廉价GPT是假货?深入调查影子API的模型伪装问题
機械翻訳 / Machine-translated

機械翻訳 / Machine-translated
@aifriends
AI Friends(https://aifriends.jp)のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
听到"GPT-5只需官方一半的价格",是不是忍不住想试试?然而,有案例显示,界面上明明显示的是GPT-5,背后实际回答的却是另一个规模更小的AI。本文将梳理研究人员的调查结果,以及我们需要注意的事项。
ITmedia NEWS于2026年11月19日发布的解说文章,报道了德国CISPA与加拿大滑铁卢大学等机构联合开展的研究。
论文标题为"Real Money, Fake Models(真金白银,假冒模型)",已在arXiv上公开,据悉已被计算机安全领域国际会议ACM CCS 2026录用。
研究对象为影子API——即通过API(连接不同软件的接口)在幕后中转OpenAI、Google等AI服务,并宣称"能以比官方更低的价格使用相同模型"的非官方服务。
研究团队通过检索国际会议录用论文和GitHub,共发现了17种影子API服务,这些服务被合计187篇学术论文所引用。
官方API收费较高,同时需要信用卡等付款方式。此外,在中国、俄罗斯等国家和地区,部分官方API无法访问。
于是,价格低廉且不受地区限制的影子API趁虚而入。事实上,约八成用户所属机构位于官方API受限的中国。
设想一位科研经费有限、又无法办理境外银行卡的研究生,一旦发现这类廉价服务,自然会心动。
其传播规模也相当惊人——最受欢迎的服务截至2025年12月6日,已被5,966篇论文引用,相关代码仓库在GitHub上获得了58,639个星标。
通过同行评审的论文也不在少数:187篇中有62%(即116篇)已被ACL、CVPR、ICLR等国际会议或学术期刊录用。
研究团队通过分析AI回答的"指纹"(即特定行为习惯),结合统计检验,对后台实际运行的模型进行了鉴别。
结果显示,在调查的24个接入端点中,有11个(45.83%)被判定并非其所申报的模型。
例如,标注为GPT-5或GPT-4o-mini的响应,其指纹却与GLM-4-9B或Qwen2.5-7B等其他AI相吻合——这两者均是与官方GPT截然不同的小型模型。
还有请求DeepSeek-Reasoner的情况,实际却表现得像没有深度"思考模式"的DeepSeek-Chat。
这看起来像是用低价模型偷梁换柱,但仅凭论文本身,尚无法断定是否出于故意。
研究团队针对三个较受欢迎的服务,对比了OpenAI、Google和DeepSeek的模型表现。数学与科学领域测试了8个模型,医疗、法律和安全性方面则分别从各家选取了1个模型进行测试。
对于无需深度推理的问题,各服务得分接近官方水平。仅凭简单测试,很难察觉差异。
差距在需要推理能力的场景中凸显。在数学竞赛AIME 2025中,某影子API上的Gemini-2.5-pro下降了40.00分,DeepSeek-Reasoner下降了38.89分。
在医疗考试MedQA中,Gemini-2.5-flash的正确率在三个服务中均约为37%,而官方正确率为83.82%。法律考试中,同一模型的得分也下降了约40个百分点。
据论文报告,最大差距达到了47.21%。论文正文及ITmedia的报道也指出,即便Gemini-2.5-flash的指纹与申报一致,仍出现了成绩大幅下降的案例。
试想一家开发医疗咨询应用的公司,以低价为由选择了某API,并将其返回结果直接呈现给患者——正确率不足一半,这绝非小事。
在拒绝有害问题的能力上,各服务间也存在差异。有的服务对越狱攻击(绕过AI安全机制的攻击手段)的抵抗力仅为官方的五分之一,有的则反而更强,偏差方向无从预测。
调查的17个服务中,有15个由身份不透明的个人运营,其中已有4个停止运营。
这意味着服务随时可能中断,或此前记录的结果无法复现。
在费用方面,也未必真的划算。论文的价格比较显示,有的服务费用仅为官方的0.73倍,有的却高达5倍以上。甚至有服务以官方价格销售GPT-5,但在GPQA测试中,其输出长度仅为官方的38%。
不过,以上数据仅为2025年9月至12月某一时间点的记录,论文也特别指出影子API可能随时发生变化,不会提前通知。
以下对官方API与影子API进行简要对比:
论文作者明确表示,不应在研究场景中使用影子API,同时也呼吁官方平台放宽地区限制,并为学术用途提供专属定价。
此次调查显示,用户主要集中在中国的机构。由于日本可以正常访问官方API,不存在相同的使用背景。
但这也并非与己无关。个人开发者或初创企业出于降低成本的考量,选择宣称"与GPT相同"的廉价API,这种情况是完全可能发生的。
日本研究人员也可能在不知情的情况下,引用了基于影子API结果的论文。
对于企业而言,输入的客户数据流向何处同样令人担忧。将内部文件提交给运营者身份不明的服务,是应当避免的。
海外的技术解说文章建议自行制作简易的"指纹测试"。根据DEV Community上的这篇文章,可以在固定参数设置下发送相同的问题,并将返回结果与官方答案进行比对。
不过,这只是个人博客的建议,并非论文本身的主张。即便答案吻合也不代表真实,答案不符则值得警惕——以这样的态度看待会更为稳妥。
论文中的建议则更为严谨:使用LLMmap指纹工具进行24个以上的探测性提问,并基于500个以上的样本进行统计检验。此外,建议至少测试3次,并记录端点URL、模型版本、访问日期和价格。
个人用户可以优先采取以下三步:
Q. 影子API违法吗?
A. 本文及相关论文均未对合法性作出判断。论文所指出的问题在于:涉嫌模型伪装、性能波动以及运营者不透明。
Q. 廉价API都是假冒的吗?
A. 并非全部如此。在调查的24个接入端点中,被判定与申报不符的有11个。不过,论文另外报告了12.50%的指纹偏差情况,建议用户保持谨慎并自行核实。
Q. 为什么简单问题难以识破?
A. 因为即便是小型模型,对于简单问题通常也能给出接近正确的答案。差异主要体现在数学、医疗等需要深度推理的问题上。
Q. 日本企业需要注意哪些方面?
A. 比起价格低廉,更应优先确认运营者身份及数据流向。建议选择有明确合同关系的服务提供商。
建议立即检查一下你正在使用的API的运营者,以及返回结果的质量。
本文转载自 AI Friends。