真钱，假模型：阴影 API 中的误导性模型声明
密码学与安全
2026-03-06 v2 人工智能
软件工程
摘要
访问前沿大型语言模型（LLM）如 GPT-5 和 Gemini-2.5 常受到高价格、支付障碍和地区限制的阻碍。这些限制促使第三方服务通过间接访问方式声称提供无地区限制的官方模型服务的“阴影 API”现象频发。尽管阴影 API 用途广泛，但是否交付与官方 API 一致的输出仍不明确，这引发对下游应用可靠性以及依赖它们的科研发现有效性的潜在担忧。本文是首次系统审计官方 LLM API 与对应阴影 API。我们首先识别了 17 个被用于 187 篇学术论文中的阴影 API，其中最受欢迎的 API 在 2025 年 12 月 6 日已获得 5,966 篇引用和 58,639 个 GitHub 星。通过对三个具有代表性的阴影 API进行多维度审计（包括实用性、安全性和模型验证），我们揭示了阴影 API 中存在的间接和直接欺骗行为。具体而言，我们发现性能偏差可达 ，在安全行为上表现出显著不可预测性，且在 45.83% 的指纹测试中出现身份验证失败。这些欺骗行为严重削弱了科学研究的可重复性和有效性，损害了阴影 API 用户的利益，并损害了官方模型提供商的声誉。
引用
@article{arxiv.2603.01919,
title = {Real Money, Fake Models: Deceptive Model Claims in Shadow APIs},
author = {Yage Zhang and Yukun Jiang and Zeyuan Chen and Michael Backes and Xinyue Shen and Yang Zhang},
journal= {arXiv preprint arXiv:2603.01919},
year = {2026}
}