把你的 API,变成专属 AI 聊天页。
接入常用模型,拥有自己的对话窗口、最近历史和专属地址。留给自己使用,或通过链接和口令分享给朋友。
- 自定义 LOGO 与背景
- 专属链接 · 口令分享
- 图片与文件 · 单个 ≤20MB
聊天记录在本浏览器保留 72 小时,图片与附件保留 24 小时。分享后的调用使用创建者的 API 额度。
我的灵感空间
先留半天做最想做的事,再安排一段散步和阅读时间。剩下的留白,交给临时的灵感。
十五层纵深检测 + 六维诚实度评分。一次体检,看清中转站是否如实提供声称的大模型,以及链路里有没有钱包注入、钓鱼或 XSS。
支持检测的主流模型
API Inspection
深度扫描报告
尚可
想日常聊天,就创建自己的工作区;想看看模型能做什么,就打开工具箱。
接入常用模型,拥有自己的对话窗口、最近历史和专属地址。留给自己使用,或通过链接和口令分享给朋友。
聊天记录在本浏览器保留 72 小时,图片与附件保留 24 小时。分享后的调用使用创建者的 API 额度。
我的灵感空间
先留半天做最想做的事,再安排一段散步和阅读时间。剩下的留白,交给临时的灵感。
创作、讨论、测试,选一个就能开始。每个工具都可独立使用,访客也能直接体验。
多个模型围绕同一话题讨论、互评与总结。
让模型生成一段 SVG / CSS 动画,直接预览。
让模型编写小游戏,再亲手试玩。
测首字等待、输出速度和总耗时。
结合 Token 用量与配置单价,估算调用成本。
用可核对的题目与评分证据,比较模型表现。
填入 API 地址和 Key → 探测模型 → 选择模型 → 开始使用
使用你自己的 API,调用费用由服务商收取。能力测评提供答题证据,不作为模型身份或降智的绝对证明。
每一层给出可读的分析结论,关键信号在池子里漂动、互斥、碰撞。
从 DNS 解析到 TLS 握手,确认 endpoint 真实可达。
从响应行为到模型指纹,通过多维检测验证 API 是否真实、稳定、可信。
从网络链路、协议行为、安全风险到接口表现,逐层分析 API 状态。
逐层分析分析 Tokenizer、响应特征与模型行为,判断 API 是否匹配真实模型。
真实模型识别异常转发、模型降级和隐藏代理风险。
隐藏代理检测 TTFT、TPS、响应波动和长期稳定性。
长期稳定一次性验证 API,不保存用户密钥。
不保存密钥无需复杂配置,输入 API 信息即可完成自动检测。
填写 API 地址、Key 和模型信息。
15 层检测引擎自动分析:
获得可信评分、风险等级和完整证据。
一份完整的 API 检测报告——综合评分、六维雷达、十五层剖面与发现详情,一次看清接口是否靠谱。
声称模型 gpt-4o · 目标 https://api.example.com/v1
L1 网络 + L2 协议 + L3 元数据 + L13 对抗
L4 Tokenizer + L5 概率分布 + L14 综合验证
L6 标尺题 + L7 风格 + L8 架构能力
L9 性能时序 + L10 一致性 + L11 计费
L12 渠道识别(官方/号池/伪造)
L15 钱包/钓鱼/XSS/Unicode/Markdown 注入扫描
gpt-4o-mini
138****6721
claude-3-5-sonnet
u***@qq.com
gpt-4o
156****0093
检测结果仅供参考,并非绝对结论
单层 finding 不代表最终结论。请关注多层证据是否一致——若仅一层异常而其他层全部正常,多为系统误报。
关于检测、Key 安全与报告解读的简要说明。
一次性检测和工具箱调用的 Key 仅在本次处理的内存中使用。创建工作区或持续监测时,为了后续调用,会加密保存创建者配置的 Key。
接入常用模型,拥有自己的对话窗口、最近历史和专属地址。留给自己使用,或通过链接和口令分享给朋友。 聊天记录在本浏览器保留 72 小时,图片与附件保留 24 小时。分享后的调用使用创建者的 API 额度。
不需要。工具箱无需登录,也不依赖工作区。填写自己的 API 地址和 Key,探测并选择模型后即可使用。
报告基于多维行为分析,不依赖单一指标。十五层信号交叉印证,单层异常不会直接定性。
支持兼容 OpenAI 格式及自定义 API,也支持 Anthropic、Gemini 等常见协议。
平台不收取检测费用。工具箱无需登录;模型调用使用你自己的 API,Token 等费用按服务商的规则计费。
标准检测约 2 分钟,深度检测约 8 分钟;实际耗时取决于上游接口。工具箱耗时随工具、模型速度和输出长度变化,圆桌和能力测试会产生多次调用。
使用你提供的 API 地址和密钥,让多个模型围绕同一议题发言、互评并总结。每轮讨论会产生多次 API 调用;模型的一致意见不代表事实已被验证。
号池和指纹层会看 system_fingerprint、分词和能力是否对得上声称的模型。若只有一层异常、其余层正常,更可能是字段被剥离,而不是换模。
单次检测的 Key 用完即弃。持续监测需要按计划重复请求,所以 Key 会加密保存,并和这次检测的内存 Key 分开。
不能。很多中转站会主动去掉 fingerprint、logprobs。请看多层证据是否一致,只靠一条 finding 下结论很容易误报。
不能。高分只说明这次探测到的行为更接近声称模型。浅层检测不会做真伪判定,要结论需要跑到指纹和能力层。