本轮观察EVIDENCE FIRST
先跑一轮，
让证据说话。
用相同题目测试多个接口。我们关注能观察到的差异，并把每一条判断关联到原始回答。
/
TRUST, BUT VERIFY.
你的 AI，值得一次体检.
对比行为、能力与费用，让中转站的表现有据可查。
浏览器存储不可用，配置仅保留在当前页面。
正在查看导入报告。内容由文件提供，未独立核验；不能作为中转站行为的审计证明。
先跑一轮，
提示词异常线索
—条
从可观察的异常开始
额外内容、格式偏离、用量差异。
黑盒测试无法直接确认上游注入。
同题、同轮次、同输出上限
错误与格式失败均计入未通过
填写单价后根据上游用量估算
完整回答耗时，包含网络时间
开始一次对照实验 实验室
先选接口和题目，再运行。真实检测会消耗接口余额。
停止后，已发出的请求仍会收取费用并记录结果。
接口表现对比
通过率衡量本轮题目表现；费用来自填写单价 × 接口自报用量。
| 接口 / 模型 | 自动题通过 | 鹈鹕 / 人工题 | 中位耗时 | 估算费用 | 每通过题成本 | 复核线索 |
|---|
◎
第一份对比，还差一次运行
添加两个接口，更容易看出差异。
值得复核的发现
看证据，再下判断。
检测后，这里会列出异常与对应的原始回答。
检测线索，
保留判断。
答错题 ≠ 模型被替换
用量变高 ≠ 已确认偷费
字段里的模型名 ≠ 身份证明
所有单价均按 每 100 万 tokens 填写。使用实际结算单价，已含倍率就不要再重复乘倍率。不同币种请先自行换算为同一币种。
糖果题使用你提供的原题。“可按形状选择”的答案为 21；完全盲取的变体答案为 29。鹈鹕图按统一的人工量表评审。
加一道你自己的题
检测开始时会固定题目。填写标准答案后按去除首尾空白的文本精确匹配。
每一次回答，都留有依据
当前页面保存结果；导出后可在下次打开时导入。导入不包含密钥。