8 月灰测大概率指向 Opus 5
围绕 antml 标签的过滤机制、输入 Token 计量异常、截断边界及大小写无关性，多项物理规则共同锁定了 Claude 风格的请求处理链。至于时事知识、流式传输形态和安全拒答行为仅作为辅助证据。需要说明的是，现有公开材料尚无法百分之百锁定特定版本号，亦无法分辨其究竟是官方直连 API、第三方中转还是其他托管服务。
01 / Assessment
综合研判
先明确核心确定性结论，再划定证据尚未覆盖的边界。
02 / Premises
分析方法论与前置定义
本报告基于系统级客观指标识别路由链路切换，而非主观猜测模型文风。
灰测常态：摘要式思维链，大块分段输出
在稳定的灰测会话中，最显著的特征是系统先完成内部推理，再将思维链摘要以较大 Chunk（数据块）分段吐出。这与公开版"逐 Token 实时流式输出"的时序和分包形态有着本质区别。
高危安全拦截：长延迟后降级为流式输出
当触发高危安全规则（如生物危害提问）时，系统并非直接报错中断，而是经历显著拉长的首字延迟（TTFT），随后切换为 DeepSeek 标志性的逐 Token 流式思维链；且该会话在此之后彻底脱离灰测，符合向 0813 V4 Pro 正式版的回退逻辑。
排除上下文污染：被引导的公开版无法作为反例
如果公开版 DeepSeek 在历史上下文中已经接触到示例输出、特定角色设定或异常 Token，它会自然顺应上下文进行模仿。这种"上下文被污染后的复现"不具备独立鉴别力。同理，后续单次交互未能复现安全拦截，也不能推翻之前的路由记录。有效比对必须基于全新的空白会话及相同提示词。
证据准则：关键实验均保留有完整录屏或原始 Session 数据备查。任何支持或反对的论点，必须附带可供交叉验证的截图或日志，空口无凭者一律不予采纳。更高级别的反证需包含完整时间线、请求抓包或无剪辑视频。
提交正反证据03 / Timeline
时间线划分
切忌混淆不同阶段的测试数据。8 月部分讨论可能引用了 7 月抓取的历史日志，缓存异常与底层聚类特征仅适用于 7 月阶段。
7 月旧版灰测
核心表现为固定的 64-Token 缓存截断重算、Reasoning Token 二次计数、TTFT-缓存-生成速率联合聚类，以及 logprobs 和 system_fingerprint 的底层差异。
8 月正式版复核
尝试在公开正式版中反向复现异常 Token、自主思考及特定输出特征。测试显示大量特征均无法稳定重现，证实公开正式版并未直接沿用 7 月旧灰测链路。
8 月新版灰测
前期暴露的假缓存数据已被修复。核心特征转变为 antml 相关的确定性解析规则、Session 维度的路由保持、大块摘要输出，以及高危生物提问触发的 Fallback 降级。
04 / Chain
完整证据链
每个节点仅承载其能直接证明的狭义结论，最终的型号推论建立在多节点的交叉印证之上。
高
E01 · JULY
E01 · JULY
固定 64-Token 缓存截断重算机制
旧灰测中，未命中缓存（cache_miss）的输入长度严格小于 64，命中缓存（cache_hit）则恒为 64 的整数倍，完全契合公式 hit = floor(input / 64) * 64。真实的大模型推理服务会返回实际物理命中量，绝不会机械地按 64 粒度强行切分。
直接证明7 月的 usage/cache 字段经过了人为或网关层的特殊重算，其处理链路与常规 DeepSeek 不同。
边界限定无法由此直接推导上游模型身份；该规律已被修复，不适用于 8 月新灰测。
"所有非 cache 的 input token 全都小于 64""命中 = 下取整(input/64)×64""8 月明显假的缓存数据修好了"
高
E02 · JULY
E02 · JULY
TTFT、缓存合法性与生成速率三维联合聚类
数据呈现明显的双峰分布：低延迟组生成速率约 200 字/秒且缓存数据正常；高延迟组生成速率约 80 字/秒且伴随假缓存。该证据的决定性在于三个独立维度的强关联共振，排除了单纯的"服务器排队"假象。
直接证明7 月系统底层至少存在两套物理处理链路或推理基础设施，并非同一集群在不同负载下的表现。
边界限定排队只能解释延迟，无法解释缓存逻辑与速率的同步聚类；但聚类本身仍无法直接为模型命名。
中高
E03 · JULY
E03 · JULY
推理 Token 对可见思维链文本二次计数
接口返回的推理 Token 数量，严格等于将前端可见思维链文本代入 DeepSeek Tokenizer 计算后的长度 + 2。结合伪造缓存的现象，高度指向网关层在拿到上游生成的思维链摘要后，使用自身分词器重新包装了 usage 字段。
直接证明usage 字段存在由 DeepSeek 端发起的重新计量行为，符合协议转换层的特征。
边界限定重新计数的现象本身无法反推思维链摘要的真实生成源头。
中高
E04 · JULY
E04 · JULY
API 能力与底层特征标识差异
常规请求可正常返回 logprobs 概率，而灰测请求该字段始终为空；system_fingerprint 初期与公开版有明显差异，后被人工统一为 V4P；流式传输时的分包与中文断句边界也展现出完全不同的封装特征。
直接证明两条路径在底层 API 能力、流式封装机制或后端环境配置上存在明确差异。
边界限定相关字段可由代理网关伪造或修改，须与缓存及统计学证据结合研判。
高
E05 · AUGUST
E05 · AUGUST
antml 呈现确定性的请求预处理与状态机规则
系统对包含 antml 标签的文本展现出一套强特征的确定性解析状态机：未转义的标签会被直接剔除；重复拼接前缀不会按常规增加计费 Token；局部篡改后会从第一个不匹配的字符起开始吐字；且整套规则对英文大小写不敏感。该现象已被 mitu9527 与另一参与者完全复现。
直接证明8 月请求在进入底层模型分词前或在协议解析层经历了 Claude 风格的特征处理，强指向 Claude 请求链。
边界限定第三方兼容层理论上可主动复刻该规则；仅凭此无法证明其为官方直连 API，亦无法锁定具体型号。
技术展开：为什么纯"模型蒸馏学到了异常 Token"的解释不成立？
- 模型权重无法篡改输入计量：若标签作为普通文本传入，必须先经历分词并计入 Prompt Token。模型生成阶段的任何反应，都不可能让已经进入上下文的字符在计量上凭空蒸发。
- 大小写敏感度存在本质差异：
antml、ANTML及大小写混写在常规 Tokenizer 中对应完全不同的 Token ID，纯靠被动蒸馏无法天然获得覆盖所有排列组合的全局过滤规则。 - 首个不匹配位置反映了确定性状态机："逐字符对比前缀、剥离匹配项、遇错立刻截断并输出剩余部分"的逻辑，完全是词法解析器的标准编程行为，而非大模型的概率性 Token 预测。
- 核心现象发生在模型推理之前：从 Token 计量到大小写规范化，所有特征均发生在实际生成之前的网络协议与预处理层。
唯一合理的保留解释：第三方中转或兼容层人为实现了同样的过滤规则。因此该证据锁定了请求链特征，但不证明具体的采购或调用渠道。
高
E06 · AUGUST
E06 · AUGUST
会话分支（Fork）导致灰测脱落，原 Session 维持不变
在同一用户账号、同一时间节点下，在原有灰测 Session 中继续对话仍能保持灰测；但一旦将其 Fork 为新会话，新分支立即跌落为公开版 DeepSeek 路径。
直接证明灰测路由状态绑定在具体的 Session 会话生命周期上，而非单纯按账号或全局请求分配。
边界限定仅能证明会话级路由机制，无法据此反推上游模型身份或路由分流的业务动机。
"fork session 会掉灰测""原 session 继续聊还会在""fork 的变成了 DS"
高
E07 · AUGUST
E07 · AUGUST
高危安全提问触发无缝降级（Fallback）
在稳定的灰测会话中输入高危生物安全问题后，系统在经历约 15 秒的异常长 TTFT 后，输出模式突变为 DeepSeek 逐 Token 流式思维链，且该会话自此彻底脱离灰测。抓包显示整个过程中 provider/model 响应头保持不变，但底层时序与分块机制已完全倒换。
直接证明灰测上游在该类请求下触发了熔断或拒绝，网关随后将请求无缝降级回退至 0813 V4 Pro 正式版。
边界限定单一安全提问并非通用的模型指纹；T4 噬菌体反例说明拦截取决于具体风险等级与上下文。
"思维链变成流式了""一问生物甲就没了""首字 15 秒，切了 DS 流式思维链"
中高
E08 · AUGUST
E08 · AUGUST
思维链输出形态与分词边界的多路径佐证
灰测链路呈现出明显的"大块摘要式"思维链推送，公开版则是"单字实时流式"；两者在部分中文词汇的切分边界与 Chunk 截断上也存在可观测的差异，与 Fallback 及 Fork 现象形成互证。
直接证明系统内部确实存在完全不同的流式封装、分词处理或输出管线。
边界限定截图缺少完整的原始 SSE 抓包帧；视觉分块与文风不可单独作为判定模型的依据。
中
E09 · CROSS-ROUND
E09 · CROSS-ROUND
V4 Pro 正式版反向测试必须基于空白上下文
在无历史记录的干净会话中，V4 Pro 正式版无法稳定通过全部异常 Token，多次测试均未出现正文固定输出，简单提问也不会像旧灰测那样跳过思考环节。任何在已被历史信息污染的会话中完成的"顺应模仿"，都不能作为否定路由差异的有效反证。
直接证明在空白会话受控变量下，7 月灰测与后续 V4 Pro 正式版的 Tokenizer 处理、后训练或路由策略存在显著差异。
反证门槛有效证伪必须在全新会话、相同参数和相同 Prompt 下进行，并提供完整上下文截图；受污染会话的续写无效。
中
E10 · AUGUST
E10 · AUGUST
时事知识仅作为候选收窄的辅助旁证
灰测模型展现出跨越至 2025 年 6 月乃至 10 月的知识切片，并在特定政界冷门考题中直接给出了 José Jerí 等最新信息。测试者本人亦明确指出"仅凭知识库无法定死型号"。
直接证明知识时效可用于收窄候选模型范围，为锁定 Opus 5 提供辅助侧面证据。
边界限定联网检索、RAG 外挂与后训练知识注入均会改变答案，无法据此绝对排除 Fable 5 或咬定 Opus 5。
中高
E11 · SYNTHESIS
E11 · SYNTHESIS
"7 月与 8 月非同一模型"是符合全部材料的最简解释
7 月的核心特征在于缓存截断重算、Reasoning Token 映射与基础设施聚类；8 月则彻底修补了缓存漏洞，显现为 Claude 风格的输入预处理、会话级路由状态与安全降级机制。两者在多个技术维度上呈现出互不重叠的系统性差异。
综合判断7 月大概率属于 Fable 系列；8 月极大概率属于 Opus 5。
边界保持两轮测试的具体版本号均未获得官方层面的直接证实；8 月的具体接入渠道未知。
"和七月应该不是一个""七月可能是 Fable""知识库没法锤"
05 / Visual wall
截图证据全景
按实验测试簇分类归档，完整展示可供复核的原始材料。点击任意图片可查看高清大图。
Cluster A / July
两套独立基础设施
TTFT 只是切入点，与缓存合法性及生成速率构成的三维联合聚类才是核心证据。
Cluster B / August
antml 确定性规则
由主测试用例、DeepSeek 对照组、Token 计量差异、首错截断边界、大小写无关性及多方独立复现共同构成的完整逻辑闭环。
Cluster C / Session
输出路径与 Fallback 降级
摘要块式、逐 Token 流式、分词边界及同会话状态切换构成了完整的链路证据。
Cluster D / Controls
正式版反测与上下文污染排除
干净对照证明公开版未继承 7 月特征；污染对照证明模型在上下文被诱导后会顺应模仿，该现象不能作为反证。
Cluster E / Knowledge
知识切片仅作辅助参考
用于缩小模型候选集，不单独承担排除 Fable 5 或直接敲定 Opus 5 的证明任务。
06 / Matrix
证据矩阵
严格按照"证据在物理层面上能直接证明什么"进行评级，杜绝推论升级。
| 置信度 | 时间线 | 核心证据 | 直接证明的结论 | 主要边界与局限 |
|---|---|---|---|---|
| 高 | 7 月 | 固定 64-Token 缓存重算 | usage/cache 字段经过人为重写，处理链不同 | 仅适用于 7 月，无法据此命名上游 |
| 高 | 7 月 | TTFT、缓存、速率三维聚类 | 底层存在至少两套物理推理链路或基础设施 | 聚类统计无法直接反推模型版本号 |
| 中高 | 7 月 | Reasoning Token 长度二次映射 | 可见思维链经由 DeepSeek Tokenizer 重新计量 | 无法反推原始思维链摘要的来源 |
| 中高 | 7 月 | logprobs、fingerprint、delta 差异 | 底层 API 接口能力、配置参数或封装存在差异 | 网关代理层具备人为覆写这些字段的能力 |
| 高 | 8 月 | antml 过滤、Token、截断、大小写无关 | 完全符合 Claude 请求链特征，且经多方复现 | 无法证明是否为官方直连，无法咬定具体型号 |
| 高 | 8 月 | Fork 新会话脱落灰测，原 Session 维持 | 路由状态严格绑定在 Session 会话生命周期上 | 无法识别路由背后的具体业务动机 |
| 高 | 8 月 | 高危安全提问后突变流式并脱落灰测 | 上游熔断后降级回退至 0813 V4 Pro 正式版 | 安全拦截受具体 Prompt 风险等级调节 |
| 中高 | 8 月 | 摘要块式、逐 Token 流式与分词断句 | 存在完全不同的流式推送机制与输出处理路径 | 缺少完整的网络层原始 SSE 数据帧 |
| 中 | 正式版对照 | 空白会话下脏 Token 与免思考无法稳定复现 | 公开正式版并未直接沿用 7 月旧灰测链路 | 上下文被引导后的顺应模仿不构成有效反例 |
| 中 | 8 月 | 2025 年时事知识与冷门政界考题 | 仅能作为收窄模型候选范围的辅助参考 | 受联网检索、RAG 外挂与后训练知识影响极大 |
| 中高 | 跨期对比 | 多个独立技术维度发生系统性断裂 | 7 月与 8 月绝非同一模型链路 | 两轮测试的具体底层版本号均未被直接证明 |
| 中低 | 全周期 | 模型自述、行文文风、标点偏好、猜数字 | 仅作为行为相似性的背景观察 | 易受 Prompt 注入与微调影响，不入核心证据链 |
07 / Boundaries
必须保留的技术边界
划定边界不是削弱证据的说服力，而是防止将局部事实过度解读为绝对结论。
64-Token 缓存截断仅存在于 7 月数据中：8 月新一轮灰测中，该伪造缓存的特征已被系统性修复，切勿混淆两期数据。
antml 规则仅证明流量经过了 Claude 风格的处理管线：第三方中转层或反代兼容层同样有能力人工实现这套规则，不能直接等同于官方直连。大小写无关性排除了"纯模型权重蒸馏"假说：但这只能证明存在前置文本解析层，无法排除网关处人为部署了大小写不敏感状态机的可能。
单纯"模型输出了特定标签"不构成有效判据：Claude 与 DeepSeek 均可在合理转义下输出此类文本；关键判据在于未转义裸输入在网关和分词阶段的确定性处理逻辑。
知识题无法咬定 Opus 5，亦不能排除 Fable 5：基座模型的最终确认必须结合请求管线特征、分词逻辑及系统级交互行为综合研判。
单一首字延迟（TTFT）不能作为判断模型的指纹：只有当延迟、缓存合法性与生成速率三者发生强关联聚类时，才具备证据价值。
模型自述与语言风格仅作参考背景：System Prompt 注入、角色设定、蒸馏对齐及后训练微调均能彻底扭转大模型的外在行文表象。
"无法接收文件或图片"不构成反向否定证据：产品接入层完全可能在请求到达模型前主动拦截、丢弃或不透传多模态附件。
8 月高危生物提问并非直接被拒：实际观测到的是经历显著长延迟后降级为 DeepSeek 流式输出，并伴随整个会话永久脱离灰测状态。
严禁将历史上下文污染后的模型模仿视为反例：当公开模型在上文中已读取到特定 Token、角色或逻辑结构时，其延续生成的行为纯属正常预测，在缺乏空白会话对照的前提下不具备鉴别力。
后续单次交互未能复现安全拦截，不能推翻既有路由事实：触发行为受上下文、会话所处状态及具体 Prompt 扰动影响极大，必须控制变量严谨复测。
调用渠道、托管方式与底层商业动机尚不在可证实范围内：现有纯技术抓包证据仅能证明链路行为，无法直接穿透至商业合作模式、具体数据流向或实体部署方式。
08 / Method
样本来源与收录准则
样本覆盖范围
本报告基于本地 archive.dht 完整镜像。对社区核心讨论线程（包括 N一串 的 211 条发言及楼主的 237 条核心消息）进行了逐项推演与交叉验证，并补入了测试者 mitu9527 提交的独立 antml 复现日志、生物安全 Fallback 降级记录与原始会话抓包数据。
为保证论证的严肃性与专注度，本页仅精简收录核心证据链相关材料，剥离了非技术性的外部跳转。绝大多数关键实验均留存有完整的录屏及会话原始文件备查。
材料收录原则
- 截图、网络日志与可量化指标的权重严格高于口述回忆。
- 任何支持或反对的论点，必须附带至少一张可供核验的原始截图；无客观凭证的言论一律不入链。
- 属于同一实验的连续截图按测试簇集中归档，呈现完整上下文。
- 剔除一切重复转发、情绪化发泄、表情包及无意义的商业动机争论。
- 反例必须严格控制会话状态、上下文及提示词变量；被污染后的模仿不具备反证效力。
- 置信度评级仅衡量材料对狭义技术结论的支持强度，对事不对人。