中转站或第三方 API 声称提供某个模型，实际接入的可能是另一个模型。LM Fingerpoint Detector 用一个与语义无关的任务核对这一点：让模型凭第一反应写出约 300 个 1–355 之间的整数。语言模型写出的“随机数”并不均匀，每个模型偏好的数值、区间和末位数字相对稳定。检测器把这组分布与参考库比对，给出最接近的候选模型。
- 两种入口：网页支持手动粘贴和直连 API；命令行
fpd提供实时终端界面、多轮检测和 JSON 输出。 - 三种协议：OpenAI Responses、Chat Completions 和 Anthropic Messages，默认使用 SSE 流式响应。
- 参考库：覆盖 GPT、Claude、Gemini、Grok、Qwen、DeepSeek 等常见模型家族。网页的参考库页面可以只读浏览和导出。
- 分词器探测（可选，默认关闭）：在网页的 API 配置中打开“分词器探测”，或在命令行加上
--tokenizer，检测会多发约 12 个短请求，从接口返回的用量（usage）识别上游的分词器（模型把文字切成 token 的规则），并与所填模型核对。结果只作参考：排名和置信度只由数字指纹计算，也不等待探测。很多模型共用同一种分词器，所以分词器一致不能证明模型身份。 - 连接方式可选：默认经本站代理转发；也可以选“自动”（接口允许网页直接访问时由浏览器直接请求，受浏览器跨域限制（CORS）不允许时改经本站代理）、固定直连，或自己一键部署的 Cloudflare Worker。
- 可追溯的数据维护：
fpd sample、fpd enroll、fpd retrain依次完成采样、入库和离线重训。失败记录和旧尝试全部保留。
Important
检测结果是参考库内的封闭集合排序。不在库中的模型也会得到一个“最像”的候选，排名分数和置信度都不是身份证明。判断渠道是否可信时，请固定请求参数、重复多轮，并结合其他证据。
网页：打开 lm.ikale.io，选择手动或 API 模式。每条回答至少需要 80 个有效整数；三条回答都有效时，页面给出排名和每个候选的置信度。API 模式打开分词器探测后，页面还会单独显示探测结果。
命令行：无需安装，任选一种运行时：
# Node.js ≥ 22
npx lmfpd@latest -b https://api.example.com/v1 -k sk-xxx -m gpt-6-astra
# Bun ≥ 1.4.2
bunx --bun lmfpd@latest -b https://api.example.com/v1 -k sk-xxx -m gpt-6-astra本地开发：
bun install
bun run dev # 同步数据并启动 Web 开发服务器（已接入 /api/proxy）
bun run dev:docs # 启动文档开发服务器
bun run typecheck # 网页、命令行与文档的 TypeScript 类型检查
bun run build # 构建网站和文档到 web/dist
bun run build:cli # 打包 npm CLI 到 dist/fpd
bun run fpd --help # 在仓库内直接运行 CLI完整文档位于 lm.ikale.io/docs，源文件在 docs/content/docs/：
| 章节 | 内容 |
|---|---|
| 网页检测 | 取样方式、API 配置、结果解读、分词器探测、连接方式 |
| 命令行 | 检测、可选的分词器探测、采样与续采、入库与重训 |
| 原理 | 挑战与特征、排名、置信度校准、分词器探测 |
| 部署 | Cloudflare Pages、GitHub Pages、Vercel、自建 Worker 代理 |
| 参考 | 数据文件与变更记录、代理 API |
| 开发 | 项目结构、设计规范、打包与发布 |
感谢 xqy2006/ModelTrace 提供了算法思路参考和部分原始数据。