30 次都答 42：一个随机数验出你的 API 有没有被偷换模型
哈喽，我是飞飞。
先说个有点荒诞的事。有人拿一个大模型做实验，反复问它同一句话：从 1 到 100，随便报一个数。问了 30 次。结果它 30 次全报了同一个数，42。
42 是什么？《银河系漫游指南》里那个梗，「生命、宇宙以及一切的终极答案」。你以为它在掷骰子，其实它在背课文。
前阵子我写过 Simon 那个套话检测器，那查的是 AI 写作的痕迹，内容层面的事。今天这篇不一样，查的是模型身份：你花钱调的那个 API，供应商到底给没给你上你以为的那个模型。这跟我最近老聊的模型选型也是两码事，那是挑哪个模型干活，这篇是下游一环，你挑定了，它到底给没给你上。这是供应链和账单层面的事，往下拆你会有点后背发凉。
30 次全答 42
这个实验来自布拉格经济大学一个叫 Tomáš Brückner 的研究者，7 月刚挂到 arXiv 上，论文名字很直白，叫《One Token Is Enough》，一个 token 就够了。
他干了件笨活。找来 165 个模型，每个都反复问「1 到 100 报个随机数」，一共发了大概 32.6 万次请求。全程花了多少钱？不到 35 美元。
结果每家模型的答案分布都长得不一样，而且各有各的偏执。Qwen3-Max 问 30 次全答 42。Claude Sonnet 5 死磕 47。GPT-4o 松一点，在 42、37、57 之间打转。Llama 3.3 偏爱 53。
你把这些分布画成图，就是一张张脸。同一个问题问一百来次，看它爱报哪几个数、各占多大比例，基本就能认出这是谁。Brückner 给它起了个名，行为指纹。
模型都爱偏心
这里有个怪事：随机数，怎么还会有偏好？
其实先别怪模型。人自己也报不出随机数。有个叫 Veritasium 的科普账号做过一次 20 万人的调查，让大家从 1 到 100 随便想一个「随机」的数，结果 37 被选得最多。人偏爱质数，偏爱以 7 结尾的数，本能地躲开整十和 11、22 这种叠字，觉得那样看着不够随机。
模型是拿海量人类文本喂出来的，人这套偏心它照单全收，还放得更狠。有人实测过，GPT-4o 在 1 到 10 里选随机数，问 100 次有 92 次报 7；单看那一步，选中 7 的概率高到 96.4%。
所以当你觉得它在随机的时候，它其实在复述人类语料里那点老套的偏好。
它在背课文
再往底下走一层，就明白指纹是怎么来的了。
大模型说话是一个 token 一个 token 往外蹦的，每一步都在算下一个最该出什么。碰到报个随机数这种开放问题，理论上 1 到 100 该均匀摊开，每个数概率差不多。可训练把这条曲线削尖了，几个高频答案吃掉了绝大部分概率，剩下的九十几个数几乎没份。
Brückner 量过这个尖锐程度。理想的均匀分布，信息熵应该有 6.6 bit；而这些模型实测下来，中位数只有 1.0 bit。这个数字翻成人话就是：它的随机里几乎没有随机，答案早被那几个高频选项锁死了。
至于它为什么偏偏死磕 47，一种解释是训练里的偏好被反复强化，把分布压成了尖峰。但这更多是合理推断，别当成铁律。真正确定的是那个结果：分布塌了，塌出来的形状每家不一样，于是成了指纹。
指纹能验身份
到这儿，事情就有意思了。
既然每个模型都有独一份的指纹，那我反过来问：我手上这个 API，报出来的分布跟它声称的模型对得上吗？对不上，只能说明一件事，供应商给我上的，压根是另一个模型。
这正是我看到这篇论文后背发凉的地方。我是重度的多模型用户，天天从聚合入口调各家模型，OpenRouter 就是我常走的一个口子。巧的是，Brückner 那 32.6 万次请求，跑的也是 OpenRouter。我最没底的一件事就是：这一层路由，到底把我的请求塞给了谁。
聚合入口这东西，方便是真方便，一个 key 打通十几家。可它也意味着，我根本看不见最上游那一跳。我下单要的是某个旗舰，中间过了几手转发，最后落到哪台机器、加载的是全精度还是压缩量化过的版本，我基本两眼一抹黑。
这担心并非空穴来风。Brückner 顺手验了 31 个声称在跑 Llama 的商业接口，有 11 个的分布跟官方权重对不上，也就是挂着 Llama 的牌子，跑的是别的东西。
更硬的证据来自 CISPA 的一篇审计论文，名字够直白，《Real Money, Fake Models》，真金白银，假模型。他们查那些影子接口，45.83% 没能通过身份验证，性能落差最高到 47.21%。近一半在造假，你付了旗舰的钱，拿到的可能是个缩水货。
动机一点都不难猜。你按旗舰价付费，它按小模型的成本给你跑，中间那道差价就是它的利润。我天天手动给不同的活派模型，脏活累活丢便宜的，关键判断才舍得上旗舰，对这本账太熟：便宜模型跟旗舰之间的成本差常常是好几倍，甚至十几倍。这么大一个价差摆在那儿，只要中间没人盯着，总有人会动心思，把你要的旗舰悄悄换成够用就行的小模型。
你自己也能验
好在这套方法的门槛，低到普通开发者也够得着。
你不需要模型方配合，也拿不到内部的概率数据，可黑盒外面就能干。挑一个你在用的模型，查一下它公开的指纹偏爱哪几个数，然后用一模一样的 prompt 问它个一百来次，把答案分布拉出来比一比。对得上就踏实，对不上就该警觉了。整个成本，也就是 Brückner 那种不到 35 美元的量级，缩到单个模型更是几杯咖啡的钱。
这法子谈不上百分百准，Brückner 报的错误率在 10.6% 上下，但作为一道随手能拉的自查警报，够用了。
其实我一直有个土办法，验账单。标价便宜从来不等于账单便宜。就说 Sonnet 5 换新 tokenizer 那回，名义单价看着是降了，我把最常跑的两三个 skill 各拉一批真实的活出来对，盯着月底实扣，才发现省下的那点又被 tokenizer 悄悄削回去大半。打那以后，谁挂出来的单价我都不信，只认自己跑出来的账。这回不过是把同一套本能，从验账单挪到验身份上：别信它自称是谁，让它自己报几十次数，露出马脚。
给你一个今天就能用的最小动作：下次你怀疑某个 API 被偷偷降智了，别光凭手感骂娘，用固定的 prompt 多问它几次那个它该偏爱的数，看分布还对不对。手感会骗人，分布不会。
说到底，这套指纹法真正的价值，不在它多精巧，在它把「你付的钱有没有买到你以为的那个模型」这件一直只能靠信任的事，头一回变成了你自己一百来次请求就能验的事。信任很贵，但现在你手里有了一把便宜的尺子。
你有没有怀疑过，自己充值买的 API 或者会员，某段时间被人偷偷换成了更便宜的模型？如果真要较个真，你会怎么验？评论区聊聊。