FAQ

Ein Relay (auch Mirror oder Proxy genannt) ist ein Weiterleitungsdienst eines Drittanbieters, der Ihre Anfragen an OpenAI, Anthropic oder Google sendet und die Antwort zurückgibt. Häufige Gründe: blockierter Zugriff auf offizielle Domains in einigen Regionen, Großhandelspreise oder eine einheitliche Schnittstelle für mehrere Anbieter.

Drei häufige Gründe: ① Für den Zugriff auf anthropic.com / openai.com ist in einigen Regionen möglicherweise ein VPN erforderlich; ② Einige Relays verkaufen gepoolte Großhandelskontingente zu 30–70 % unter dem offiziellen Listenpreis weiter; ③ Einige Relays stellen Claude, GPT und Gemini über eine einzige OpenAI-kompatible API bereit, sodass Sie eine Integration beibehalten.

Offizielle APIs haben feste Felder, Signaturen und Fehlerformate. Relays unterscheiden sich enorm – einige gehen 1:1 durch, andere schreiben Nutzungsfelder neu, entfernen Denkblockaden, ersetzen Modelle oder fügen zusätzliche Systemaufforderungen ein. Pangolin erkennt, was in der Mitte tatsächlich passiert.

Rechtlich handelt es sich um eine Grauzone und es kommt auf die Vereinbarung an. Praktische Risiken: ① Exit risk – Relais können abschalten, die Preise erhöhen oder mit Prepaid-Guthaben verschwinden; Seien Sie vorsichtig bei großen Aufladungen; ② Responses may not match the official API – Relais können Modelle austauschen, Funktionen entziehen oder Token falsch melden, was die Downstream-Zuverlässigkeit beeinträchtigt; ③ Prompts may be logged – Vermeiden Sie für vertrauliche oder Benutzerdaten unbekannte Weiterleitungen. Fangen Sie klein an, wählen Sie seriöse Betreiber aus und erwägen Sie, bei risikoreichen Einsätzen direkt zu wechseln.

Pangolin hat viele Relais getestet. Fünf häufige Fallen (alle in freier Wildbahn zu sehen): ① Silent model substitution – Sie zahlen für GPT, erhalten aber Claude oder ein anderes günstigeres Modell. Die oberflächliche Reaktion sieht gut aus, aber Ton, Argumentation und Gewohnheiten weichen voneinander ab – riskant für die Produktionsarbeit. ② Advanced features break – Strikte JSON-, PDF-Eingabe-, Tool-Aufruf- und ähnliche Funktionen schlagen oft fehl, wenn das Backend-Modell gegen ein günstigeres Modell ausgetauscht wurde, das sie nicht unterstützt. ③ Billing numbers you can't trust – die gleiche Eingabeaufforderung kann bei jedem Durchlauf unterschiedliche Beträge kosten; Einige Relays verbergen die Token-Nutzung vollständig, sodass Sie Gebühren, die möglicherweise über den offiziellen Preisen liegen, nicht ohne Prüfprotokoll abgleichen können. ④ Models listed but not available – ein Relay kann Dutzende von Modellen ankündigen und dann für einige model_not_found zurückgeben. Pangolin-Preflight-Checks, bevor Sie eine halbe Minute auf einen Nullbericht warten. ⑤ Rules change without notice – Ein Schlüssel, der gestern funktioniert hat, kann plötzlich ein Upgrade erfordern, Gruppenlimits erreichen oder gesperrt werden. Testen Sie mit einer kleinen Waage und lassen Sie Pangolin laufen, bevor Sie große Mengen auffüllen.

Drei Aspekte: ① Protokollfelder (ID-Präfixe, Objekt, Zielgrund entsprechen den offiziellen Spezifikationen); ② Fähigkeitsfingerabdrücke (Denksignatur, multimodales PDF, Funktionsaufrufform); ③ Injektionsresistenz und Nutzung (Systemkonflikte, minimale Eingabeprüfung, Fremdnutzungsspuren). Pangolin kombiniert diese zu mehrstufigen Prüfungen – im Vollmodus werden etwa 18 Elemente für Claude ausgeführt.

Fünf gängige: ① Führen Sie Kiro / Amazon Q / Bedrock als Claude-Ersatz aus; ② GPT-Anfragen an ein Claude-Backend weiterleiten (Nutzungsfelder verlieren claude_*-Reste); ③ Tauschen Sie GPT-4o gegen GPT-4o-mini aus, um die Kosten zu senken. ④ Denkblockaden beseitigen, PDF multimodal und andere erweiterte Funktionen; ⑤ Fügen Sie zusätzliche Systemaufforderungen oder versteckte Präambeln ein, um Identität oder Verhalten neu zu schreiben.

Nein. Moderne Modelle sind darauf trainiert, Identitätsfragen zu beantworten, und Relais können Systemaufforderungen einspeisen, damit das Modell sagt: „Ich bin Claude.“ Pangolin gewichtet Identitätskontrollen nur mit 5 % – ein schwaches Hilfssignal. Vertrauen Sie stattdessen verschlüsselten Signalen wie der Denksignatur.

Kiro und Amazon Q sind die Claude-Ersatz-Gateways von Amazon. Ihren Antworten fehlen Claude-Denksignaturen – sie verwenden die vereinfachte Schnittstelle von AWS Bedrock, die keine serverseitigen Signaturen zurückgibt. Pangolin bewertet thinking_signature mit 0 und besteht die Gesamtprüfung nicht.

Überprüfen Sie das Verwendungsfeld. Natives OpenAI verfügt nur über prompt_tokens,Completion_tokens und total_tokens. Wenn Sie „claude_cache_creation_5_m_tokens“, „usage_source: anthropic“ oder ähnliches sehen, führt das Relay mit ziemlicher Sicherheit eine Protokollkonvertierung durch. Pangolin markiert diesen Fingerabdruck als kritisch.

Wenn erweitertes Denken aktiviert ist, gibt Claude eine vom Server generierte verschlüsselte Signatur im Signaturfeld zurück, normalerweise 500–2000 Zeichen. Anthropic generiert es serverseitig mit kryptografischer Überprüfung – Relays können es realistischerweise nicht fälschen. Pangolin gewichtet es mit 25 % als Kerndetektor.

Vier Prüfungen: ① Pangolin ausführen und bestätigen, dass die Denksignatur einen Wert von 100 hat; ② Suchen Sie nach fremden Feldern, die über claude_* hinaus verwendet werden; ③ Vergleichen Sie das Stream- und Nicht-Stream-Verhalten (Relays behandeln Pfade oft unterschiedlich); ④ Bestätigen Sie, dass Nachrichten-IDs die Präfixe msg_ / toolu_ / srvtoolu_ verwenden.

Im Vollmodus werden ca. 18 UI-Karten (ca. 19 Detektoren) angezeigt. Kerngewicht bleibt Denksignatur (25 %); der Rest umfasst Identität/Verhalten/Wissen, Befehlsreproduktion, Systemkonflikte, minimale Eingabeprüfung, Kanal und Tokenizer, Tool-Nutzung, Streaming-Konsistenz, Token-Nutzung und offiziellen Same-Prompt-Vergleich; Der Vollmodus fügt PDF und optionale Langkontext-Prüfungen hinzu. Quick konzentriert sich auf Kernauthentizität und Injektionsresistenz; Standard fügt Protokollvollständigkeit und offiziellen Vergleich hinzu; Voll vertieft die Fähigkeitsprüfungen.

Bekannte API-Abweichung bei Claude Opus 4.7 – mit adaptivem Denken + Streaming + zusammengefasst können SSE-Streams Denkblöcke weglassen, während Nicht-Stream funktioniert. Der think_signature-Detektor von pangolin greift aus Gründen der Zuverlässigkeit auf Nicht-Stream zurück.

Die Erkennung sendet echte Anfragen. Im Standardmodus werden ca. 12 API-Aufrufe ausgeführt, insgesamt ca. 3.000–5.000 Token (je nachdem, ob das Denken ausgelöst wird). Bei Haiku ~0,012 $, Sonett ~0,05 $, Opus ~0,20 $. Pangolin selbst ist kostenlos – Sie zahlen Upstream-Token-Gebühren.

Kommt darauf an. Häufige Ursachen: ① Ungültiger oder erschöpfter API-Schlüssel (ungültiges Banner wird angezeigt); ② Relay unterstützt das von Ihnen gewählte Modell nicht (Preflight gibt 422 zurück); ③ Wirklich schlechtes Relais. Lesen Sie die Details jedes Detektors, nicht nur die Gesamtpunktzahl.

Das Verwendungsfeld ist das deutlichste Signal. Echtes natives OpenAI verfügt nur über prompt_tokens,Completion_tokens und total_tokens. claude_cache_creation_5_m_tokens, using_source: anthropic oder input_tokens/output_tokens (Anthropic-Benennung) weisen stark auf eine Protokollkonvertierung hin. Pangolin markiert diese als kritisch und versagt beim Detektor.

75 liegt im Bestehensbereich, aber alle kritischen Probleme (insbesondere mehrere kritische Probleme mit mehreren Protokollen) stufen das Urteil auf marginal herab – gelber Kreis, Risikowarnung. Normalerweise funktioniert die API, aber das Relay konvertiert Protokolle. Möglicherweise verwenden Sie kein echtes GPT.

Der strikte OpenAI-Modus sollte reines JSON zurückgeben, keine Markdown-Code-Zäune. Wenn Sie „json {...}“ erhalten, hat das Relay entweder das Antwortformat nicht weitergeleitet oder das zugrunde liegende Modell (wahrscheinlich nicht GPT) versteht den strikten Modus nicht. Pangolin verwendet das Flag markdown_json_seen, um die beiden zu unterscheiden.

Das Modellfeld ist nur eine Zeichenfolge. Relais können alles einstellen. Überprüfen Sie es mit anderen Signalen: ① Der Pangolin-Protokolldetektor scannt Nutzungsfingerabdrücke. ② Verhaltensunterschiede (GPT ist prägnanter, Claude höflicher und ausführlicher); ③ Token-CV über wiederholte Aufrufe hinweg (Model_Consistency-Detektor).

Pangolin listet auf, wie viele Modelle auf diesem Schlüssel mit dem Protokoll übereinstimmen. Wenn Sie OpenAI verwenden, aber 0 GPT-Modelle sehen, wird durch eine gelbe Karte erklärt, dass der Schlüssel stattdessen über X Claude / Y Gemini-Modelle verfügt – ein Klick, um dorthin zu wechseln und zu testen.

Drei Ursachen: ① Relay stellt nur einige Gemini-Modelle als Proxy bereit (viele verfügen nur über die 3.x-Vorschau, nicht über 2.5); ② Namenskonflikt (gemini-2.5-flash vs. models/gemini-2.5-flash); ③ Modell im Ruhestand. Pangolin Preflight fängt tote Modelle in ca. 500 ms ein und schlägt Alternativen vor.

Mindestens 64, idealerweise 128+. Gemini 3 ermöglicht standardmäßig das Denken und verbraucht 30–60 reasoning_tokens vor dem Text. Wenn „max“ zu klein ist (<32), füllt das Denken das Budget aus und Sie erhalten leeren Text mit „finish_reason=length“. Schuppentierdetektoren verwenden 64–384.

Nein. Es bleibt nur der OpenAI-kompatible Pfad (POST /chat/completions) übrig – er deckt die meisten Drittanbieter-Relays und den offiziellen /v1beta/openai-Endpunkt von Google ab. Ältere Gemini Native-Berichte können weiterhin geöffnet werden.

Drei Stufen: ① Muss gemini-2.5-flash oder gemini-3-flash-preview unterstützen (2026 stabil); ② Pangolin-Protokoll-Score ≥ 80; ③ Die Verwendung hat keine Fremdreste außerhalb von gemini_* (keine stille Protokollkonvertierung). Pangolin sortiert Modelllisten nach Empfehlungen.

Ja. Setzen Sie base_url auf https://generativelingual.googleapis.com/v1beta/openai und api_key auf Ihren Google AI Studio AIza...-Schlüssel. Der offizielle kompatible Endpunkt dient als Basis für den Vergleich von Drittanbieter-Relays.

Drei Schritte: ① Öffnen Sie die Site und gehen Sie zur Claude / OpenAI / Gemini-Prüfseite; ② Geben Sie „relay base_url + api_key“ ein und wählen Sie ein Modell aus (Dropdownliste listet auf, was für diesen Schlüssel verfügbar ist); ③ Klicken Sie auf „Start“ – Bericht in 30–60 Sekunden. Über /r/{job_id} teilen oder JPG herunterladen.

Quick deckt Kernauthentizität, Konnektivität und Injektionssonden ab – gut für eine schnelle Triage; Standard fügt Protokollvollständigkeit, Tool-Aufruf, Streaming-Konsistenz, Token-Nutzung und offiziellen Vergleich mit gleichen Eingabeaufforderungen hinzu – Standardempfehlung; Full fügt Verhaltens-Fingerprint, Wissensgenauigkeit, PDF und optionale Langkontext-Probes hinzu. Claude-Seiten führen die Denksignatur in allen Modi aus.

Gewichtete Gesamtsumme: ≥85 ausgezeichnet (grün) / 70–84 bestanden (hellgrün) / 50–69 mäßig (gelb) / <50 nicht bestanden (rot). Bei jedem detektorkritischen Problem liegt die Obergrenze für das Urteil bei marginal (gelb), sogar über 70. Erweitern Sie die Unterprüfungen jedes Detektors, um Einzelheiten zu erfahren.

Jeder mit dem Link (anonym, unverschlüsselt). Berichte speichern Ihren API-Schlüssel niemals im Klartext, sondern nur in redigierter Form (sk-y7xU••••••0h). Geben Sie keine URLs für private Relays weiter. Opt-in-private Berichte sind geplant.

Ja – vollständig Open Source. Klon → pip install -e .[web] → uvicorn web.server:app. CLI funktioniert eigenständig: Relay-DetectorDetect --base-url ... --api-key ... --mode full. Siehe README.

Nein. Der vollständige Schlüssel verbleibt während der Ausführung nur in einem In-Memory-Halter; Es wird nach Erfolg, Fehler, Abbruch oder Unterbrechung gelöscht – niemals in Jobdatensätze, Protokolle oder auf die Festplatte geschrieben. Für vom Benutzer/Upstream kontrollierte Werte und dynamische Schlüssel entfernen wir den Rohschlüssel und die kanonischen Formen urllib.parse.quote(key, safe=''), quote_plus(key, safe=''); Bei %XX hex wird die Groß-/Kleinschreibung nicht beachtet. Feste Protokoll-/Schemaschlüssel werden beibehalten. Wir versprechen nicht, nicht-kanonische prozentuale Codierung von nicht reservierten Bytes, Base64, Verschlüsselung oder beliebige Transformationen abzufangen.

cctest.ai behauptet auch, keine Schlüssel hochzuladen, sondern Closed Source – nicht überprüfbar. Pangolin ist vollständig geöffnet: Klonen und ausführen (git clone ... && uvicorn web.server:app) oder Servercode auf GitHub prüfen.

Ja, aber wenig. Standardmodus ~12 echte Anfragen, insgesamt 3000–5000 Token. Ungefähr 0,012 $ für Haiku, 0,05 $ für Sonett und 0,20 $ für Opus – gezahlt an den Upstream (Staffel oder Beamten), nicht an Pangolin.

Berichte enthalten: ① base_url (API-Schlüsselfragmente entfernt, falls eingebettet); ② api_key redigiert; ③ Erkennungsergebnisse. Kein Name, E-Mail oder IP. Um einen Bericht zu löschen, öffnen Sie ein GitHub-Problem.

cctest deckt Claude nur mit Black-Box-Anti-Umgehungsprüfungen, aber oberflächlichen Dimensionen ab. Pangolin deckt drei Protokolle ab (Claude / OpenAI / Gemini), verschlüsselte Denksignatur, protokollübergreifende automatische Umschaltung, Pre-Submit-Dead-Model-Erkennung, vollständige Open Source und OpenAI-Adapter-Fingerabdrücke für „GPT, das ist eigentlich Claude“.

hvoy unterstützt drei Protokolle, aber oberflächliche Prüfungen (hauptsächlich Protokollkonformität). Pangolin fügt eine verschlüsselte Denksignatur auf Claude (einzigartig), Protokollkonvertierungs-Fingerabdrücke auf OpenAI (usage_source usw. auf kritischer Ebene) und Gemini-Unterstützung für Thinking-by-Default-Modelle hinzu – umfassendere Abdeckung.

Dabei handelt es sich um subjektive Bewertungen oder werbebasierte Rankings; Pangolin ist eine objektive technische Prüfung. Nutzen Sie beides: Nehmen Sie die Reputation in die engere Wahl und überprüfen Sie sie dann mit Pangolin.

Pangolin empfiehlt fünf harte Prüfungen: ① Denksignatur ≥ 100; ② Protokoll Critical_issue_count = 0; ③ Stream-/Nicht-Stream-Nutzung konsistent; ④ Modell-ID stimmt mit dem angeforderten Modell überein (Model_Consistency-Pass); ⑤Completion_tokens CV < 0,10 über Wiederholungen hinweg (Stabilität).