关于模型真实性验证

AIone 模型来源说明

AIone 所有模型均通过官方云服务或官方 API接入：

供应商	接入渠道
Anthropic Claude	AWS Bedrock
OpenAI GPT	OpenAI API / Azure OpenAI
Google Gemini	GCP Vertex AI

如何做更可靠的真实性核对

1. 核对请求模型与响应模型

每次 API 响应都会返回 model 字段。你应优先核对：

请求中的目标模型是否正确

响应中的 model 是否与请求目标一致，或对应同一 canonical model name

{
  "model": "claude-sonnet-4-20250514",
  "choices": [...]
}

2. 核对 usage 与控制台记录

建议同时检查以下信息是否一致：

响应中的 usage.prompt_tokens

响应中的 usage.completion_tokens

控制台用量明细中的模型、时间、Token 消耗和请求记录

如果这几项能相互对应，通常比单看一次回答风格更可靠。

3. 使用 request ID 排查

如果你对某次调用有疑问，请记录响应中的 id 字段，并在控制台或工单中提供对应时间和模型信息，便于平台协助排查。

4. 不要依赖不可靠信号

以下方式不建议作为真实性判断依据：

只看某个响应头就断言模型真伪

只凭一次回答风格判断模型来源

忽略 model、usage、控制台记录的一致性

AIone 的保障措施

全量官方渠道：不使用逆向工程、非授权第三方代理或套壳资源

请求可核对：客户可核对响应中的 model、usage 与控制台记录是否一致

审计可追溯：平台保留完整调用元数据，便于调查异常请求

公开状态页：portal.nexara.net/status 实时展示平台服务状态

如何报告疑似问题

如果你发现模型行为异常或怀疑模型与预期不符，请：

记录 request ID（响应中的 id 字段）

保存对应的请求参数、响应结果和调用时间

通过工单系统提交，我们会协助核查

关于模型真实性验证

关于模型真实性验证#

AIone 模型来源说明#

如何做更可靠的真实性核对#

1. 核对请求模型与响应模型#

2. 核对 usage 与控制台记录#

3. 使用 request ID 排查#

4. 不要依赖不可靠信号#

AIone 的保障措施#

如何报告疑似问题#

关于模型真实性验证

AIone 模型来源说明

如何做更可靠的真实性核对

1. 核对请求模型与响应模型

2. 核对 usage 与控制台记录

3. 使用 request ID 排查

4. 不要依赖不可靠信号

AIone 的保障措施

如何报告疑似问题