meow LLM Detector 4.5.4
GPT新基准推荐128次。 32次和64次对6.1 Sol与Astra的区分不够稳定，更容易出现证据不足。档位与验证说明
EN：https://github.com/chen-006/meow-llm-detector/blob/main/README_EN.md 通过一组短问题的回答分布，对模型行为进行比较。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。
下载与启动
- Windows 10/11、Intel/AMD 64位：选择
windows-x64-portable-zh-CN.zip，解压到新目录，运行start.bat。内置独立 Python 和依赖。 - 源码包：Windows、macOS、Linux 需 Python 3.11+。Windows运行
start.bat，macOS/Linux运行sh start.sh；启动器在本目录创建独立依赖环境，不改系统依赖。 - 默认地址为 http://127.0.0.1:8765/ 。自定义端口可用
start.bat --port 8790或sh start.sh --port 8790。 - 在线版 无需安装，但报告公开且只支持公网 HTTPS API。
第一次检测
- 选择协议，填写 API URL 和 Key，或选择已保存连接。
- 选择基准和希望验证的模型。实际请求名可手填，也可点击「获取模型」从站点列表选择。
- 选择档位，确认最多请求数，开始检测。费用由你的 API 账户承担。
- 在检测同页查看结果和历史报告；搜索支持 URL、申报模型、实际请求名。
claude-fable-5-1 这类请求名；OpenRouter 使用准确的原始别名。站点返回的模型列表只是配置便利，不证明真实模型身份。
新旧版分数参考
新版按有效回答累计证据，再以平均优势展示匹配度，减少少量样本造成的剧烈波动。强指向线也重新校准，通常更低。新版分数较低不等于识别能力变差；请结合当前强指向线看，不要直接比较新旧百分比。
用一个简化例子看刻度差异：暂时忽略两版拟合方法差别，只考虑两个候选、六个独立等权证据项，每项平均优势均为 δ。假设旧刻度将六项优势相加，约为 sigmoid(6δ)；新刻度按平均优势，约为 sigmoid(δ)。
| 平均优势 δ | 旧刻度（示意） | 新刻度（示意） | |---|---:|---:| | 0.4 | 91.68% | 59.87% | | 0.8 | 99.18% | 69.00% | | 1.2 | 99.93% | 76.85% | | 2.3 | 约99.9999% | 90.89% |
这个例子仅说明显示刻度，不是实际新旧报告的换算公式、准确率或身份概率。真实两版的拟合、次数分配、候选/家族结构和判定线也不同。详见技术说明。
更新与旧版迁移
启动时及持续运行每24小时自动检查程序与维护者基准，有更新时顶部提示。一键更新会下载校验、准备新版、等待当前任务完成、重启；启动失败时恢复旧版。旧报告与冻结任务不改用新基准。
4.5.2及以前没有自动安装器，第一次需启动新版。关闭旧后台后，可运行 start.bat --migrate-from "旧版文件夹"；macOS/Linux用 sh start.sh --migrate-from "/旧版文件夹"。只向新的 meow_runs 复制数据库与基准，原数据不删除；已有目标数据时不覆盖。跨电脑的系统凭据不会随目录迁移。
开发目录或修改过的程序不能原地自动更新：使用新目录的官方包，迁移数据或指定独立数据路径。更新出错不会授权覆盖用户源码。
数据与隐私
临时 Key 只在页面和运行任务内存中使用；刷新、关闭页面或后台重启后需重新输入。主动保存连接时，凭据仅进入系统凭据库。报告、非秘密连接配置、预算账本保存在 meow_runs。
本地 HTTP 只适合你信任的本机或局域网账号池。在线版的请求（包含 Key）经过 Cloudflare 和网站服务器处理；公开报告包含请求网址、分组和脱敏错误，不包含 Key。
检测不符不等于中转站故意替换模型，也可能与上游路由变化、服务降级或基准局限有关；本工具不能单独判定原因。社区讨论 提供经验背景，不是已证实的归因。