审计匿名人工智能模型：黑盒身份验证的四阶段协议

2025--2026年人工智能市场出现了一波秘密发布浪潮：前沿模型以代号在开发者平台上匿名发布。对于用户来说，身份决定了数据处理条款、供应链风险和能力期望。匿名模型的黑盒身份验证不存在经过验证的方法：从业者清单缺乏准确性证据，并且自我识别在设计上是不可信的。我们为 API 服务的模型提出了一个四阶段取证审计协议。第 0 阶段从存档平台快照（Internet Archive）重建启动时配置，暴露预览-生产偏差。第一阶段针对平台目录的指纹配置（上下文、输出上限、推理、模式）。第 2 阶段使用拒绝短提示冲突的跨长度差异来测试标记器身份。第三阶段通过行为探测得到证实。我们测试了 10 个已知身份发布的声明一致性（7 个准确、2 个精度差异、1 个部分、0 个反向），而不是匿名下的端到端识别。对一个旗舰案例进行了前瞻性验证，该案例的 2026 年 8 月 23 日分析指向 GLM-5.3 版本线，其官方披露证实了这些家族和版本线推论（部署变体未预先断言；Flash 在披露后保持一致），以及三个仅阶段 0 的案例，其中协议产生了分级假设或拒绝而不是猜测。仅标准库的实现作为补充材料提供。