meow-llm-detector

一键验真，揪出冒充大模型的李鬼

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。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1387

维护状态活跃

是否开源是

定价模式 free

项目数据

分类评测安全

开发团队chen-006

所属国家

官网地址

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

定价模式free

价格说明开源免费，无在线服务

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型

GitHub 星标★ 1387

30天Star增速

HF 下载量

上线时间2026-07-29 00:00:00

最近更新2026-09-18 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数0

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）`

如何确认成功

浏览器访问 http://127.0.0.1:8765/ 能打开检测界面，并按所选端口正常响应，即启动成功。

常见问题

Q：没有 Python 环境能用吗？

A：Windows 10/11 64 位可直接下载 windows-x64-portable-zh-CN.zip 便携包，内置独立 Python 和依赖，解压后运行 start.bat 即可。

Q：怎么换成别的端口？

A：在启动命令后加 --port 参数，例如 start.bat --port 8790 或 sh start.sh --port 8790，然后访问对应端口。

Q：在线版和本地版有什么区别？

A：在线版 https://meowllm.top/ 无需安装，但报告公开，且只支持公网 HTTPS API；本地版数据留在本机。

Q：新版分数比旧版低，是识别能力变差了吗？

A：不是。新版按平均优势展示匹配度并重新校准强指向线，刻度整体更低，不要直接拿新旧百分比对比。

Q：检测结果能证明模型身份吗？

A：不能。结果只是指纹证据，不是身份认证，也不构成对服务商行为的归因，请结合强指向线综合判断。

注意事项

站点返回的模型列表只是配置便利，不证明真实模型身份。
结果是指纹证据，不是身份认证，也不是对服务商行为的归因。
正式下载以 GitHub Releases v4.5.4 为准，勿使用测试分支的临时验收包。
启动时及每 24 小时会自动检查程序与维护者基准更新，可一键更新并在失败时回滚旧版。

核心亮点

提供可扩展的检测规则集，能针对不同模型家族定制探测策略
轻量级 Python 实现，依赖少，容易嵌入现有 API 调用流程
聚焦 API 中转冒充这一真实痛点，填补了模型真实性校验的工具空白

不足之处

检测准确率依赖规则设计，面对刻意规避的伪装可能误判
项目较新，检测规则覆盖的模型种类和更新频率有待观察

适用场景

API 中转平台采购前验证模型真伪
开发者监控第三方模型服务是否被降级替换
模型评测场景中确保被测对象与声称版本一致

替代项目

llm-checker、gpt4free

项目介绍

meow-llm-detector 是一个评测安全领域的开源项目，官方简介：用于检测ai模型是否真实。项目使用 Python 开发，在 GitHub 上获得 1363 星标。

上一篇：Awesome-LLM-Compression

下一篇：LLM4Pentest