45.83% 的端点没过身份核验：这份行业数据该怎么读

这个数字的来源与含义

2026 年前后，多篇行业分析引用了 CISPA（莱布尼茨信息安全中心）相关报告的一个数据：45.83% 的 AI 端点未通过身份核验。这个数字随后被大量转述为「近一半的中转站在造假」。

这个转述的问题在于，它把三个不同的概念叠在了一起：

1. 端点（endpoint）≠ 站点。一家站可能有几十个端点（每个模型、每个渠道一个）；
2. 未通过核验 ≠ 冒用其它模型。核验失败的原因有很多种；
3. 单次快照 ≠ 持续状态。核验是一次抽样，不是持续监测。

端点为什么通不过核验

按常见程度排列：

一、接口形态本身不支持核验

身份核验通常依赖某些特征：模型的自我陈述、特定的响应指纹、参数边界行为等。而：

• 逆向订阅类站点（订阅账号转 API）往往不暴露标准模型名，也不响应系统提示里的身份询问；
• 做了提示词改写的站点会在请求前后包装内容，指纹特征被清洗掉了；
• 自建网关做了模型别名映射的（把 gpt-4o 映射到某个实际后端），核验手段天然失效。

这三类都通不过，但它们的动机完全不同 —— 前者是能力受限，后两者是架构使然。

二、核验方法本身的假阴性

任何指纹方法都有误判率。模型版本更新、上游换了推理集群、甚至 temperature 默认值不同，都可能让同一个真模型表现不一致。

做核验的人很难把自己的误判率写进报告，但读者必须知道它存在。

三、确实存在模型替换

这一类必须承认：把便宜的模型套上贵模型的名称对外售卖，是这个行业里真实存在的做法，而且因为价格差异巨大（同代模型之间可以差 5–10 倍），动机很强。

作为使用者，该怎么用这个数字

不要这样用

• ✗ 「近一半站点在造假，所以整个行业都不能信」—— 把端点级数据放大到站点级，且忽略了核验局限。
• ✗ 「只要不在那 45.83% 里就是安全的」—— 通过核验只说明抽样时刻、抽样方法下没发现问题。
• ✗ 用它去论证某一家具体站点有问题 —— 这个数字是行业级的，对单个站点没有判别力。

应该这样用

• ✓ 把它当成一个「必须自己验证」的理由，而不是一个结论。行业级数据显示模型替换是常见现象，所以你应当具备最基本的自测能力。
• ✓ 自己动手做可复现的验证。本站有专文《怎么验证一个中转站是不是在「掺水降智」》，核心是用固定 prompt + 固定参数 + 多次采样，比对响应特征。这套方法不需要工具，20 分钟能做完。
• ✓ 优先选择接口形态完整、可核验的站点。一家站如果连 /v1/models 都不返回、不接受标准系统提示、不支持结构化输出，那么「它到底在跑什么模型」这件事对你永远是黑盒 —— 这本身就是选型时应当扣分的项。
• ✓ 用价格做交叉判断。如果一家站的报价远低于同类站，而它又声称是纯官转，那么「便宜」和「纯官」这两件事至少有一样是不准确的。

一个更实用的替代指标

与其纠结行业级的核验通过率，不如关注三个能持续观测的指标：

1. 可用率（你有没有在关键时刻被断掉）；
2. 响应延迟的稳定性（不是平均值，是高峰期的抖动）；
3. 账单与标称倍率的一致性（实际扣费对不对得上公示价格）。

这三项都能由你自己长期测量，不依赖任何第三方报告。本站的监测页提供第 1、2 项的公开数据，第 3 项只能靠你对账。

结论

行业数据的作用是提醒你问题的存在与量级，不是替你下结论。45.83% 这个数字真正说明的是：在这个市场里，把「验证」当作选站的必经步骤，而不是可选步骤。

它是一个起点，不是答案。