Erkennungsergebnisse

Modell: claude-haiku-4-5-20251001 · Modus full · Relais https://wawapii.com/

Gesamtpunktzahl

Jedes Element ist bestanden/nicht bestanden/fehlerhaft; die Summe ist ein gewichtetes Ergebnis und kann dazwischen liegen.

75 / 100

Modellauthentifizierung Verifizierung abgeschlossen

Untersuchen Sie die selbst angegebene Identität des Models, Markenrückstände und häufige Tarnzeichen.

Pass 100

Denken Sie unterstützend Verifizierung abgeschlossen

Überprüfen Sie, ob serverseitige exklusive Felder wie Claude Denken / Signatur transparent übertragen werden.

gescheitert 0

Genaue Befehlswiedergabe (Anti-Casing) Verifizierung abgeschlossen

Das Modell wird aufgefordert, eine feste Markierung wörtlich zu reproduzieren und dabei zu prüfen, wie deterministisch die Anweisungen befolgt werden.

Pass 100

Systemkonflikttests Verifizierung abgeschlossen

Vergleichen Sie Benutzer nur mit explizitem System+Benutzer und prüfen Sie, ob feste Wörter durch versteckte Anweisungen überschrieben werden.

gescheitert 0

Extreme Denkfähigkeit (zahlentheoretisches Zählen) Verifizierung abgeschlossen

Verwenden Sie vorgefertigte Argumentationsfragen, um zu überprüfen, ob überprüfbare Antworten richtig sind.

gescheitert 0

Kanalerkennung Verifizierung abgeschlossen

Gehosteter Kanal：Anthropic

Pass 100

Claude Tokenizer-Überprüfung Verifizierung abgeschlossen

Modell：— · Beobachtete Token：None · Erwartete Token：None · Spiel：unknown

Nicht zutreffend —

Minimalistisches Input-Token-Audit Verifizierung abgeschlossen

Verwenden Sie minimalistische Anfragen, um zu beobachten, ob input_tokens ungewöhnlich hoch ist, und um implizite Systeminjektionen zu identifizieren.

gescheitert 60

Konsistenz des Verhaltensstils Verifizierung abgeschlossen

Vergleichen Sie die Merkmale der Claude-Serie anhand von Verhaltenspräferenzen und Antwortmustern.

Pass 100

Wissensgenauigkeit Verifizierung abgeschlossen

Verwenden Sie Anthropic / Claude allgemeine Wissensfragen, um zu überprüfen, ob das Backend den Ansprüchen von Claude entspricht.

Pass 100

Konsistenz der Modelldeklaration Verifizierung abgeschlossen

Vergleich des Anfragemodells, des Antwortmodells und der Identitätsstabilität in mehreren Rückgaberunden.

Pass 100

Spezifikation der Nachrichtenstruktur Verifizierung abgeschlossen

Überprüfen Sie Nachrichten-IDs, SSE-Ereignissequenzen und Inhaltsblöcke auf Übereinstimmung mit den Anthropic-Spezifikationen.

Pass 100

Werkzeugverwendung/strukturierte Ausgabe Verifizierung abgeschlossen

Überprüfen Sie, ob der Tool_use-Block, die Toolu_-ID, der Funktionsname und das Parameterschema standardisiert sind.

Pass 100

Streaming-Konsistenz Verifizierung abgeschlossen

Vergleichen Sie Stream- und Nicht-Stream-Text, Token und Endgrund auf Konsistenz.

Pass 80

Konsistenz der Token-Nutzung Verifizierung abgeschlossen

Überprüfen Sie, ob die Eingabe-/Ausgabe-/Cache-Token-Felder vollständig und authentisch sind.

gescheitert 60

Offizieller Vergleich desselben Titels Verifizierung abgeschlossen

Die gleiche Frage vergleicht den Input-Verbrauch und das Antwortverhalten zwischen Kanälen und offiziellen Kanälen (oder Baseline).

Nicht zutreffend —

Injektionserkennung ausblenden Verifizierung abgeschlossen

Zufällige Varianten führen eine Gegenprüfung auf ungewöhnliche Signale wie Nonce-Lecks, korrigierte Antworten und verdächtige Cache-Wiederverwendung durch.

Pass 100

Sicherheitsverweigerung und politische Stabilität Verifizierung abgeschlossen

Überprüfen Sie, ob die Sicherheitsrichtlinie stabil ist, indem Sie Denial-of-Antwort-Szenarien und Umschreibungs-/Kodierungs-/progressive Varianten verwenden.

gescheitert 50

lange Kontextauthentizität Verifizierung abgeschlossen

Verwenden Sie „Nadel im Heuhaufen“, um zu überprüfen, ob lange Kontextfenster berücksichtigt werden.

Pass 100

Multimodale/PDF-Erkennung Verifizierung abgeschlossen

Senden Sie eine PDF-Prüfung, um zu bestätigen, dass der Link zum Dokumentverständnis nicht von der Übertragungsstation entfernt wurde.

Pass 100

Wie ist dieses Ergebnis zu lesen?

Token 用量存在风险

Token 用量存在风险: usage 字段缺失、长短 prompt 增量异常、输出 token 超出请求上限,或 stream 与 non-stream token 统计不一致。

Erstes Token

1,247ms

Gesamtzeit

36,994ms

Durchsatz (T/S)

115.5

Eingabe-Tokens

15,319

Ausgabetoken

4,271

What does each Claude check cover?

Modellauthentifizierung: Untersuchen Sie die selbst angegebene Identität des Models, Markenrückstände und häufige Tarnzeichen.
Denken Sie unterstützend ⭐: Überprüfen Sie, ob serverseitige exklusive Felder wie Claude Denken / Signatur transparent übertragen werden.
Genaue Befehlswiedergabe (Anti-Casing): Das Modell wird aufgefordert, eine feste Markierung wörtlich zu reproduzieren und dabei zu prüfen, wie deterministisch die Anweisungen befolgt werden.
Systemkonflikttests: Vergleichen Sie Benutzer nur mit explizitem System+Benutzer und prüfen Sie, ob feste Wörter durch versteckte Anweisungen überschrieben werden.
Minimalistisches Input-Token-Audit: Verwenden Sie minimalistische Anfragen, um zu beobachten, ob input_tokens ungewöhnlich hoch ist, und um implizite Systeminjektionen zu identifizieren.
Extreme Denkfähigkeit (zahlentheoretisches Zählen): Verwenden Sie vorgefertigte Argumentationsfragen, um zu überprüfen, ob überprüfbare Antworten richtig sind.
Kanalerkennung: Identifiziert den Hosting-Kanal anhand des Antwort-ID-Präfixes.
Claude Tokenizer-Überprüfung: Zählen Sie Eingabetokens mit festen Hinweisen im Vergleich zur kalibrierten Modellbasislinie.
Konsistenz des Verhaltensstils: Vergleichen Sie die Merkmale der Claude-Serie anhand von Verhaltenspräferenzen und Antwortmustern.
Wissensgenauigkeit: Verwenden Sie Anthropic / Claude allgemeine Wissensfragen, um zu überprüfen, ob das Backend den Ansprüchen von Claude entspricht.
Konsistenz der Modelldeklaration: Vergleich des Anfragemodells, des Antwortmodells und der Identitätsstabilität in mehreren Rückgaberunden.
Spezifikation der Nachrichtenstruktur: Überprüfen Sie Nachrichten-IDs, SSE-Ereignissequenzen und Inhaltsblöcke auf Übereinstimmung mit den Anthropic-Spezifikationen.
Werkzeugverwendung/strukturierte Ausgabe: Überprüfen Sie, ob der Tool_use-Block, die Toolu_-ID, der Funktionsname und das Parameterschema standardisiert sind.
Streaming-Konsistenz: Vergleichen Sie Stream- und Nicht-Stream-Text, Token und Endgrund auf Konsistenz.
Konsistenz der Token-Nutzung: Überprüfen Sie, ob die Eingabe-/Ausgabe-/Cache-Token-Felder vollständig und authentisch sind.
Offizieller Vergleich desselben Titels: Die gleiche Frage vergleicht den Input-Verbrauch und das Antwortverhalten zwischen Kanälen und offiziellen Kanälen (oder Baseline).
lange Kontextauthentizität: Verwenden Sie „Nadel im Heuhaufen“, um zu überprüfen, ob lange Kontextfenster berücksichtigt werden.
Multimodale/PDF-Erkennung: Senden Sie eine PDF-Prüfung, um zu bestätigen, dass der Link zum Dokumentverständnis nicht von der Übertragungsstation entfernt wurde.
Injektionserkennung ausblenden: Zufällige Varianten führen eine Gegenprüfung auf ungewöhnliche Signale wie Nonce-Lecks, korrigierte Antworten und verdächtige Cache-Wiederverwendung durch.
Sicherheitsverweigerung und politische Stabilität: Überprüfen Sie, ob die Sicherheitsrichtlinie stabil ist, indem Sie Denial-of-Antwort-Szenarien und Umschreibungs-/Kodierungs-/progressive Varianten verwenden.