把你的 API,變成專屬 AI 聊天頁。
接入常用模型,擁有自己的對話視窗、最近歷史和專屬位址。自己使用,或透過連結和密碼分享給朋友。
- 自訂 LOGO 與背景
- 專屬連結 · 密碼分享
- 圖片與檔案 · 單個 ≤20MB
聊天記錄在本瀏覽器保留 72 小時,圖片與附件保留 24 小時。分享後的呼叫使用建立者的 API 額度。
我的靈感空間
先留半天做最想做的事,再安排一段散步和閱讀時間。剩下的留白,交給臨時的靈感。
十五層縱深檢測 + 六維誠實度評分。一次體檢,看清中轉站是否如實提供聲稱的大模型,以及鏈路裡有沒有錢包注入、釣魚或 XSS。
支援檢測的主流模型
API Inspection
深度掃描報告
尚可
想日常聊天,就建立自己的工作區;想看看模型能做什麼,就開啟工具箱。
接入常用模型,擁有自己的對話視窗、最近歷史和專屬位址。自己使用,或透過連結和密碼分享給朋友。
聊天記錄在本瀏覽器保留 72 小時,圖片與附件保留 24 小時。分享後的呼叫使用建立者的 API 額度。
我的靈感空間
先留半天做最想做的事,再安排一段散步和閱讀時間。剩下的留白,交給臨時的靈感。
創作、討論、測試,選一個就能開始。每個工具都可獨立使用,訪客也能直接體驗。
多個模型圍繞同一話題討論、互評與總結。
讓模型生成一段 SVG / CSS 動畫,直接預覽。
讓模型編寫小遊戲,再親手試玩。
測首字等待、輸出速度和總耗時。
結合 Token 用量與設定單價,估算呼叫成本。
用可核對的題目與評分證據,比較模型表現。
填入 API 位址與 Key → 探測模型 → 選擇模型 → 開始使用
使用你自己的 API,呼叫費用由服務商收取。能力測評提供答題證據,不作為模型身分或降智的絕對證明。
每一層給出可讀的分析結論,關鍵訊號在池子裡漂動、互斥、碰撞。
從 DNS 解析到 TLS 握手,確認 endpoint 真實可達。
從響應行為到模型指紋,通過多維檢測驗證 API 是否真實、穩定、可信。
從網絡鏈路、協議行為、安全風險到接口表現,逐層分析 API 狀態。
逐層分析分析 Tokenizer、響應特徵與模型行為,判斷 API 是否匹配真實模型。
真實模型識別異常轉發、模型降級和隱藏代理風險。
隱藏代理檢測 TTFT、TPS、響應波動和長期穩定性。
長期穩定一次性驗證 API,不保存用戶密鑰。
不保存密鑰無需複雜配置,輸入 API 資訊即可完成自動檢測。
填寫 API 地址、Key 和模型資訊。
15 層檢測引擎自動分析:
獲得可信評分、風險等級和完整證據。
一份完整的 API 檢測報告——綜合評分、六維雷達、十五層剖面與發現詳情,一次看清接口是否靠譜。
聲稱模型 gpt-4o · 目標 https://api.example.com/v1
L1 網絡 + L2 協議 + L3 元數據 + L13 對抗
L4 Tokenizer + L5 概率分佈 + L14 綜合驗證
L6 標尺題 + L7 風格 + L8 架構能力
L9 性能時序 + L10 一致性 + L11 計費
L12 渠道識別(官方/號池/偽造)
L15 錢包/釣魚/XSS/Unicode/Markdown 注入掃描
gpt-4o-mini
138****6721
claude-3-5-sonnet
u***@qq.com
gpt-4o
156****0093
檢測結果僅供參考,並非絕對結論
單層 finding 不代表最終結論。請關注多層證據是否一致——若僅一層異常而其他層全部正常,多為系統誤報。
關於檢測、Key 安全與報告解讀的簡要說明。
一次性檢測和工具箱呼叫的 Key 僅在本次處理的記憶體中使用。建立工作區或持續監測時,為了後續呼叫,會加密保存建立者設定的 Key。
接入常用模型,擁有自己的對話視窗、最近歷史和專屬位址。自己使用,或透過連結和密碼分享給朋友。 聊天記錄在本瀏覽器保留 72 小時,圖片與附件保留 24 小時。分享後的呼叫使用建立者的 API 額度。
不需要。工具箱無需登入,也不依賴工作區。填寫自己的 API 位址和 Key,探測並選擇模型後即可使用。
報告基於多維行為分析,不依賴單一指標。十五層信號交叉印證,單層異常不會直接定性。
支持兼容 OpenAI 格式及自定義 API,也支持 Anthropic、Gemini 等常見協議。
平台不收取檢測費用。工具箱無需登入;模型呼叫使用你自己的 API,Token 等費用按服務商的規則計費。
標準檢測約 2 分鐘,深度檢測約 8 分鐘;實際耗時取決於上游介面。工具箱耗時隨工具、模型速度和輸出長度變化,圓桌和能力測試會產生多次呼叫。
使用你提供的 API 網址與金鑰,讓多個模型針對同一議題發言、互評並總結。討論會產生多次 API 呼叫;模型意見一致不代表事實已獲驗證。
號池和指紋層會看 system_fingerprint、分詞和能力是否對得上聲稱的模型。若只有一層異常、其餘層正常,更可能是字段被剝離,而不是換模。
單次檢測的 Key 用完即棄。持續監測需要按計劃重複請求,所以 Key 會加密保存,並和這次檢測的記憶體 Key 分開。
不能。很多中轉站會主動去掉 fingerprint、logprobs。請看多層證據是否一致,只靠一條 finding 下結論很容易誤報。
不能。高分只說明這次探測到的行為更接近聲稱模型。淺層檢測不會做真偽判定,要結論需要跑到指紋和能力層。