鹊桥 API用大模型 API 中转站，大家最担心的一件事是“降智”：同样叫这个模型名，回答却明显变笨、变短，或者推理强度调了也没用。所谓满血，就是你调用的确实是官方原版模型，各项能力都和官方一致，没有被偷偷打折。
这篇文章不讲空话，只讲你自己就能做的检查方法。每个方法我们都在本站接口上实际跑过，数据贴在文中，你可以拿去对照任何一家中转站，包括我们自己。
- 推理强度有没有生效：同一道题，调高推理强度，推理 token 应该明显变多，答案也更可靠。
- 有标准答案的难题：几道答案唯一的计算、逻辑题，多问几次，看答对率。
- 长文本找暗号：把一句暗号藏进很长的文字里，看模型能不能准确找出来。
- 计费明细：每次调用用了哪个模型、多少 token、扣了多少钱，应该都能查到，并且和公布的价格对得上。
“满血”到底指什么
不同人说“满血”时意思略有不同，我们认为至少包括这几点：
- 官方原版模型：请求真的送到你指定的那个模型，而不是被换成更便宜的小模型。
- 推理强度真的生效：推理模型一般有 low 到 high 甚至更高的档位，档位越高思考越充分。有的渠道会把高档位悄悄降成低档位。
- 完整的上下文：模型能读多长的输入，就让它读多长，不在中间偷偷截断。
- 能力齐全：流式输出、函数调用（tools）、图片输入这些官方支持的能力，都能正常用。
- 计费透明：用了多少就按公布的价格扣多少，失败的请求不扣费，每一笔都能查。
“降智”通常就是上面某一点被打了折扣。下面的方法就是逐项检查。
方法一：看推理强度有没有生效
推理模型在回答前会先“思考”，思考用掉的 token 叫推理 token（reasoning tokens）。接口返回的用量里会单独列出这个数。同一道题，把推理强度从 low 调到 high，推理 token 应该明显增加；如果不管怎么调都一样，或者一直是 0，就要警惕了。
用 curl 就能测（把 sk-你的密钥 换成你自己的，接口地址换成你要测的中转站）：
curl https://queqiaoapi.com/v1/responses \
-H "Authorization: Bearer sk-你的密钥" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-6.1-sol","reasoning":{"effort":"high"},"input":"一个三位数，各位数字之和为 14，把它的百位和个位对调后得到的新数比原数小 198。这样的三位数有几个？只回答一个数字。"}'
返回结果里找 usage.output_tokens_details.reasoning_tokens，就是这次的推理 token 数。把 "effort":"high" 换成 "low" 再跑一次，对比两次的数字和答案。
下面是我们用这道题在本站实测的结果（正确答案是 5）：
| 模型 | 推理强度 | 推理 token | 回答 |
|---|---|---|---|
| gpt-6.1-sol | low | 0 | 2（错） |
| gpt-6.1-sol | medium | 141 | 5（对） |
| gpt-6.1-sol | high | 149 | 5（对） |
| gpt-6.1-sol | xhigh | 193 | 5（对） |
| gpt-5.6-terra | low | 0 | 4（错） |
| gpt-5.6-terra | medium | 133 | 5（对） |
| gpt-5.6-terra | high | 153 | 5（对） |
| gpt-5.6-terra | xhigh | 171 | 5（对） |
可以看到：low 档几乎不思考，这道题就答错了；从 medium 开始，模型会花一百多个推理 token 想清楚，答案就对了，档位越高想得越多。推理强度生效的样子就是这样。同一道题每次的推理 token 会有些上下浮动（比如另一次 high 档我们测到 66），看的是趋势和对错，不必纠结具体数字。
方法二：用有标准答案的难题
小模型和打了折扣的模型，最容易在“需要一步步算”的题上出错。挑几道答案唯一的题，每题多问几次，看答对率。比如：
- 计算 123456789 × 987654321（正确答案 121932631112635269）
- 1 到 2026 中，能被 7 整除、但既不能被 3 也不能被 5 整除的数有几个（正确答案 155）
- 2 的 100 次方除以 37 的余数（正确答案 12）
我们在本站用 gpt-6.1-sol、推理强度 high 测试，前两题分别答出 121932631112635269 和 155，都对。
判断时别只问一次：满血模型偶尔也会失误，但多问几次，答对率应该稳定地高；如果同一个模型在一家中转站总是答错、在另一家总是答对，差别就很说明问题。
方法三：长文本找暗号
这个方法检查上下文有没有被截断。做法很简单：准备一大段文字，在中间某个位置插一句“暗号是：××××”，最后问模型暗号是什么。如果中转站偷偷截掉了一部分输入，模型就找不到。
我们实测：生成了一段约 12.7 万字的文字（接口统计为 96,054 个输入 token），把暗号“青鸾-7342”藏在 70% 的位置，用 gpt-5.6-terra 提问，17.8 秒后准确回答了“青鸾-7342”。按本站价格，这次测试的输入费用大约 9 分钱。
想测得更狠，可以把文字加长、把暗号放到开头、中间、结尾不同位置多测几次。本站 GPT 模型的上下文最长 87.2 万 token，我们实测单次 86.6 万 token 的请求能正常返回，超过 27.2 万 token 的请求按长上下文价格计费；Claude 模型我们实测约 24.7 万 token 的输入也能正常返回。测之前先看一眼价格页。
方法四：看计费明细
靠谱的中转站，每一次调用都能在后台查到：用的哪个模型、输入多少 token（其中多少命中缓存）、输出多少 token、扣了多少钱。拿这些数和公布的单价算一算，应该对得上。
在鹊桥 API，登录控制台打开“使用日志”就能看到每一笔；价格页公开了每个模型的输入、缓存命中、输出单价和长上下文价格；请求失败不扣费。
鹊桥 API 是怎么做的
上面这些方法，我们自己也一直在用：
- 定时体检：每 3 小时用一套固定的标准答案题，分别检查每一条上游线路（GPT 和 Claude 都测），比较答对率和推理 token；哪条线路明显偏离，就会被标出来并人工处理。
- 推理强度全开：GPT 模型的 low、medium、high、xhigh、max 五档逐个实测可用。
- 能力齐全：现有模型都实测支持流式输出、函数调用（tools）和图片输入。
- 计费透明：价格页公开全部单价；同一会话固定走同一条线路，命中缓存的输入按输入价的 2.5%～10% 计费（各模型不同，见价格页）；失败不扣费；每笔都能在使用日志里查。
目前上线的是 OpenAI GPT 系列 6 款模型和 Anthropic Claude 系列（Kiro、MAX 两个分组），兼容 OpenAI 接口（Chat Completions 和 Responses）和 Anthropic 接口（Messages），国内直连，支持 Codex、Claude Code、Cherry Studio 等工具，以后会陆续接入更多模型。支付宝充值，通常十几秒内自动到账，10 元起充。
最好的办法还是自己测：注册后充一点钱，用上面的方法跑一遍，满不满血，数据说了算。
想直接上手：Codex 国内怎么用、Claude Code 国内怎么用，两篇教程都附了实测数据。