巧用“脏Token”检测大模型API中转掺水
本文介绍了一种利用大模型分词缺陷（脏 Token）来鉴别 API 中转站是否“掺水”（即用低价模型冒充高价模型）的实用方法。其核心原理在于，不同大模型在训练阶段存在特定的分词错误，输入特定的“脏 Token”组合会触发其产生特征性的错误回答。开发者只需向待测模型发送一段包含特定异常文本（如 .DataGridViewColumnHeadersHeightSizeMode 等）的提示词，并要求其复述和解释。根据模型在特定序号上的出错表现，即可精准锁定制假源头：例如错误 8 对应 GPT，错误 6 和 13 对应 Deepseek，错误 4 和 10 对应通义千问（Qwen）等。该方法为开发者提供了一种低成本、高准确率的 API 真实性校验手段，有助于保障开发者的实际利益。