怎么判断AI中转站有没有掺水降智，为何会这样（中转站为什么会掺水：动机和常见做）

同一个提示词，昨天答得利索，今天答得敷衍；换个中转站又好了。你怀疑被掺水降智，但只有「感觉不对」拿不出证据。这篇给一套能自己复现的对比提问和日志比对顺序，帮你在几分钟内分清：是模型被换了、参数被砍了，还是本来就正常波动。

同一个提示词，昨天答得利索，今天答得敷衍；换个中转站又好了。你怀疑被掺水降智，但只有「感觉不对」拿不出证据。这篇给一套能自己复现的对比提问和日志比对顺序，帮你在几分钟内分清：是模型被换了、参数被砍了，还是本来就正常波动。

先说明立场：这篇不是教你一测就定罪。单次答得差，可能只是限速、排队、上下文没清干净。真正要做的，是把「一次感觉」变成「同一组题、两个时段、可留档的对比」。下面按动机、出题、比对、下结论四步走。

中转站为什么会掺水：动机和常见做法

先说清楚为什么会有人这么干，你才知道该往哪儿看。中转站夹在用户和上游之间，请求怎么路由、参数怎么透传，用户多半看不见。只要中间有一层可以调，就存在把请求挪到更便宜档位的空间。识别方法不是猜动机，而是找「言行不一致」的地方：宣称的能力和实际返回对不上。

• 成本差驱动：拿低价模型冒充高价模型，或把请求路由到更便宜的档位，差价就是利润
• 能力缩水：限制最大输出长度、调低采样温度、截断上下文、砍掉长文本能力，表面还能回答
• 并发撑不住时的降级：高峰期把请求排到备用通道，或直接返回缓存式模板答案
• 还有一种不算恶意：上游限速、通道抖动、缓存命中，表现也会变差，别一律算降智

什么情况下不适用：官方原厂也会限速、也会波动，单次答得差不能直接归因于中转站。同一个问题在深夜和高峰测，结果本来就可能不同。所以下面所有测试都强调「固定题目 + 两个时段 + 留档」，缺一条结论就不牢。

准备几组测试题：让掺水露馅的提问方式

题目不用多，四类各一两道就够，关键是固定、原样重发、把返回原文存下来。挑的原则是：被换小模型或砍参数时最先崩的那类题。题目本身别涉及联网、别依赖多轮上下文，否则你分不清是通道问题还是题目问题。

1. 固定一组基线题四类各选一两道，写成固定文本，之后每次原样粘贴，不改标点不加解释。
2. 记录环境发题前记下时间、用的哪个中转站、请求里写的模型名，这些是后面比对的前提。
3. 保存返回原文把完整回答、token 用量、finish reason 一起存到一个文件或表格里，别只截图结论。
4. 两个时段各测一轮高峰和低谷各跑一遍，同一题目的差异才有意义。只测一次等于没测。

日志比对：不看感觉，看返回里的硬信号

感觉靠不住，日志靠得住。比对时别只看回答好不好，先看返回里的几个硬字段：请求写的模型名和返回的模型标识是否一致，token 用量和回答长度是否匹配，finish reason 是不是因为长度被截断。这些字段对不上，比文风变化更有说服力。

• 模型标识：请求里写一个，返回里标另一个，基本可以怀疑被换
• token 与长度：同一题目回答突然短一大截，先查是不是被限了最大输出
• finish reason：出现长度截断而你没设限制，说明通道那头替你砍了
• 延迟与首字时间：同一题目稳定快很多或慢很多，往往意味着通道变了
• 文风与拒答口径：表达习惯、标点、拒答方式整体变了，怀疑换模型

比对顺序建议从硬到软：先核对模型标识和截断信号，再看长度和用量，最后才看文风。前两项对不上，后面不用细看；前两项都正常、只是答得差，更可能是波动。遇到报错、限速、额度异常，先按现象分类再判断，别一股脑全算成降智。

怎么下结论：够用就留，反复异常就换

下结论前先问自己：这是能力缩水还是参数被砍？答错、答歪、逻辑崩，偏能力缩水；答短、答漏、提前截断，偏参数被砍。两类问题的处理方式不同，前者基本只能换通道，后者可以先确认是不是自己请求里设了限制。分不清就标「无法判断」，继续观察，别硬下结论。

结论只有三种：正常波动、明确掺水、无法判断。第三种最容易被情绪带偏，处理办法就是继续观察或换一家做对照。把每轮测试的题目、时间、返回原文存档，后续沟通、退款或换站都用得上。想先看别家的情况，可以到 /sites 对照各站的可信度记录，再到 /price-watch 看当时的数字，别凭印象换站。