模型真实性检测
向模型发送其已知参考档位的 reasoning effort 探针，读取 Responses API 返回的纯数字 Juice，并按参考值给出可追溯结论。密钥只在本次检测的内存中使用，不写入浏览器存储。
已知模型且探针全部有效：全匹配，或五档 3 匹配 + 2 大数特征 = 真实
已知模型且探针全部有效：≥2 项普通不匹配 = 异常
Juice 不是 OpenAI 官方响应字段。该结果只能作为模型能力线索，不能单独证明模型身份。
连接上游
输入兼容 Responses API 的地址与密钥
支持根地址、/v1 或完整 /v1/responses，页面会自动规范化。
不会写入 localStorage、Cookie 或 URL，仅随本次请求经同域代理转发。
选择模型
一次检测一个模型，可从上游读取，也可直接输入模型 ID
检测目标 gpt-5.6-sol
将按 5 个参考档位依次发起探针请求。
检测结果与探针记录会匿名留存于服务器（不含 API Key），用于整理渠道红黑榜、拉黑作假站点。
检测结果
等待检测
输入 URL 和 API Key，选择一个模型后开始。检测结果只保留在当前页面，刷新后自动清空。
用量真实性基准
发送 token 数精确已知的请求（填充词表每个词在 OpenAI 分词器下恰好 1 token），对上游回报的usage.input_tokens 做线性回归 回报 = 斜率 × 真实 + 固定注入。斜率≈1 为诚实计数； 斜率明显 > 1 说明按倍率虚报 token；小样本就报「上下文超限」说明上下文窗口远小于宣称值。
该测试会向当前 URL / KEY / 模型发送真实请求，本档合计约 41,000 个输入 token，会产生真实用量费用。
基准目标 gpt-5.6-sol
将按 1k / 8k / 32k token 三档依次发送。
等待基准
用与模型真实性检测相同的 URL / KEY / 模型运行，抓出按倍率虚报 token 或谎称大上下文的中转。