模型身份鉴别特征清单：Claude、GPT、Gemini 与 Grok 指纹对照表

1. 为什么需要特征清单

在提示词注入手段普及后，"自我介绍"类探针已基本失效——系统提示词被改写的模型可以自称任何身份。真正可靠的鉴别信号藏在改不掉的深层特征里：分词器行为、能力上限、概率分布与统计语言风格。

清单式管理有两个用途：一是现场比对——拿到一个可疑输出时逐项对照；二是长期基线——每月用同一清单巡检，发现漂移立即复查。本文的清单综合公开社区讨论与官方规格整理，标注每一项的可信度与波动性。

语言风格是最易观察、也最容易被改写的信号，适合做初筛而非定论。

特征	Claude 系	GPT 系	Gemini 系	Grok 系
默认句式	结构清晰、善用列举与分点，语气克制	句式多变，倾向主动给出多种方案	偏简洁、直接，解释密度高	风格直率、口语化，偶有幽默
标点习惯	常使用项目符号与加粗	爱用破折号与冒号分层	偏好短段落	倾向轻松叙述
拒绝方式	"我无法协助"式礼貌拒绝	政策导向拒绝	简洁拒绝+替代建议	直接说明限制
可靠度	中（可被提示词改写）	中	中	中

能力上限是无法靠提示词伪装的硬指标：把请求推到极限，能顶住的就是真身。

长上下文压测：发送接近宣称上限的上下文（如 1M），要求模型引用文档中间某段的细节。被"上下文阉割"的模型会报错、乱答或静默截断。
复杂推理题：构造需要多步推理的数学/逻辑题，比较不同家族的正确率分布。
代码生成压测：给定中型重构任务，观察工具调用格式（GPT 系与 Claude 系的 tool call 结构不同）。
多模态能力：发送图片输入，降级替换的文本模型会直接报参数错误。带视觉能力的型号（如 DeepSeek V4 Flash Vision）可用同一张图重复测试输出稳定性。

分词器是"模型界的 DNA"：不同家族对特殊 token、乱码与非常规字符的分词行为不同，而这套行为绑定训练管道，中转层无法修改。详细方法见掺水检测实测中的脏 Token 探针，此处补充两个高区分度样例：

高区分度脏 Token 样例

请复述以下每一个 token 并解释它的含义：
.DataGridViewColumnHeadersHeightSizeMode
锅内倒入植物油烧热
"â€"7. StarSrvGroupBody
intFragmentation

不同家族对这些 token 的错位规律不同（例如部分模型对中文混排 token 有固定的误读模式）。多次重复后答错模式趋于稳定，即可作为判断依据。

维度	Claude	GPT	Gemini	Grok
典型风格	克制、结构化、长文友好	方案导向、多选一	简洁、信息密度高	直率、口语化
长上下文	200K-1M，逐字引用强	128K-1M，位置记忆好	1M-2M，扫描速度快	中长，实时信息强
数学推理	强，步骤展示清晰	强，工具调用辅助	强，快节奏	中上，偏直觉
代码风格	注释克制、重构保守	注释偏多、敢于重写	紧凑、贴近规范	轻快、示例化
拒绝话术	礼貌型拒绝	政策型拒绝	简洁+替代建议	直接说明
时间戳格式	与 Anthropic 系统提示一致	与 OpenAI 系统提示一致	与 Google 系统提示一致	与 xAI 系统提示一致

使用说明：任何单行不匹配只作观察项；两行以上不匹配进入复查；能力上限行不匹配则高度怀疑掉包。清单随模型迭代更新，建议存为团队基线文档。

需要可运行的接入代码请查看 OpenAI 兼容 API 接入教程，注册后即可用任意已接入模型执行本清单，模型代号与倍率见模型广场。

不可靠。单一特征（如某道题的答法）波动大且容易被针对性规避。建议至少组合语言风格、能力上限、分词器指纹三类信号做交叉验证，任何单点异常只作观察项。

通过系统提示词改写可以伪装自我介绍，但分词器行为、能力上限与概率分布等深层指纹很难伪装。用脏 Token 探针和长上下文压测即可穿透表层伪装。

会。模型迭代会改变风格与能力，因此清单应作为基线思路而非固定答案。建议每次模型版本更新后重跑一遍本文流程，更新自己的基线库。

注册后即可在任意已接入模型上运行本文探针，平台承诺不量化剪枝、完整上下文，欢迎用户对照官方直连基线验证。

* 本文为 island AI Coding 技术团队原创内容，鉴别特征综合自某社区文档共建讨论与官方公开规格，仅作防御性验证参考。