GateScope 黑盒审计 10 家商用 LLM API 网关：部分平台对 gpt-5 的模型识别率低至 13.09%，o*ey 账单高出预期 62.8%
作者提出 GateScope 这一仅依赖公开 API 的轻量黑盒审计框架，从响应内容、多轮对话一致性、计费准确性和延迟特征四个维度评估 LLM API 网关，在官方端点验证中 24 个模型的平均 F1 为 0.968±0.085，随后审计 10 家商用网关，发现部分平台对 gpt-5 的模型识别率低至 13.09%、多轮记忆检查点通过率下降、o*ey 的 gpt-4o 账单高出预期 62.8%，以及 b*ie 的延迟变异系数明显偏高。