开发者 xqy2006 发布了一款名为 ModelTrace 的开源模型检测工具，旨在解决用户无法确认当前对话会话中具体使用哪种大模型版本的问题。不同于传统的 API 端点测试，该工具允许用户直接在 ChatGPT 或 Claude 等对话界面中，通过简单的侧边栏指令（/btw）进行三次特定的随机数生成提问，即可推测出后台模型的具体版本（如区分 Opus 4.6 与 5.0）。目前该工具的指纹库已涵盖 GPT-4/5 系列及 Claude Opus、Sonnet、Haiku 等多个特定版本。技术原理上，ModelTrace 利用了大模型生成随机数序列的统计规律差异，通过 Hellinger 距离分析数字出现频率，并结合有序分块分析提取特征。为了对抗提示词注入等干扰因素，项目还引入了基于奇异值分解（SVD）的特征投影技术，以消除不同前缀提示词对模型输出的影响。作者提醒，尽管该方法具有一定的抗干扰能力，但在 Claude Code 等具有强系统提示词的环境中准确率会下降。该项目已在 GitHub 完整开源，提供了本地部署版和 GitHub Pages 在线手动版。
事件分析
该项目展示了通过非侵入式探测技术实现“模型指纹识别”的技术创新。其核心价值在于利用大模型底层自回归生成的统计特性，将微观的概率分布差异转化为可量化的特征向量，从而在不访问后端元数据的情况下推断模型身份。这标志着 AI 探测技术从简单的接口测试向基于行为特征的精细化分析演进。从产业角度看，此类工具提升了 AI 服务的透明度，使用户能够验证服务商是否如宣称般使用了特定的高端模型，有效遏制“模型套壳”或隐性降智的行为。技术上，尽管该方法通过投影算法降低了环境噪音，但随着模型权重的持续更新和提示词工程的复杂化，指纹库的维护和迭代将面临长期挑战。
核心观点：基于统计学的模型指纹识别技术，正成为验证大模型真伪、打破AI“黑盒”透明度壁垒的关键突破口。
原文链接：Linux.do
