快速开始

这个工具用于检查各类模型 API 或中转接口的接入质量。只要接口兼容 /v1/chat/completions 格式，就可以测试连通性、基础能力、格式服从、长上下文、输出稳定性，以及响应 model 字段是否和请求模型接近。

开始之前

• 准备 Base URL，例如 https://api.example.com/v1 或平台提供的 /v1 地址。Base URL 默认隐藏，可点击小眼睛临时查看。
• 准备 API Key，建议只使用试用 Key、临时测试 Key 或限额子账号 Key。
• 准备 模型 ID，例如 qwen-max、deepseek-chat、glm-4.5、claude-xxx。
• 不要在公开电脑、直播画面、录屏素材里暴露正式生产 Key 或企业主账号 Key。

单次跑测

1. 在左侧填写 Base URL、API Key、模型 ID，也可以把连接信息粘贴到「智能粘贴」后点「一键识别」。
2. 选择探针类别：「验收」用于完整检查，「补测」用于快速复核重点能力。
3. 选择题库模式：「标准」便于横向复盘；「随机」会抽取变体题，降低固定题被针对性适配的风险。
4. 点击「一键跑测」后，题库模式和探针类别会自动锁定，跑完或取消前不能切换，避免结果和页面状态错位。
5. 点击任意探针，可以查看提示词、模型回答和评估明细。评估明细会自动换行，长内容不会撑破页面。

功能页说明

标签页	用途	适合场景
单次跑测	一键跑完整套探针	第一次接入、快速验收、随机复测
官方对比	A/B 两个接口并行跑同一批题	对比中转节点、可信节点或不同供应商
历史记录	保存并比较历次结果	追踪模型质量变化、节点波动和版本变化

探针在测什么

层级	重点	异常含义
基础层	最小返回、JSON、中文筛选、精确命中	接入点、格式控制或基础理解可能有问题
能力层	代码追踪、逻辑、概率、规则遵循、幻觉边界	推理、事实边界或系统规则处理不稳
对抗层	抗干扰、Prompt 注入、跨步一致性	安全边界或多步任务可靠性不足
耐久层	长输出、长上下文、多步推理链	长任务容易截断、重复、漏读或算错
进阶层	多轮回忆、工具规划、复杂业务推理	真实业务场景下可能丢上下文或结构不稳
行为侧写	安全边界、格式服从、短答长度、结构化倾向	仅用于观察回答习惯，不作为原厂/非原厂判断依据

看懂结果

• 综合评分：基于已完成探针计算，分数越高代表本轮接入质量越稳定。
• 接入质量诊断：整理本轮证据，包括 response.model、题库表现、长上下文、输出稳定性和行为侧写。
• response.model：如果响应模型名和请求模型差异明显，需要优先复核供应商路由、别名映射或模型降级策略。
• 行为侧写：只展示回答风格特征，不直接输出“像某模型”，也不单独判断是否原厂。

怎么用随机题库

• 标准模式：题面固定，适合横向对比不同供应商、不同 Key、不同节点。
• 随机模式：系统会从同类题里抽一套，并记录本轮种子和题目 ID，适合防止固定题被硬编码适配。
• 换一套题：只在随机模式下可用。跑测开始后会锁定，避免中途切题造成报告错位。

常见错误

日志	含义	处理方式
HTTP 401	Key 无效	检查 API Key 是否填错或过期
HTTP 403 / 渠道已禁用	当前 Key 或模型渠道无权限	更换模型、Key，或联系供应商开启渠道
temperature deprecated	该模型不接受 temperature 参数	工具会自动跳过该参数重试
Failed to fetch	网络、CORS 或 URL 不可达	优先尝试 HTTPS 地址，确认 Base URL 可访问
finish_reason=length	输出被截断	复核 max_tokens、模型输出上限或中转限制
超时	模型或节点响应太慢	重跑、换节点，或降低并发/等待高峰期过去

官方对比

官方对比适合把待测接口和可信接口放在一起比较。相比“凭印象判断模型风格”，同题 A/B 对比更可靠。分差较大时，应优先查看具体失败题、响应 model 和运行日志。

导出报告

跑测完成后点击顶部「导出报告」，会生成 Markdown 报告，包含探针明细、响应 model、分数、接入质量诊断和每个检查项，可用于存档或发给供应商排查。

隐私与数据

• API Key 和 Base URL 永不外发。它们只用于直接请求你填写的接口，仅保存在本机浏览器（localStorage），不会上传到任何服务器。
• 模型回答原文、探针 prompt、长上下文密钥答案都不上报。这些内容只在你本地浏览器内参与判分和展示。
• 默认不开启任何统计。只有当部署方在页面里显式配置 window.DABOWAN_ANALYTICS 时才会上报，且上报内容经过白名单脱敏，仅含：探针类别、题库模式、题目数量、完成进度、是否成功、脱敏后的模型家族前缀等非敏感元数据。
• 历史记录同样只存在本机浏览器，清空后不可恢复。

更新日志版本规则

更新日志使用 月份.小版本 规则，例如 5.7 表示 5 月第 7 个小版本。列表按小版本从新到旧排序。

最近更新

更新日志按 月份.小版本 排序，例如 6.1 表示 6 月第 1 个小版本；数字越大越新。

6.1

优化了页面结构和部分功能

• 顶部新增“联系站长”入口，方便在有合作、反馈或沟通需求时快速联系。
• 底部功能区精简优化，页面内容会更集中在核心功能本身。

5.7

让评分更准、更可信：

• 关键题目的答案改为每轮随机生成，结果更难被中转商针对性优化，更接近真实水平。
• 优化判分逻辑，减少对正确回答的误判，并加固防刷分检查，避免靠套路拿高分。
• 输出被截断的题目会单独标注，不再把中转限制误判成模型能力问题。
• 新增隐私说明：你的密钥、接口地址和模型回答都只在本地使用，不会外发。

5.6

本次更新统一了产品表达和说明文案：

• 探针名称中删除版本前缀，避免用户误以为某些题目属于单独模式。
• 右侧报告栏改名为「接入质量诊断」，用证据链表达替代强裁决表达。
• 更新使用说明，补充 Base URL 隐藏、跑测中锁定题库、行为侧写边界和版本规则。
• 更新日志改为 月份.小版本 排序方式。

5.5

修复跑测中的状态切换问题：

• 跑测开始后冻结本轮题目列表，避免中途切换「标准 / 随机 / 验收 / 补测」导致当前题目消失。
• 跑测中锁定题库模式、探针类别、换题和清空操作，完成或取消后自动恢复。
• 历史归档使用本轮冻结题目，避免报告和实际跑测题目不一致。

5.4

修正页面安全和结果展示细节：

• 评估明细支持自动换行，长内容不会撑破网页结构。
• Base URL 默认隐藏，单次跑测和官方对比页均可通过小眼睛临时查看。
• 将“模型指纹”调整为“行为侧写”，只展示回答习惯，不再输出“像某模型”的强判断。

5.3

升级接入质量诊断能力：

• 新增行为侧写、随机多轮回忆、随机长上下文插针、输出截断与复读检测等探针。
• 综合结果从单纯分数扩展为接入可信度、题库表现、上下文完整性和输出稳定性等证据。
• 保留官方对比和历史记录，方便长期追踪节点质量变化。

5.2

增强随机题库和判分鲁棒性：

• 随机题库支持同类题抽样，降低固定题面被针对性适配的风险。
• 多轮回忆、日期、项目编号、金额等判分兼容空格、标点和常见格式差异。
• 工具规划、规则遵循、JSON 输出等题目增加格式与语义分层判断。

5.1

完善基础工具能力：

• 新增运行日志复制和导出，便于发给供应商排查 401、403、超时、限流和空响应。
• 优化使用说明入口和每日首次打开更新提示。
• 完善官方对比和历史记录，支持保存不同接口的跑测结果。