一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型

研究员托马什·布鲁克纳通过让模型反复输出1至100的随机数，提取不同模型的回答偏好，并将其作为识别模型身份的“行为指纹”。

材料称，研究对165个模型各提问30次，观察到GPT-4o偏爱42和37，Claude Sonnet 5常输出47，Qwen3-Max的30次回答均为42。

Aioga判断，这种方法的价值在于用较简单的重复请求辅助核验API背后的模型身份，但约10.6%的错误率意味着结果不能被视为确定性证明。

该方法可能为识别API中转服务是否更换模型提供轻量级线索。值得关注的是，材料仅说明随机数回答偏好，未说明其在更多调用环境中的稳定性。 建议按材料所述约120条请求进行重复测试，并结合错误率审慎解释结果。进一步应用前，值得关注不同模型、不同时间与不同接口条件下的复现情况。