一个简单的问题：这到底是不是 GPT-5？
手上拿到一个 OpenAI 兼容的中转端点，配置里写着 model: gpt-5。问题朴素得很——它给的究竟是初代 GPT-5，还是某个更新的版本？又或者，根本不是它声称的那个东西？
模型自己嘴上说的不能信（后面会看到它前后矛盾到什么地步）。要回答这个问题，只能靠客观证据：响应里的元数据、它暴露的模型清单、以及——最关键的——它的知识到底停在哪一天。整条推理链如下。
先确认：后端是真货还是套壳？
第一条请求就留下了指纹。一句"回一个词"的提问，却消耗了 4449 个 prompt token，其中 4096 命中缓存。一句话哪来这么多 token？因为请求被注入了一大段固定的系统提示词——这是 Codex 类编码代理的标志性特征。配合响应里的 resp_… 格式 ID、独立的 reasoning_tokens 字段、以及服务端 prompt 缓存命中，可以确认：
后端是一个真实的 OpenAI Codex 类推理后端，不是某个小模型套壳伪装。一个山寨中转拼不出"4096 token 整数缓存命中 + 标准系统提示词前缀"这种特征。
值得一提的是，那个缓存命中发生在 OpenAI 服务端、按账号隔离，由上游响应如实回传——它跟调用方本地、跟中转进程内存都无关。这条细节后面会和"轮换账号"的推断对上。
为什么不能问它"你是谁"
最直觉的办法是直接问模型自己。我问了好几次，答案前后矛盾到失去任何参考价值：
- 一会儿自报知识截止是 2024 年 6 月，一会儿又说 2025 年 8 月
- 身份一会儿说 o4-mini，一会儿说 unknown，一会儿说"o-series 推理模型"
- 甚至坚称"GPT-5 从没发布过，我只知道到 GPT-4o"
这是大模型的通病——它们对自己的版本号没有可靠认知，自报的知识截止也常被注入的系统提示词污染。自报一律作废。真正能下判断的，只有一种东西：用客观事实去探它的知识边界。
用"带日期的新闻"当一把标尺
关键洞察：相邻几代模型的知识截止往往只差一两个月。只要拿一串日期密集、结果确凿的真实事件去卡，就能定位它的知识到底停在哪一天。
我选了 9 个 2024 年 7 月到 2025 年 4 月之间、按月铺开、结果毫无争议的事件（以美国大选周期的几个标志性节点为主），逐条要求模型给出可验证的具体细节（人名、结果）——蒙是蒙不过去的，给错名字立刻穿帮。然后，对完全相同的默认请求，重复跑很多遍。
如果它是一个稳定的单一模型，知识边界焊死在权重里，每次都该停在同一个点。结果呢——
还有一个藏在数字里的指纹：答"什么都不知道"的那几次，都是响应快、推理 token 少（一两百）；能认真回忆出事件的那几次，都是响应慢、推理 token 多（四五百）。这是两套结构不同的计算路径在交替——也就是说，背后至少有两种不同的后端在轮流接客。
版本号倒挂：5.5 的知识反而比 5.4 更旧
单独路由的 gpt-5.5 给了最锋利的一刀。先用对照题确认它没坏、也不是无脑拒答：
| 对照题 | 它的回答 | |
|---|---|---|
| 法国首都？ | 巴黎 | 对 |
| 谁赢了 2020 美国大选？ | 拜登，哈里斯任副总统 | 对 |
| 2024 年 11 月大选结果？ | "不在我的训练截止内" | 不知道 |
| 2024-07 巴特勒集会枪击？ | UNKNOWN | 不知道 |
它答得出 2020 大选，却连 2024 年 7 月的事都不知道——说明 gpt-5.5 的知识截止比默认的"gpt-5.4"还要早。版本号更高、知识反而更旧。这只能说明一件事：这些 slug 名字跟真实模型能力毫无对应关系，是端点随手贴上去的装饰性标签。
这是一个"浮动模型池"，不是稳定的单一模型
同一个请求，每次可能被分发到不同的后端；知识边界在"什么都不知道"到"2024 年 11 月"之间漂移；版本标签与真实能力倒挂。把所有证据串起来，最合理的推断是：一台中转网关，背后挂着一批轮换的临时账号（可能各自绑着不同的真实模型或不同护栏配置），请求进来被负载均衡随机分发，再统一贴上好看的版本号。
怎么自己验一个中转是不是"池子"
方法可以套用到任何 OpenAI 兼容端点上，核心就三步：
- 拉 /v1/models 看真实菜单；故意点几个菜单外的名字，看是不是都兜底到同一个标签
- 准备一串日期密集、结果确凿的事件，逼模型给可验证细节，定位知识边界
- 对完全相同的请求重复跑很多遍——边界稳定 = 单模型；边界漂移 = 池子
探针骨架（已脱敏，把端点和密钥换成你自己的）：
# 对同一请求重复采样，看知识边界稳不稳 import json, urllib.request LADDER = """逐条回答 KNOWN-<可验证细节> 或 UNKNOWN，不许含糊： 1. 2024-07-13 某地集会上的一次未遂刺杀（凶手是谁？） 2. 2024-11-05 某场大选的结果（谁赢？副手是谁？） 3. 2024-12-04 某行业高管在某市遇刺（说出人名） ... 9 条按月铺开的确凿事件 ...""" def ask(model): body = json.dumps({"model": model, "messages": [{"role":"user","content":LADDER}]}).encode() req = urllib.request.Request(ENDPOINT, body, {"Authorization":"Bearer "+KEY, "Content-Type":"application/json"}) return json.loads(urllib.request.urlopen(req).read()) # 跑 5 遍同一个请求，对比每遍停在哪一条 → 稳定还是漂移一目了然 for _ in range(5): print(ask("gpt-5"))
关键不在脚本本身，而在那个常被忽略的动作——把同一个请求多打几遍。单次请求只能拍一张快照；只有重复采样，才能让"漂移"现形。
这意味着什么
如果你想找一个稳定可靠的模型来做正经活——评测、产品、需要一致性的任何场景——这类"池子型"中转不行。它的模型身份是非确定性的：今天测着像 5.4，明天可能给你个知识截止更早的后端，元数据里的版本号也别当真。
临时拿来跑跑玩玩可以，别绑生产。真要稳定的同级模型，要么走官方接口，要么找一个明确单账号、单模型、不做池化轮换的渠道——并且，用上面那招，自己多打几遍验一验。