一些关于 openai 订阅降智,账号风控的独立测试

pwinner 2026-09-14 01:48 1

00.Background
pro20x 日区账号,日本银行信用卡支付,日本手机号,ip 和账单地址对应,另有一台机器在东京另一处地区通过远程操作,两边都是 kddi 家宽,ip 对应地区一个在 23 区一个在横滨.
开了高级安全认证,4 个 session,1 台有 codex 和网页(在横滨),1 台仅网页(在 23 区),1 台日本手机号物理在日本的手机

01.发现降智与开始时间
因为最近在做一些算法论文的复现和实验,加 highway+avx2/3 优化,涉及的东西相较于 crud 来说极端需要高质量的智能,上周五 tibo 宣布重置后使用时,对话 3 轮感觉 astra 速度变快,拒绝思考,给出的计算优化方向泛泛而谈之后立刻停手

02.确诊
通过模型指纹识别:https://xqy2006.github.io/ModelTrace/
在进行所有测试后,确认 astra sol terra 和 5.5 均路由 luna,effort 不明,5.3-spark 这个工具没指纹,但是可以确认不是 luna:

鹈鹕测试则发现了显著的质量下降

同时可以从用量分析发现,astra 和 luna 的调用次数非常接近,这是以前从未有过的,之前仅用 astra 时他会自己调用 terra luna 偶尔 sol,分布是比较可预期的,但现在所有测试体感都按照 astra 计费,提供 luna 模型

03.缓解与测试
显著出现问题的,是访问网页端带来的风控:
openai 内部有类似 10min/30min/1h/4h 的惩罚性风控,当发现问题后关闭所有客户端和网页端静置,最开始 10min 就能恢复,模型指纹能确认回到 astra,但是一旦访问了网页版 chatgpt,立刻变回 luna,同时,网页端的 6pro 目前也变得完全不可用,问什么问题都是被谨慎审视并且永远不返回任何结果,以“出错”结束.Work 调用的 astra 同样和 codex 一样是 luna

第二天,再次尝试不访问网页的前提下使用 chatgpt desktop 进行尝试,第一个鹈鹕请求被“谨慎审视”,但是结果是正确的,后续所有请求被 route 到 luna,这种情况持续了一天,并且每次正常的 astra 请求都一定会被“谨慎审视”,然后立刻被 route 到 luna

目前我仍然在用一次 astra-立刻只能使用 luna 的循环中,我没有其他可供测试的账号,没有其他设备进行干净登录,除此之外我尝试过删除.codex 文件夹重新启动和登录,依然可以稳定复现这个问题,不使用 desktop client,使用 cli 也会有这个问题

最新回复 (37)

andie 09-14 02:26

1楼

我静置账号一天后解决，暂时稳定
413420 09-14 05:32

2楼

有价值
413420 09-14 05:33

3楼

op 现在做研究，会用 fable5.1
413420 09-14 05:33

4楼

吗
layxy 09-14 09:32

5楼

我昨天使用了一天，codex 后台统计我昨天使用了
gpt-6-astra 154 次
gpt-5.6-luna 151 次
gpt=5.6-terra 8 次
问题我 codex 中一直设置的 gpt-6-astra medium,这个路由掺杂着 luna 导致我现在已经不太相信产出质量了，目前暂不清楚用户端使用显示的是 gpt-6-astra ，如果路由到 gpt-5.6-luna ，是按 gpt-6-astra 计费还是 gpt-5.6-luna 计费，这有点坑
abc0123xyz 09-14 09:40

6楼

web 端会导致风控吗？
johnbobby 09-14 10:21

7楼

DeepSeek 输出测试的，证明 DeepSeek 蒸馏 GPT 5.6 实锤了
layxy 09-14 10:32

8楼

@johnbobby 这个测试只有 13 个模型的指纹，其他模型的测试不准确
johnbobby 09-14 10:42

9楼

@layxy #8 无论输入来自什么模型，它最终都会把 100% 概率分配给这 13 个候选。

在“真实模型一定属于这 13 个候选”的前提下，分类器经过校准后给 GPT-5.6 Sol 分配了 93% 的相对概率。
pwinner 楼主 09-14 10:48

10楼

@layxy 这基本就是路由 luna 了,还收你 astra 的钱
joshryo 09-14 10:50

11楼

[img][/img]
pwinner 楼主 09-14 10:52

12楼

@413420 被封过 20x,不敢继续用了,怕是已经被打上标记了
ncik20 09-14 10:57

13楼

什么叫访问网页端带来的风控，是使用网页版 chatgpt 会使 cli 降智？
plants 09-14 11:01

14楼

A\直接封号都好过这种暗地降智
pwinner 楼主 09-14 11:01

15楼

@ncik20 我一打开网页版 chatgpt,codex 客户端立刻,下一个请求变成 luna,暂不清楚原因,使用的是 safari
111111111111 09-14 11:04

16楼

@ncik20 我猜是想表达：网页使用过程中提供了更多信息，账号的风控被加强。
也可能每天第一次使用之后被风控，如果网页使用则提前消耗掉了这一次
pwinner 楼主 09-14 11:11

17楼

@111111111111 不算准确,不是每天第一次,而是每 X 小时后的第一次是正常的
layxy 09-14 11:16

18楼

@pwinner 体感应该是即便路由到 luna 等低级模型，也是按 astra 计费的，如果按照实际路由到的 luna 模型计费，我不太可能一天使用 pro 20x 25%的周限
413420 09-14 11:28

19楼

@pwinner 架不住 fable5.1 好用啊，这你能忍住
pwinner 楼主 09-14 11:35

20楼

@413420 实际上,在极端针对计算性能优化和算法的能力上,sol 比 fable5 要强上不少,可惜我用不到 fable5.1,没法对比,但是两家对数学能力的大幅加强我认为都是不错的信号
MiracleKoi 09-14 11:36

21楼

看了下我的更离谱，被路由到 gpt 5.5 了，全程用的 astra max 。
178 轮对话
2026 年 9 月 13 日
gpt-5.5 79
gpt-6-astra 46
gpt-5.6-luna 48
gpt-5.6-terra 3
gpt-5.6-sol 2

不过指纹识别显示的是 100% gpt-6-astra 。
413420 09-14 11:37

22楼

@pwinner 数学确实，我写文本还是会用 fable5.1 ，更有人味，不过一些短篇小说的分析，astra 竟然会更有人味，所以也不能说哪一边更适合文本分析，我现在也很糊涂
pwinner 楼主 09-14 11:39

23楼

@MiracleKoi 刚起床吗?前几次可能是好的,后面就一定坏了
sentinelK 09-14 11:59

24楼

LLM 用 token 收费我一直认为是非常流氓的一种行为。相当于 LLM 厂商只外租算力，但又不对算力的产出负责。

卖铲子可以卖，也可以租铲子。但是我没见过按照铲子铲土的次数收费的。目前的卖 token ，就是按照铲子的挖土次数收费。

首先，LLM 的产出本身就是不稳定的。
其次，无论是从用户视角，还是厂商视角，都很难自证产出的实际“工艺”。
最后，铲子能不能挖出金子，除了使用者的挖土技巧以外，铲子好不好用也是关键。

所以与其于互相猜忌，不如要么就拿成果论，要么就拿工时论。
也就是走向包月或推理时长（类似员工工资），或者结果审计（类似工程外包）。
enrolls 09-14 12:03

25楼

"02.确诊" 可以走 CHAT/WORK, 然后 step by step 地测试。确实在 gpt-5.6-luna/gpt-5.6-sol 之间出现了路由。

排序候选模型家族归因概率分布相似度
1 gpt-5.6-luna GPT
90.9%
77.2%
2 gpt-5.5 GPT
8.3%
76.5%
3 gpt-5.6-sol GPT
0.6%
75.9%
4 gpt-5.6-terra GPT
0.1%
75.3%
5 gpt-6-astra GPT
0.0%
74.9%

排序候选模型家族归因概率分布相似度
1 gpt-5.6-sol GPT
82.0%
88.8%
2 gpt-5.5 GPT
17.7%
87.7%
3 gpt-5.6-luna GPT
0.2%
85.6%
4 gpt-6-astra GPT
0.1%
86.9%
5 gpt-5.4 GPT
0.0%
87.2%
sentinelK 09-14 12:09

26楼

目前 token 的计费形式就像是程序员用敲击键盘次数计费，销售按照步数计费。

相当于用户把主动权完全让渡给了厂商，厂商只有当圣人才能保住用户的体验。
pwinner 楼主 09-14 12:33

27楼

@sentinelK 反过来说,开源模型就没法干这种事情不是么,我认可你提到的售卖的是 token 而不是解决方案,但我认为这也算是过时的想法,因为对于 ai 厂商来说,售卖解决方案并不是终极目标,因为 ai 可以生成任何解决方案“自举”

LLM 的产出本身就是不稳定的,但是高智力 AI 的行为表现可预测性往往是极高的,按 token 卖本身我认为不算是个问题,因为售卖的产品是“智能”,目前只有这一个度量方式叫 token,对于敏感的人和场景来说,智能的差距是非常巨大的,可能有些人被路由了也是后知后觉,我只需要 3 轮对话就会发现问题巨大

真正的恶是挂羊头卖狗肉,我可以理解 openai 为了解决算力问题做的努力,但是隐式的这么做终究会逼走真正的用户

但是,真的有那么多人需要这么强的智能吗?
sentinelK 09-14 12:42

28楼

@pwinner "真的有那么多人需要这么强的智能吗?"

这个也是问题之一，就是其实没人能预测他的提示词到底需要什么“智能”才能实现他需要的结果。
在这种情况下，既然让用户选了，那就应该听用户的。

类似的，去年 copilot 出的 auto 就更合理。由 copilot 来选择任务需要的推理的模型，然后给用户打 9 折。
sentinelK 09-14 12:43

29楼

就是说，我认为用户和厂商的权责应该对等。目前的 token 计费的形式，对于厂商而言完全权责不对等，所有权利几乎都归于厂商，所有责任都归于用户。
lzylzylzy130 09-14 14:13

30楼

测试看到是 astra ，但是 dashboard 确实看到有相当高的 luna 调用

排序候选模型家族归因概率分布相似度
1 gpt-6-astra GPT
100.0%
79.2%
2 gpt-5.4 GPT
0.0%
77.4%
3 gpt-5.6-sol GPT
0.0%
76.9%
4 gpt-5.6-terra GPT
0.0%
76.8%
cheng6563 09-14 14:32

31楼

路由到 luna 算好的了，路由到 4o 的你就爽吧
Alexliu 09-14 14:36

32楼

Codex 的统计里面出现大量的 Luna 调用是正常的，或者说 OpenAI 还没蠢到这么暴露出模型路由

codex-auto-review 这个自动审批背后就是 gpt-5.6-luna ，如果开了<帮我批准>，会产生很大量的 gpt-5.6-luna 调用
wwwwjack 09-14 15:17

33楼

Deepseek V4 Pro 输出 99.6% cloud-sonnet-4-6 什么鬼?
senyuLight 09-14 15:29

34楼

@wwwwjack 说明 deepseek 蒸馏了，别人家的模型
shugen 09-14 15:33

35楼

今天变得太蠢了
yihy8023 09-14 16:40

36楼

补充一点帮我批准用的 AutoReview 模型是 5.6Luna
sentinelK 09-14 16:56

37楼

@wwwwjack
@johnbobby

这叫“逆概率谬误”，通缉犯脸上有道疤 ≠ 脸上有疤的都是杀人犯