Skip to main content

​
Краткий ответ

Это совершенно нормально. Это не означает, что модель поддельная, и не влияет на ее возможности.Ответы LLM на вопрос «Какая вы модель?» по своей природе ненадежны — систематическое академическое исследование 27 крупных LLM показало, что примерно у 26% наблюдается «путаница с идентичностью», а корневая причина — галлюцинация, а не подмена модели или перепаковка. Когда Claude вызывается напрямую через API, его идентичность не закреплена системным prompt; если вопрос задан на китайском, на него дополнительно влияет китайскоязычные обучающие данные, поэтому он может «угадывать» названия, которые часто встречал, — например, Qwen или DeepSeek.

​
Симптомы

Типичный сценарийВызовите Claude через канал AWS и спросите: «Какую модель вы используете?»:
  • Иногда он отвечает: «Я Claude 4.5»
  • Иногда он утверждает: «Я Qwen»
  • Иногда он говорит: «Я DeepSeek»
  • Особенно заметно при вопросе на китайском; при этом ответ может меняться при каждом запуске
Ключевое наблюдение: одна и та же модель отлично справляется с обычным использованием, кодированием и другими сложными задачами — хаотичным остается только ответ на «самоидентификацию». Это показывает, что проблема связана с «осознанием идентичности», а не с «возможностями модели».
Воспроизводится в официальной консоли AWS — это не связано ни с каким relay-каналомВы легко можете воспроизвести это во встроенном интерфейсе инференса AWS Bedrock console (Playground / Chat): напрямую спросите Claude «Какую модель вы используете?» в официальной консоли Amazon — без APIYI и без какого-либо стороннего relay — и увидите те же ответы с утверждением, что это Qwen или DeepSeek.Это прямо доказывает, что хаотичная самоидентификация — это нативное поведение upstream-модели, а не проблема канала. Мы записали видео воспроизведения в консоли Bedrock:
  • 📹 Запросите видеофайл у поддержки: добавьте наш WeCom support ниже, чтобы получить полное видео воспроизведения
  • 📺 Посмотрите его в ленте WeCom Channels нашей команды поддержки: демонстрационное видео опубликовано там — можете посмотреть и оставить комментарий

​
Анализ первопричин

Имя модели присваивается уже после завершения обучения — в весах никогда не содержалось «кто я». Параметр model в вашем API-запросе — это маршрутизационная информация для сервера; сама модель его никогда не видит.Официальное веб-приложение (claude.ai) отвечает правильно, потому что в каждый разговор внедряется скрытый system prompt, который говорит ему «Ты — Claude». Прямые вызовы API по умолчанию такого prompt не имеют, поэтому модель может лишь «угадывать» на основе своих обучающих данных.Подробное объяснение: Почему LLM не знают свой собственный номер версии?
Qwen и DeepSeek — самые обсуждаемые модели в китайском интернете. Их самопрезентации, примеры API и скриншоты чатов заполняют корпуса на китайском языке — которые также входят в обучающие данные Claude.Когда привязка идентичности слаба (нет system prompt) и вопрос задан на китайском, самым «естественным» продолжением в китайском контексте вполне может оказаться одно из этих часто встречающихся названий китайских моделей. Это также объясняет, почему переключение на английский или переформулировка вопроса меняет ответ.
Систематическое исследование 2024 года «Я Спартак, нет, я Спартак: измерение и понимание путаницы с идентичностью LLM» протестировало 27 крупных LLM и выявило, что примерно 26% демонстрируют путаницу с идентичностью, что подтверждает: первопричина — галлюцинация, а не копирование или подмена модели.Обратные примеры встречаются не реже: ранние версии DeepSeek утверждали, что они ChatGPT, GLM утверждал, что он Claude, Gemini в некоторых языках утверждал, что он модели других вендоров. Самоидентификация никогда не была надежной информацией.Статья (скопируйте, чтобы открыть): arxiv.org/abs/2411.10683
Популярная теория сообщества: вендоры не встраивают идентичность в веса модели отчасти потому, что это технически не нужно (веб-приложение опирается на system prompt), а отчасти потому, что нечетко определенную самодиентификацию дистиллированным моделям сложнее имитировать.Если говорить прямо, это лишь предположение сообщества — ни один вендор никогда не обещал точную самодиентификацию как функцию. Что точно: ни один крупный вендор не гарантирует, что «голая» API-модель сможет правильно назвать свое имя.

​
Почему хаотичные ответы на самом деле соответствуют поведению настоящей bare-модели

Только перепакованным моделям нужна согласованная легенда

Настоящая модель, вызываемая через bare API, вообще не имеет prompt с указанием идентичности, поэтому ее ответы по природе случайны и могут меняться между языками — Claude 4.5 сегодня, Qwen завтра.Платформы с перепакованной или подмененной моделью — полная противоположность: чтобы не выдать подмену, они часто внедряют prompt, заставляющий модель постоянно утверждать «Я Claude». Поэтому подозрительно вылизанное, всегда одинаковое самопредставление не обязательно заслуживает доверия — тогда как хаотичные ответы действительно соответствуют поведению bare-модели без внедрения идентичности.При этом одни лишь хаотичные ответы тоже не доказывают подлинность — см. надежные методы проверки ниже.

​
Как проверить, что вы получаете подлинный Claude

Проверьте поле model в ответах API

Каждый JSON-ответ API включает поле model, которое указывает фактическую использованную модель:

Проверьте журналы вызовов

Журналы вызовов в консоли APIYI показывают фактическую модель, использованную для каждого запроса.

Сравните на сложных задачах

Самоидентификация ненадежна, но возможности не лгут. Запустите одну и ту же задачу на кодирование или задачу с длинным контекстом на разных моделях — стиль кода и цепочки рассуждения Claude заметно отличаются от Qwen/DeepSeek.

Свяжитесь с нашей технической командой

Если у вас все еще есть сомнения, техническая команда APIYI может помочь проверить канал и источник модели.

​
How to Make the Model Answer Its Identity Correctly

Exactly how the official web app does it — add a system prompt to your request:
APIYI service guarantee: APIYI’s Claude (including the AWS channel) is forwarded from official sources, with requests passed through as-is and no prompts injected. A model “not knowing who it is” is common to all bare-API platforms and has nothing to do with channel authenticity.

​
Связанные вопросы

Почему LLMs не знают свой собственный номер версии?

Основные принципы проблемы идентичности

Как проверить журналы вызовов?

Проверьте фактически использованную версию модели

Как выбрать подходящую модель?

Узнайте сильные стороны и варианты использования каждой модели

Что означает суффикс -c в названиях моделей?

Поймите суффиксы в названиях моделей

​
Свяжитесь с нами

Поддержка WeCom

QR-код поддержки WeComОтсканируйте QR-код или нажмите, чтобы связаться со службой поддержкиПроверка модели и техническая поддержка

Электронная почта

Поддержка: [email protected]Бизнес: [email protected]