开发者开源随机森林检测工具，精准识别“套壳”假AI模型

针对大模型API市场中普遍存在的“假模型”及“套壳”乱象，一位开发者基于社区思路，发布了一款利用随机森林算法进行模型真伪识别的开源项目。该项目通过官方渠道及OpenRouter采集了涵盖各类主流模型的1.6万条请求数据，构建了基于概率分布的分类器，用于检测API接口是否真实返回了声称的模型行为。项目演示显示，该工具能够有效识别出如“讯飞Coding冒充Kimi 2.6”等造假行为。与通过复杂概率分析判断“掺水”比例的方法不同，该方案侧重于二分类识别。虽然模型对提示词变化较为敏感且需针对性训练，但作为完全开源的解决方案，它为开发者在面对混乱的API服务时提供了一种低成本的验证手段，有助于维护市场交易的透明度。

事件分析

💡 核心观点：利用统计学特征揭露模型伪造本质，此类开源验证工具是净化混乱大模型API市场、打击“李鬼”服务的重要技术防线。