关于模型真实性验证

AIone 模型来源说明

AIone 所有模型均通过官方云服务接入，确保您调用的是正品模型：

如何验证模型真实性

不建议把非标准响应头作为真实性判断依据。更可靠的核对方式是检查响应中的 model、usage 与控制台记录是否一致。

1. 检查响应中的 model 字段

每次 API 响应都包含实际使用的模型标识：

{
  "model": "claude-sonnet-4-20250514",
  "choices": [...]
}

返回的 model 应与请求目标一致，或与平台文档中声明的当前模型 ID 一致。

2. 检查 usage 字段是否合理

正常请求返回里通常会包含 usage.prompt_tokens、usage.completion_tokens、usage.total_tokens 等字段。它们应与请求规模和响应长度相符。

3. 核对控制台用量记录

通过 AIone 调用后，建议同时检查以下信息是否一致：

• 响应中的 model
• 响应中的 usage
• 控制台用量明细中的模型、时间和 token 消耗
• 对应请求的账单或统计记录

4. 保留请求 ID 便于排查

如果您对某次请求存在疑问，请保留响应中的 id 字段，以及原始请求和响应内容，便于平台排查。

5. 不要依赖不可靠信号

判断模型真伪时，请勿仅凭单一、易被误读的信号下结论：

• 不要只看某个响应头就断言模型真伪
• 不要只凭一次回答的风格判断模型来源
• 不要忽略 model、usage 与控制台记录的一致性——交叉核对才可靠

AIone 的保障措施

1. 全量官方渠道：不使用逆向工程、代理转发或非授权 API
2. 请求透明：控制台可查看每次调用的模型、token 消耗和延迟
3. 审计可追溯：平台保留完整调用元数据，便于调查异常请求
4. 公开状态页：portal.openbili.com/status 实时展示平台服务状态

如何报告疑似问题

如果您发现模型行为异常或怀疑模型真实性，请：

1. 记录 request ID（响应中的 id 字段）
2. 保存完整的请求和响应内容
3. 通过 工单系统 提交，我们会在 24 小时内调查并回复