FAQ

Un relais (également appelé miroir ou proxy) est un service de transfert tiers qui envoie vos requêtes à OpenAI, Anthropic ou Google et renvoie la réponse. Raisons courantes : accès bloqué aux domaines officiels dans certaines régions, prix de gros ou interface unifiée pour plusieurs fournisseurs.

Trois raisons courantes : ① L'accès à anthropic.com / openai.com peut nécessiter un VPN dans certaines régions ; ② Certains relais revendent des quotas de gros groupés à un prix inférieur de 30 à 70 % au prix catalogue officiel ; ③ Certains relais exposent Claude, GPT et Gemini via une seule API compatible OpenAI afin que vous conserviez une seule intégration.

Les API officielles ont des champs, des signatures et des formats d'erreur fixes. Les relais diffèrent énormément : certains passent par le rapport 1:1, d'autres réécrivent les champs d'utilisation, suppriment les blocs de réflexion, remplacent les modèles ou injectent des invites système supplémentaires. le pangolin détecte ce qui se passe réellement au milieu.

Légalement, c'est une zone grise et cela dépend de l'arrangement. Risques pratiques : ① Exit risk — les relais peuvent s'arrêter, augmenter les prix ou disparaître avec le solde prépayé ; soyez prudent avec les recharges importantes ; ② Responses may not match the official API — les relais peuvent échanger des modèles, supprimer des capacités ou signaler des jetons de manière erronée, nuisant ainsi à la fiabilité en aval ; ③ Prompts may be logged — pour les données confidentielles ou utilisateur, évitez les relais inconnus. Commencez petit, choisissez des opérateurs réputés et envisagez d’opter directement pour une utilisation à enjeux élevés.

pangolin a testé de nombreux relais. Cinq pièges courants (tous vus dans la nature) : ① Silent model substitution — vous payez pour GPT mais obtenez Claude ou un autre modèle moins cher. La réponse superficielle semble bonne, mais le ton, le raisonnement et les habitudes divergent – ​​ce qui est risqué pour le travail de production. ② Advanced features break — JSON strict, saisie PDF, appel d'outils et fonctionnalités similaires échouent souvent lorsque le modèle backend a été remplacé par un modèle moins cher qui ne les prend pas en charge. ③ Billing numbers you can't trust — la même invite peut coûter des montants différents à chaque exécution ; Certains relais masquent entièrement l'utilisation des jetons, vous ne pouvez donc pas concilier les frais qui peuvent dépasser les prix officiels sans piste d'audit. ④ Models listed but not available — un relais peut annoncer des dizaines de modèles, puis renvoyer model_not_found pour certains. contrôles en amont du pangolin avant d'attendre une demi-minute pour un rapport entièrement nul. ⑤ Rules change without notice — une clé qui a fonctionné hier peut soudainement nécessiter une mise à niveau, atteindre les limites du groupe ou être bannie. Testez avec une petite balance et exécutez Pangolin avant de faire des recharges importantes.

Trois angles : ① Champs de protocole (les préfixes d'identification, l'objet et finish_reason correspondent aux spécifications officielles) ; ② Capacité d'empreintes digitales (signature de réflexion, PDF multimodal, forme d'appel de fonction) ; ③ Résistance à l'injection et utilisation (conflits système, audit d'entrée minimal, traces d'utilisation étrangère). Pangolin les combine en contrôles à plusieurs niveaux – le mode complet exécute environ 18 éléments pour Claude.

Cinq courants : ① Exécutez Kiro / Amazon Q / Bedrock en tant que remplaçant de Claude ; ② Acheminer les requêtes GPT vers un backend Claude (les champs d'utilisation fuient le résidu claude_*) ; ③ Remplacez GPT-4o par GPT-4o-mini pour réduire les coûts ; ④ Supprimez les blocs de réflexion, le PDF multimodal et d'autres fonctionnalités avancées ; ⑤ Injectez des invites système supplémentaires ou des préambules cachés pour réécrire l'identité ou le comportement.

Les modèles modernes sont formés pour répondre aux questions d'identité, et les relais peuvent injecter des invites système pour que le modèle dise "Je m'appelle Claude". le pangolin pèse les contrôles d’identité à seulement 5 % – un signal auxiliaire faible. Faites plutôt confiance aux signaux cryptés, comme penser à une signature.

Kiro et Amazon Q sont les passerelles de remplacement Claude d'Amazon. Leurs réponses manquent des signatures réfléchies de Claude : ils utilisent l'interface simplifiée d'AWS Bedrock, qui ne renvoie pas de signatures côté serveur. le pangolin obtient un score thinking_signature de 0 et échoue au contrôle global.

Vérifiez le champ d'utilisation. Native OpenAI n'a que des prompt_tokens, Completion_tokens et total_tokens. Si vous voyez claude_cache_creation_5_m_tokens, usage_source: anthropic, ou similaire, le relais effectue presque certainement une conversion de protocole. le pangolin signale cette empreinte digitale comme étant critique.

Lorsque la réflexion étendue est activée, Claude renvoie une signature chiffrée générée par le serveur dans le champ de signature, généralement de 500 à 2 000 caractères. Anthropic le génère côté serveur avec vérification cryptographique – les relais ne peuvent pas le falsifier de manière réaliste. le pangolin le pèse à 25% en tant que détecteur principal.

Quatre contrôles : ① Exécutez le pangolin et confirmez que la signature de pensée a un score de 100 ; ② Recherchez les champs étrangers utilisés au-delà de claude_* ; ③ Comparez le comportement du flux par rapport au comportement non-flux (les relais traitent souvent les chemins différemment) ; ④ Confirmez que les identifiants des messages utilisent les préfixes msg_ / toolu_ / srvtoolu_.

Le mode complet affiche ~ 18 cartes UI (~ 19 détecteurs). Le poids central reste la signature de la réflexion (25 %) ; le reste couvre l'identité/le comportement/les connaissances, la reproduction des instructions, les conflits du système, l'audit minimal des entrées, le canal et le tokenizer, l'utilisation des outils, la cohérence du streaming, l'utilisation des tokens et la comparaison officielle avec la même invite ; le mode complet ajoute des PDF et des sondes à contexte long en option. se concentre rapidement sur l'authenticité du noyau et la résistance à l'injection ; la norme ajoute l'exhaustivité du protocole et la comparaison officielle ; les contrôles de capacité sont entièrement approfondis.

Dérive connue de l'API sur Claude Opus 4.7 — avec pensée adaptative + streaming + résumé, les flux SSE peuvent omettre des blocs de réflexion alors que les non-stream fonctionnent. le détecteur thinking_signature de pangolin revient au non-stream pour des raisons de fiabilité.

La détection envoie de vraies requêtes. Le mode standard exécute environ 12 appels API, soit environ 3 000 à 5 000 jetons au total (selon que la réflexion se déclenche). Chez Haiku ~0,012$, Sonnet ~0,05$, Opus ~0,20$. Le pangolin lui-même est gratuit – vous payez des frais de jeton en amont.

Cela dépend. Causes courantes : ① Clé API invalide ou épuisée (bannière invalide affichée) ; ② Relay ne prend pas en charge le modèle que vous avez choisi (le contrôle en amont renvoie 422) ; ③ Relais vraiment médiocre. Lisez les détails de chaque détecteur, pas seulement le score total.

Le champ d'utilisation est le signal le plus clair. Le véritable OpenAI natif n'a que des prompt_tokens, des complètement_tokens et des total_tokens. claude_cache_creation_5_m_tokens, usage_source: anthropic, ou input_tokens / output_tokens (nommage Anthropic) indiquent fortement une conversion de protocole. le pangolin les marque comme étant critiques et fait échouer le détecteur.

75 est dans la plage de réussite, mais tout problème critique (en particulier les critiques de plusieurs protocoles) dégrade le verdict à marginal – cercle jaune, avertissement de risque. Habituellement, l'API fonctionne mais le relais convertit les protocoles ; vous n'êtes peut-être pas sur un vrai GPT.

Le mode strict d'OpenAI doit renvoyer du JSON pur, et non des clôtures de code Markdown. Si vous obtenez ```json {...} ```, soit le relais n'a pas transmis le format_response, soit le modèle sous-jacent (probablement pas GPT) ne comprend pas le mode strict. pangolin utilise le drapeau markdown_json_seen pour distinguer les deux.

Le champ modèle n’est qu’une chaîne ; les relais peuvent régler n'importe quoi. Vérifiez avec d'autres signaux : ① Le détecteur de protocole pangolin analyse les empreintes digitales d'utilisation ; ② Différences comportementales (GPT a tendance à être concis, Claude plus poli et verbeux) ; ③ CV du jeton lors d'appels répétés (détecteur model_consistency).

pangolin indique combien de modèles sur cette clé correspondent au protocole. Si vous êtes sur OpenAI mais que vous voyez des modèles 0 GPT, une carte jaune explique que la clé contient des modèles X Claude / Y Gemini à la place – un clic pour basculer et tester là-bas.

Trois causes : ① Relayer les proxys uniquement sur certains modèles Gemini (beaucoup d'entre eux proposent uniquement la version 3.x, et non la version 2.5) ; ② Incompatibilité de nom (gemini-2.5-flash vs models/gemini-2.5-flash) ; ③ Modèle retiré. Le vol en amont du pangolin attrape les modèles morts en environ 500 ms et suggère des alternatives.

Au moins 64 ans, idéalement 128+. Gemini 3 permet de réfléchir par défaut, en consommant 30 à 60 jetons de raisonnement avant le texte. Si max est trop petit (<32), la réflexion remplit le budget et vous obtenez un texte vide avec finish_reason=length. les détecteurs de pangolins en utilisent 64 à 384.

Non. Seul le chemin compatible OpenAI (POST /chat/completions) reste : il couvre la plupart des relais tiers et le point de terminaison officiel /v1beta/openai de Google. Les anciens rapports Gemini Native peuvent toujours être ouverts.

Trois niveaux : ① Doit prendre en charge gemini-2.5-flash ou gemini-3-flash-preview (stable 2026) ; ② score du protocole pangolin ≥ 80 ; ③ L'utilisation n'a aucun résidu étranger en dehors de gemini_* (pas de conversion de protocole silencieuse). pangolin trie les listes de modèles par recommandation.

Oui. Définissez base_url sur https://generativelanguage.googleapis.com/v1beta/openai et api_key sur votre clé Google AI Studio AIza.... Le point de terminaison compatible officiel sert de référence pour comparer les relais tiers.

Trois étapes : ① Ouvrez le site et rendez-vous sur la page de vérification Claude / OpenAI / Gemini ; ② Entrez relay base_url + api_key et choisissez un modèle (la liste déroulante répertorie ce qui est disponible pour cette clé) ; ③ Cliquez sur Démarrer – rapport dans 30 à 60 secondes. Partagez via /r/{job_id} ou téléchargez JPG.

quick couvre l'authenticité de base, la connectivité et les sondes d'injection - idéal pour un tri rapide ; la norme ajoute l'exhaustivité du protocole, l'appel d'outils, la cohérence du streaming, l'utilisation des jetons et la comparaison officielle à même invite - recommandation par défaut ; full ajoute une empreinte digitale de comportement, la précision des connaissances, un PDF et des sondes facultatives à contexte long. Les pages Claude exécutent une signature réfléchie dans tous les modes.

Total pondéré : ≥85 excellent (vert) / 70-84 réussite (vert clair) / 50-69 marginal (jaune) / <50 échec (rouge). Tout problème critique du détecteur plafonne le verdict à marginal (jaune), même au-dessus de 70. Développez les sub_checks de chaque détecteur pour plus de détails.

Toute personne disposant du lien (anonyme, non crypté). Les rapports ne stockent jamais votre clé API en texte brut, uniquement sous forme rédigée (sk-y7xU••••••0h). Ne partagez pas les URL des relais privés. Des rapports privés opt-in sont prévus.

Oui – entièrement open source. clone → pip install -e .[web] → uvicorn web.server:app. La CLI fonctionne de manière autonome : relay-detector detector --base-url ... --api-key ... --mode full. Voir README.

Non. La clé complète ne réside que dans un support en mémoire pendant l'exécution ; il est effacé après un succès, un échec, une annulation ou une interruption – jamais écrit dans les enregistrements de tâches, les journaux ou le disque. Pour les valeurs contrôlées par l'utilisateur/en amont et les clés dynamiques, nous supprimons la clé brute et les formulaires canoniques urllib.parse.quote(key, safe=''), quote_plus(key, safe='') ; %XX hex n'est pas sensible à la casse. Les clés de protocole/schéma fixes sont conservées. Nous ne promettons pas d'attraper le codage en pourcentage non canonique des octets non réservés, Base64, le chiffrement ou les transformations arbitraires.

cctest.ai prétend également ne pas télécharger de clés, mais une source fermée – invérifiable. pangolin est entièrement ouvert : clonez et exécutez (git clone ... && uvicorn web.server:app) ou auditez le code du serveur sur GitHub.

Oui, mais peu. Mode standard ~ 12 requêtes réelles, 3 000 à 5 000 jetons au total. Environ Haiku 0,012 $, Sonnet 0,05 $, Opus 0,20 $ – payés en amont (relais ou officiel), pas au pangolin.

Les rapports contiennent : ① base_url (fragments de clé API supprimés s'ils sont intégrés) ; ② api_key rédigé ; ③ résultats de détection. Pas de nom, e-mail ou IP. Pour supprimer un rapport, ouvrez un ticket GitHub.

cctest couvre Claude uniquement avec des contrôles anti-évasion en boîte noire mais des dimensions peu profondes. Pangolin couvre trois protocoles (Claude / OpenAI / Gemini), une signature de pensée cryptée, un changement automatique entre protocoles, une détection de modèle mort avant la soumission, une source entièrement ouverte et des empreintes digitales de l'adaptateur OpenAI pour "GPT qui est en fait Claude".

hvoy prend en charge trois protocoles mais des contrôles superficiels (principalement la conformité aux protocoles). pangolin ajoute une signature de pensée cryptée sur Claude (unique), des empreintes digitales de conversion de protocole sur OpenAI (usage_source, etc. au niveau critique) et la prise en charge de Gemini pour les modèles de réflexion par défaut – une couverture plus approfondie.

Il s'agit d'avis subjectifs ou de classements basés sur la publicité ; le pangolin est un test technique objectif. Utilisez les deux : présélectionnez la réputation, puis vérifiez auprès du pangolin.

Pangolin recommande cinq vérifications rigoureuses : ① signature de réflexion ≥ 100 ; ② protocole critic_issue_count = 0 ; ③ utilisation de flux/non-flux cohérente ; ④ L'identifiant du modèle correspond au modèle demandé (pass model_consistency) ; ⑤ Completion_tokens CV < 0,10 lors des répétitions (stabilité).