低价 API 中转怎么辨别？5 个常见风险和验真方法

先说明： 低价不一定不可靠。价格差异可能来自官方折扣、缓存、批量采购或供应商策略。本文不评价任何具体服务商，只给可以复现的检查方法；判断以接口响应、账单记录、隐私政策和稳定性数据为准，不以价格高低或任何一方的说法为准，包括我们自己的。

本文怎么用：下面 5 个风险，每个都给出怎么测和怎么判，最后汇总成一张判断表。测试一律用虚构内容，不要把真实客户资料、API Key 或源代码发给任何中转做测试，包括我们。

1. 数据安全：「一块钱一百万 token，你以为捡了便宜，其实数据在裸奔」

你发给中转的每一条请求，都会先经过它的服务器。价格再低，也要先弄清它怎么处理这些内容。

怎么测：看政策里写没写这 5 件事。

然后用一段虚构文本把流程走一遍：

XISU_SECURITY_TEST_2026_001
客户姓名：测试用户甲（虚构）
订单号：TEST-0000-0001（虚构）

1. 用这段文本发一次请求，记下响应头里的 request_id；
2. 看控制台的调用记录里会不会显示这段正文；
3. 问客服：能不能看到这一笔的内容？保存多久？能不能删除？
4. 把看到的、听到的和政策逐条对照。

怎么判： 没有隐私政策，或者政策只有「我们重视您的隐私」而没有范围和天数，按高风险处理。控制台或客服能把正文原样给出来，而政策写的是「不保存」，说明做法和政策不一致，也是高风险。

反过来要记住：发了没泄露，不能证明安全。 你看不到服务端发生了什么。真正能依靠的只有两样：写清楚的政策，以及出了问题能不能按政策追责，也就是有没有明确的运营主体、联系渠道和留痕的工单记录。

2. 偷换模型：「付旗舰的钱，后台跑乞丐版」

先排除几种常见但不可靠的方法，它们最多算弱信号：

• 问它「你是谁」：一句系统提示词就能改，真模型也经常认错自己；
• 看响应里的 model 字段：服务端改一个字符串就行；
• 测工具调用、严格 JSON：只能证明「有这个能力」，便宜模型也做得到。真要测结构化输出，要用 API 参数 response_format 的 json_schema（strict: true），而不是在提示词里要求输出 JSON。

怎么测：三步。

1. 分词器指纹。 同一段文本，不同厂商的分词器算出的 prompt_tokens 不同。用验真文章里的检测脚本跑一遍，GPT 应当和 OpenAI 官方分词器逐段一致。这一步抓的是「换了厂商」。
2. 同厂比能力。 同一家的大小模型往往共用分词器，第 1 步抓不到。准备 10～20 道能拉开差距的题，在官方和被测服务上同时各跑 3 遍，比通过率。
3. request_id 对账。 每一笔在控制台查到的模型和 token 分项，要和响应里的 usage 一致。

怎么判： 分词器多次复测都对不上，是高风险；三步都通过，模型身份可以算「已验证」；只做了第 1 步，只能排除换厂商。完整脚本、原理和替换信号表见 如何确认调用到的是真模型？。

3. 倍率虚标：「单价看着低，账单比官方还狠」

要点：

• 只认「每 100 万 token 多少钱」，并且按输入、输出、缓存读取、缓存写入四项分别比。「X 折」「倍率」「分组系数」都要换算回这个单位再比。
• 算清充值换算。 如果充进去的是「额度」「美元」「点数」，先算清 1 元到底能买多少。
• 别只看输入价。 输出通常比输入贵好几倍，只比输入价会严重低估账单。
• 留意按次收费、最低消费、充值手续费这类不在单价里的费用。

最小核对： 拿一笔真实调用，用它的 usage 乘以平台公开的单价算一遍，和实际扣费比；再用同样的 usage 乘以官方单价算一遍。前一个应当对得上，后一个才是真正「便宜了多少」。

怎么判： 四项单价公开、手算和扣费对得上，是已验证；只公布倍率、换算后对得上，是部分可信；算不出单价或手算对不上，是高风险。逐项核对方法见 低价 API 中转的账单和用量怎么核对？。

4. 用量虚标：「调一千，扣两三千」

要点：

• token 数不能按字数换算。 各家分词器不同，「这段 1000 字」不等于 1000 token。
• 输入看一致，输出看上限。 temperature=0 也不保证每次输出一样，所以别拿输出长短比；但同一个请求连发几次，prompt_tokens 应当完全一致，completion_tokens 不应超过你设的 max_tokens（推理模型的推理 token 也算在 completion_tokens 里，同样受这个上限约束）。
• 关掉 SDK 的自动重试（max_retries=0）。否则一次调用失败后被悄悄重发，可能扣了几次钱你都不知道。
• 流式请求要加 stream_options={"include_usage": true}，否则拿不到 usage，也就没法对账。

最小核对： 关掉自动重试，选一个模型（下面以 claude-haiku-5-5 为例），让它写一段长回答，例如「详细介绍大熊猫，至少 300 字」，max_tokens 设 50，同一个请求发 3 次，记下 3 个 request_id 和各自的 usage。应当看到：prompt_tokens 三次相同；completion_tokens 不超过 50，被上限截断时 finish_reason 是 length。然后到控制台查：应当正好 3 笔，每笔的 token 分项和 usage 一致。

怎么判： 条数和 token 都对得上，是已验证；平台只给汇总账单、没有逐笔明细，最多算部分可信；条数多出来、记录的 token 比 usage 大，或者同样的输入每次 prompt_tokens 都不同，是高风险。completion_tokens 超过 max_tokens 时，要么上限参数没有生效，要么计数有问题，两种情况你都在为超出的部分付费，应当要求服务商解释。详细步骤和脚本同样见 低价 API 中转的账单和用量怎么核对？。

5. 账号来路与稳定性：「半夜说封就封，智能体中断」

这一项靠提示词测不出来。服务商背后用什么账号、风控状态如何，都在服务端，你在请求里看不到。能看的是运营证据：

怎么测： 先用低金额、低风险的任务连续跑 3～7 天，白天和夜间都要覆盖，记下失败率、超时次数和错误码；中途开一张工单，看看客服多久回复。

怎么判： 有状态页和历史故障记录、试跑没有异常，是已验证；试跑正常但没有公开状态页或故障记录，只能算部分可信；试跑中频繁中断，或者停服、封禁都没有说明，是高风险。

生产环境怎么防： 无论用哪家，都要保留备用服务，关键智能体不要只绑一个中转。代码里至少做三件事：设超时、给重试设上限、主线路不行时切到备用 base_url。下面是一段可以直接运行的 Python（pip install openai）：

import os
import time

from openai import OpenAI, APIConnectionError, APIStatusError

# 主线路在前，备用线路在后；地址、密钥、模型名都从环境变量读。
PROVIDERS = [
    {"base_url": os.environ.get("PRIMARY_BASE_URL", "https://api.xisu.ai/v1"),
     "key_env": "PRIMARY_API_KEY", "model": os.environ.get("PRIMARY_MODEL", "gpt-6-luna")},
    {"base_url": os.environ.get("BACKUP_BASE_URL", ""),
     "key_env": "BACKUP_API_KEY", "model": os.environ.get("BACKUP_MODEL", "")},
]
RETRY_SAME = {429, 500, 502, 503, 504}  # 这些状态值得在同一条线路上再试一次


def chat(messages, tries_per_provider=2):
    errors = []
    for p in PROVIDERS:
        key = os.environ.get(p["key_env"])
        if not (p["base_url"] and key and p["model"]):
            continue  # 没配置的线路直接跳过
        client = OpenAI(base_url=p["base_url"], api_key=key,
                        timeout=30,      # 单次请求最多等 30 秒
                        max_retries=0)   # 关掉 SDK 自带重试，次数由下面说了算
        for attempt in range(tries_per_provider):
            try:
                resp = client.chat.completions.create(
                    model=p["model"], messages=messages, max_tokens=200)
                return p["base_url"], resp
            except APIConnectionError as e:          # 连不上、超时
                errors.append(f"{p['base_url']}: {type(e).__name__}")
            except APIStatusError as e:
                errors.append(f"{p['base_url']}: HTTP {e.status_code}")
                if e.status_code == 400:
                    raise                            # 请求本身有错，换线路也没用
                if e.status_code not in RETRY_SAME:
                    break                            # 401/403 等：不重试，直接换下一条线路
            time.sleep(2 ** attempt)                 # 退避 1 秒、2 秒
    raise RuntimeError("所有线路都失败了：" + "; ".join(errors))


if __name__ == "__main__":
    used, resp = chat([{"role": "user", "content": "只回复 OK"}])
    print("线路:", used)
    print("request_id:", resp._request_id)
    print("usage:", resp.usage.prompt_tokens, resp.usage.completion_tokens)

运行前设置环境变量 PRIMARY_API_KEY；配了 BACKUP_BASE_URL、BACKUP_API_KEY 和 BACKUP_MODEL 才会启用备用线路，没配就跳过。不同的错误分开处理：

• 400：请求本身有错，换线路也没用，直接抛出；
• 401 / 403：这条线路的密钥或账号有问题，不重试，直接换下一条；
• 429 / 5xx、连接失败或超时：同一条线路退避后再试一次，还不行再换。

超时的那次请求可能已经在服务端执行并计费，所以重试次数一定要有上限。备用线路的模型名可能不一样，单独配置。

6. 最终判断表

7. 用同样的标准看犀速AI

我们的价格同样低于官方，模型广场上部分模型标注为官方价 1–3 折，所以欢迎你用本文的方法来测我们。下面是如实的自评：

按第 6 节的标准，「稳定性」这一项我们目前最多只能算部分可信，需要你自己试跑来判断；「用量」这一项逐笔对账能对上，但在 GPT 输出上限的问题修复之前，也只能算部分可信。建议先买 10 元测试（见 充值与退款），用低风险任务跑几天，再决定要不要放进生产环境。关键业务保留备用服务，这一条对我们同样适用。