meow-llm-detector

一键验真，揪出冒充大模型的李鬼

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署评测安全 🍴 复刻 123 🐛 待处理 3 👀 关注 2

GitHub ↗

GitHub 星标 ★ 1540

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源免费，无在线服务

项目预览

meow-llm-detector 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类评测安全

开发团队chen-006

GitHubhttps://github.com/chen-006/meow-llm-detector

定价模式🏷️完全免费

价格说明开源免费，无在线服务

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

GitHub 星标★ 1540

上线时间2026-07-29 00:00:00

代码更新2026-10-03

仓库体积1.0 MB

本站数据更新2026-11-02

维护状态维护中

收录时间2026-09-16

浏览次数2

项目介绍

meow-llm-detector 是一个用 Python 编写的开源工具，专门用于检测一个 AI 模型是否真实——即判断你正在调用的模型是不是它声称的那个，还是被偷偷替换成了更便宜或更弱的模型。它解决的问题很实际：市面上不少 API 服务商或中转平台会挂羊头卖狗肉，用低配模型冒充高配模型，用户花了高价却拿到缩水结果。该项目通过设计一系列探测性问题与行为特征分析，对比目标模型与官方模型的输出差异，从而给出真实性判断。核心能力包括模型指纹识别、响应模式比对、以及可扩展的检测规则集。项目轻量、依赖少，适合开发者快速集成到自己的模型调用链路中做质量监控。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 1540

使用教程

难度：入门约 10 分钟部署方式：本地安装 8 步

环境要求

Windows 10/11（Intel/AMD 64 位）可直接使用便携包
源码包方式需 Windows、macOS 或 Linux，并安装 Python 3.11+
默认使用本机 http://127.0.0.1:8765/ 端口
需要被测模型的 API URL 和 Key（费用由你的 API 账户承担）

安装与启动步骤

1下载发行包

到 GitHub Releases v4.5.4 下载 Windows 便携包 windows-x64-portable-zh-CN.zip 或源码包；不要用测试分支的临时验收包。
2解压到新目录

把压缩包解压到一个全新的空目录再运行，避免与旧版本文件混在一起造成启动异常。
3Windows 启动

在解压目录运行 start.bat；便携包已内置独立 Python 和依赖，无需另行安装。
```
start.bat
```
4macOS/Linux 启动

源码包方式在项目根目录运行 sh start.sh；启动器会在本目录创建独立依赖环境，不改系统依赖。
```
sh start.sh
```
5自定义端口

默认端口 8765，如被占用可在启动命令后加 --port 加端口号，两种系统写法不同。
```
start.bat --port 8790
sh start.sh --port 8790
```
6填写连接信息

浏览器打开 http://127.0.0.1:8765/ ，选择协议并填写 API URL 和 Key，也可选择已保存的连接。
7开始检测

选择基准和要验证的模型，实际请求名可手填或点「获取模型」从站点列表选，再选档位并确认最多请求数。
8查看结果

在同一页查看本次结果和历史报告，搜索支持按 URL、申报模型、实际请求名查找。

关键配置

配置项	必填	说明	示例
`协议`	是	选择被测站点使用的协议类型	`（按站点实际选择）`
`API URL`	是	被测模型的接口地址，用于发起探测请求	`https://api.example.com/v1`
`API Key`	是	调用被测接口所需的密钥，检测费用由该账户承担	`sk-xxxxxxxx`
`实际请求名`	否	希望验证的模型请求名，可从站点模型列表选择	`claude-fable-5-1`
`--port`	否	启动参数，指定本地服务端口，默认 8765	`8790`
`最多请求数`	否	本次检测的请求上限，确认后再开始检测	`（按界面提示设置）`