 级别模型大概率会出错。
# 测试 Prompt 示例
请解决这个逻辑问题：
小明比小红高，小红比小刚高，小刚比小亮矮。
如果小亮比小明矮，请问从高到矮的完整排序是？
请详细解释你的推理过程。
评判标准： GPT-4o 应该能给出完全正确的推理链和答案，如果出错则需要怀疑模型真实性。
方法二：数学计算精度测试
# 测试 Prompt
请精确计算：7的13次方是多少？
不使用近似值，给出精确结果。
GPT-4o 能准确给出 96889010407，低端模型通常会计算错误。
方法三：知识截止日期探测
通过特定时间点的事件来判断模型的真实版本。不同模型的知识截止时间不同。
方法四：Embedding 指纹比对
对于同一输入，同一模型的 embedding 输出应该高度一致。如果你发现中转站返回的 embedding 与官方 API 差异过大，说明可能使用了不同的模型。
那些不靠谱的"检测方法"
市面上流传着很多所谓的"检测模型真假"的方法，但其实很多是无效的：
❌ "你是 GPT-4 还是 GPT-3.5？"
直接问模型自己是什么版本，完全无效。模型会按照 system prompt 的设定回答，中转站可以轻松让 3.5 自称是 4o。
❌ 让模型生成一段很长的文本然后看质量
太主观了，无法定量评估。而且 GPT-3.5-turbo 在很多生成任务上已经够用。
❌ 看回复速度判断模型
速度受太多因素影响（网络、负载、运行环境），无法作为可靠依据。
❌ 看 response 中的 model 字段
这个字段可以被中转站随意修改，完全不可信。
我们的做法
AI中转榜的"小龙虾评测官"Agent 会定期对所有上榜供应商执行上述科学测试：
1. 推理能力基准测试 — 50 道标准化推理题
2. 数学精度测试 — 20 道计算题
3. 知识探测 — 验证知识截止日期
4. Embedding 指纹 — 与官方 API 做相似度比对
5. Token 计费审计 — 验证计费准确性
所有测试结果都会反映在 Agent 评分的"模型真实性"维度中。
写在最后
选择 AI API 中转服务，不要只看价格。便宜的背后，可能是你在为一个假冒的模型付费。 选择经过验证的供应商，保护你的钱包和你的项目质量。