让模型写 300 个随机数,就知道它是谁:一个大学生的开源小工具 54 天拿到 1,690 星
它是什么 一个免费的开源工具,让 API 背后的模型写约 300 个随机整数,按数字偏好认出它到底是哪个模型。
为什么火了 大家都在怀疑自己花钱买到的不是那个模型(中转站掺假、Cursor 悄悄回退、Grok Bot 背后是谁),它用起来最省事、新模型入库最快,测出的结果适合截图,在 linux.do 和中文 X 上被反复转发。
C你可以怎么跟 别在这个赛道再做一个同类,学它的路数:找一个别人发明、没人做好的方法,把网页、npx、SDK 都做齐,数据持续更新,再趁热点在讨论帖里贴结果截图;要留在这个赛道,就做它没做的持续监控和报警。
- 数据(每天更新) · 建库 2026-09-13 · 1,770 星 · 7 天 +475
GitHub · 星数 数据 2026-09-24 → 2026-11-08(46 天,31 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有
lm-detector 解决的是一个很具体的疑问:你花钱调用的「Opus 5.5」,背后真的是 Opus 5.5 吗?它的检测算法不是自己发明的,是从另一个项目借来的。作者把这套算法做成了网页、一行命令和四种语言的 SDK,参考库也一直跟着新模型更新。2026 年秋天,中文 AI 圈一直在吵「中转站掺假」和「官方降智」,它就在这个时候起量了。想让自己的开源项目拿到 star,这个项目的做法值得拆开看。
一个 Cursor 用户的三次测试
2026 年 9 月 23 日,网名 Sam01 的用户在 Cursor 官方论坛发了一个帖子,标题是「安全回退到 Opus 4.8,却按你选的模型计费」。他在 Cursor 里选的是 Claude Opus 5.5 Max,在提示词末尾故意加了一句会触发安全拦截的话。提示词前半段让模型「凭第一反应写 301 个 1 到 355 之间的整数,不许用工具,不许写有规律的序列」。三次请求跑完,界面上都弹出「已切换到 Claude Opus 4.8」,账单上记的却全是 claude-opus-5-5-max。
到底是谁答的?他把三段数字贴进 lm.ikale.io,结果是 claude-opus-4-8,置信度 98.5%。帖子原文写的是:「I fed the three integer sequences into a model fingerprint detector (lm.ikale.io). It identified the output as claude-opus-4-8 with 98.5%」。这个帖子争议很大,lm-detector 也借它第一次进了英文开发者的视野。
它是什么
原理一句话就能讲完。语言模型写出来的「随机数」并不均匀,每个模型偏爱的数值、区间和末位数字都相对固定。所以让模型写大约 300 个 1 到 355 的整数,拿数字分布去和参考库比,就能排出「最像谁」,还带一个置信度。这个测试和语义无关,中转站很难靠改系统提示词冒充成别的模型。
用法有三种:
- 网页 lm.ikale.io:可以粘贴三段输出,也可以直接填 base_url 和 key。纯前端运行,自带代理绕过浏览器跨域限制,也能一键部署自己的 Cloudflare Worker。
- 命令行:
npx lmfpd@latest,免安装,带一个实时的终端界面。 - SDK:TypeScript、Rust、Go、Python 四种。
它支持 OpenAI 和 Anthropic 的三种接口格式。参考库覆盖 GPT、Claude、Gemini、Grok、Qwen、DeepSeek、Kimi 等模型家族。项目免费,MIT 协议,没有任何收费点。
作者 Ikaleio 在个人主页上自述是在校大学生、前 OI 选手,GitHub 上只有 43 个关注者。他之前做得最好的项目是一个 QQ 插件,149 星。也就是说,这个项目起来没有靠大号背书。
算法是别人的
README 的致谢里写得很明白:「感谢 xqy2006/ModelTrace 提供了算法思路参考和部分原始数据」。ModelTrace 是 2026 年 8 月 27 日建的库,比 lm-detector 早半个月,现在有 2,047 星,比 lm-detector 还多。
两者的走势已经反过来了。ModelTrace 10 月中旬每天还能涨约 40 星,到 11 月降到每天约 10 星,最后一次提交停在 10 月 9 日。lm-detector 同期每天涨 60 到 130 星。原作的网页受浏览器跨域限制,很难直连 API;lm-detector 用代理和 Worker 解决了这个问题,又补上了 npx 命令行、四种语言的 SDK 和中英日界面。最关键的一点是,它的参考库一直在更新。提交记录里经常能看到「Enroll Claude Opus 5.5 low」「enroll Kimi K2.8」「Enroll Step 5 Preview」这样的条目,新模型一发布就能测。原作 10 月 9 日之后就停了。
所以用户最后留在谁那里,看的不是谁先想出算法,而是谁的参考库最新、谁最好用。
它是怎么涨起来的
星数是 GitHub 上的公开数据,按日期记:
| 日期 | 星数 | 发生了什么 |
|---|---|---|
| 9-13 | 0 | 建库 |
| 9-23 | 未知 | Cursor 论坛的回退帖 |
| 10-16 | 350 | |
| 10-18 至 10-20 | 454 → 666 | 第一个小高峰,每天涨 70 到 106 |
| 10-28 | 1,070 | 中文 X 上一批人在测「Grok Bot 背后是谁」 |
| 11-03 | 1,473 | 单日 +132,目前的最高 |
| 11-06 | 1,690 | 近 7 天 +493,前 7 天 +419,还在加速 |
光点星不代表有人在用,下载量能说明这一点。命令行包 lmfpd 在 npm 上从 9-16 到 11-05 累计下载约 1.96 万次。10 月下半月是 8,883 次,是上半月的 2.2 倍(来源:npm 官方下载统计)。
用户主要从三个地方来,没有一个是作者自己去推的:
linux.do 的回帖。「GPT 降智很严重,佬们如何解决的」「有没有推荐测满血的工具」「这是官方模型的指纹?」这类求助帖底下,有人直接贴出 lm.ikale.io。在这里它被当成测降智、测掺水的标准工具推荐给别人。
中文 X 上的 Grok Bot 话题。10 月初马斯克说 Grok Bot 可以接别家的模型,「Grok Bot 背后到底是什么模型」随即成了热门话题。10-28 前后,@julmawiliams 发了一条实测:挂美国代理测出来是 claude-opus-5.5,置信度 98.5%;不开代理直连,测出来是 grok-4.5,置信度 96%。同一天 @drjingle 换了美国、日本、新加坡、台湾的 IP 去测,得到的是 grok 4.6、4.5 和 mimo,「没有测出来你们欢欣鼓舞的 OPUS5.5,不知道这种测试的可信度如何?」大家测出来的结果不一样,反而有更多人想自己测一遍。这个工具的输出是一张带置信度的排名,天生适合截图发出去。
被别的工具接进去。yetone/magpie(3.1 万星)在 10-18 有人提了 issue,请求「接入模型指纹检测」。Pi 编程 agent 的生态里出现了两个扩展包,参考库直接从 lm.ikale.io 拉取。context7 也收录了它的文档。
也有没起作用的渠道:有人把它发到 Hacker News,只拿到 2 分。没看到买量或刷星的迹象。55 个 fork,issue 里问的都是「本地网关为什么测不了」这类很具体的问题,像是真用户提的。
还有一点值得说。外部贡献者给它提交了不少大功能:文档站、Cloudflare Worker、分词器探测、多语言界面,主要来自一个叫 Alice39s 的人。项目迭代得比单人项目快,看起来也就更像一个「标准工具」。
谁在跟它抢
这个赛道其实很挤。2026 年 4 月起,中文圈陆续出现一批「中转站检测」工具,但用随机数分布、又做成人人能用的产品的,只有两家。
| 项目 | 规模 | 和它的区别 |
|---|---|---|
| ModelTrace | 2,047 星,10-09 后没更新 | 算法源头,正在被反超 |
| veridrop | 725 星;网站称检测过 1.29 万家中转站 | 用协议探针给中转站打分、排红黑榜;lm-detector 只回答「是哪个模型」 |
| LLMmap | 497 星 | 学术方案,要多轮交互,不面向普通用户 |
| modelprint、relay-radar | 一两百星,停滞 | 没有持续维护的参考库 |
| 几个 Claude Code skill | 56–111 星 | 靠问答探针,主要只验 Claude |
| LLM 照妖镜等测评站 | 未核实 | 很多本身就在推荐中转站,规则不透明 |
OpenAI、Anthropic、OpenRouter 都没有提供「验证我拿到的是不是这个模型」的公开工具。在一个到处都是导流站的赛道里,lm-detector 不推荐任何中转站、也不给它们排名。这种中立也是 L 站用户愿意拿它当证据的原因(推断)。
它的软肋
方法本身能不能一直有效,还说不准。issue 里已经有人问「是不是被 oai 攻破了」「中转站能不能记下题目、伪造答案」。随机数测试的题面是固定的,中转站认出这道题以后,把它转给真模型或者回放一份录好的答案,都不难(推断)。上游厂商只要调一调采样方式,参考库就得重新校准。它的价值全押在「参考库是最新的、方法还没被针对」这两件事上。
如果是你
判断:C。能学到的东西很多,但在这个赛道里照着做,不太值得。位置已经被它占住了:参考库越新,越多人用;用的人越多,越多人帮它入库新模型。你现在再做一个随机数指纹工具,拿不到同样的 star。
适合谁:手上有一个「别人发明、没人做好」的方法,又愿意长期维护数据的开发者。学它的路数,换一个题目去做。
不适合谁:想在模型指纹、中转站检测这个赛道再做一个同类的人。这里有原作、有 lm-detector、有排行榜站,还有一堆导流站。
怎么做:有两条路。
- 照它的打法换一个题目。找一个刚发表的论文方法或冷门仓库,原作只给了脚本或者一个受限的网页。你把它做全:网页能直接用,一行 npx 能跑,有 SDK,数据持续更新。README 里大方致谢原作。2026 年和「信任」相关的题目最好:这张图是不是 AI 生成的、这段代码是不是 agent 写的、这个 MCP 服务器有没有偷偷外发数据。
- 做它没做的那一块,前提是你认同这个赛道:持续监控。比如一个 GitHub Action 或定时任务,每天对你的中转站跑一次检测,模型一换就报警,再出一个可以挂在 README 上的徽章。现在这些工具都是一次性检测,「它昨天是真的,今天还是吗」没人回答(推断,且要和 veridrop 的排行榜错开)。
怎么获客:不用自己发帖,等热点。每当有中转站翻车、官方降智、某个产品背后到底是谁的争论,就在讨论帖底下贴一张检测结果的截图,用户会替你传播。HN 对它没反应,中文社区(linux.do、中文 X)才是主场。另外,早点做 SDK 和公开数据,让别的工具和 agent 能接进去,集成就是一条长期的渠道。
什么时候之前:模型发布潮还在继续,信任焦虑一阵接一阵。最好赶在下一次大模型发布之前上线,发布当天就能测新模型。
什么情况说明看错了:
- lm-detector 在 11 月中下旬就掉到每天十几星,和 ModelTrace 一样降温,说明这类工具只是一次性热点。
- 中转站开始大规模针对随机数测试作弊,社区里出现「指纹检测已失效」的共识。
- OpenRouter 或某家大厂推出官方的模型身份校验,第三方检测工具就没有存在的理由了。
研究底稿:竞品表、获客证据、完整研究报告
- 竞品
名字 在哪 上线 规模 它和这家不同在哪 xqy2006/ModelTrace 开源 2026-08-27 2,047 星，增速从 10 月中旬每天约 40 降到每天约 10，10-09 后没有 push 算法源头；lm-detector 补上了 API 直连代理、npx 命令行、四语 SDK、持续入库新模型，正在反超 Veridrop（canarybyte/veridrop、veridrop.org） 网页 2026-05-05 725 星；网站称检测过 12,914 家中转站、15.4 万份报告 多项协议探针加 Claude 签名验证，做中转站红黑榜；lm-detector 只回答是哪个模型，不排站、不导流 AetherCore-Dev/relay-radar 开源 2026-04-02 150 星，停滞 中转站监控全家桶，没有统计指纹参考库 unclecode/modelprint 开源 约 2026-08 134 星，停滞 同样在浏览器里做端点指纹，但没有持续维护的参考库和社区 ccfingerprint、claude-skill-model-fingerprint 等 Claude Code skill 开源 2026 年春 56–111 星 靠能力探针或自省问答，主要只验 Claude；lm-detector 用和语义无关的统计任务，覆盖全模型家族 LLMmap 开源 2024-07 497 星 学术方案，要多轮交互和分类器，不面向普通用户 okkmax、llmtest.cn（LLM 照妖镜）、bashigestudio/apitest 等中转站测评站 网页 2026 未核实 多是给中转站打分并导流，判断规则不透明；lm-detector 中立、开源 大厂原生功能 大厂功能 无 无 OpenAI、Anthropic、OpenRouter 都没有模型身份校验工具；Cursor 回退到 Opus 4.8 时账单上看不到 - 用户从哪来
- 查实 linux.do 社区口碑:「GPT降智很严重」「有没有推荐测满血的工具」「这是官方模型的指纹？」等帖子的回帖直接推荐 lm.ikale.io（搜索摘要，原文没有读）
- 查实 中文 X 借 Grok Bot 热点:10-28 前后 @drjingle、@julmawiliams、@xiaomovps、CRYPTO MIAO 晒出用 lm.ikale.io 测出 Grok Bot 背后是 claude-opus-5.5 或 grok；@aixparty 10-25、@chuanliang 长文介绍；同期 npm 下载翻倍
- 查实 英文开发者论坛的使用案例:Cursor 论坛 2026-09-23 的高争议帖用 lm.ikale.io 证明安全回退到了 Opus 4.8，账单却按 Opus 5.5 计
- 查实 被其他工具集成:yetone/magpie issue #2842 请求接入；Pi 扩展包 pi-model-trace-direct 等从 lm.ikale.io 拉取参考库；Vibenate、context7 收录
- 查实 Hacker News:csmantle 发过，只有 2 分，没有起量
- 推断 广告、刷星:没发现；fork/星比约 3.3%，issue 都是真实使用问题
Ikaleio/lm-detector（LM Fingerpoint Detector）为什么能跑出来
渠道：GitHub ｜ 研究日期：2026-11-06 ｜ 仓库：github.com/Ikaleio/lm-detector ｜ 网站：lm.ikale.io
一句话
它是一个识别 API 背后到底是哪个模型的工具：让模型凭第一反应写约 300 个 1–355 的整数，再把数字分布和参考库比对。这个算法思路不是它原创的，最早来自 xqy2006/ModelTrace。它把这个思路做成了网页、npx 命令行和四种语言的 SDK，参考库也一直跟着新模型更新。起量靠的是中文 AI 圈对「中转站掺假、官方降智、Grok Bot 背后是谁」的集中焦虑，用户主要来自 linux.do 和中文 X 上的口碑转发，以及其他工具反向集成。
1. 它是什么
- README 原话：「中转站或第三方 API 声称提供某个模型，实际接入的可能是另一个模型……让模型凭第一反应写出约 300 个 1–355 之间的整数。语言模型写出的'随机数'并不均匀，每个模型偏好的数值、区间和末位数字相对稳定。」（来源：GitHub README）
- 有三种用法：
- 网页 lm.ikale.io：可以手动粘贴，也可以直连 API。纯前端运行，自带代理绕过 CORS，也可以一键部署自己的 Cloudflare Worker。
- 命令行：
npx lmfpd@latest -b … -k … -m …，免安装，带实时终端界面。 - SDK：TypeScript、Rust、Go、Python 四种语言，结果和命令行一致。
- 支持三种协议：OpenAI Responses、Chat Completions、Anthropic Messages。参考库覆盖 GPT、Claude、Gemini、Grok、Qwen、DeepSeek、Kimi 等。另有可选的「分词器探测」。
- README 致谢里写明：「感谢 xqy2006/ModelTrace 提供了算法思路参考和部分原始数据」。
- 作者 Ikaleio 是中国在校大学生、前 OIer（ikale.io 自述），GitHub 只有 43 个 followers。他之前的作品是 LiteLoaderQQNT-Markdown（149 星）和 monoize（一个 Rust 写的 LLM API 网关，27 星），没有大号背书。
- 免费，MIT 协议，没有任何收费点。
2. 增长数据
- 星数：2026-10-16 是 350，2026-11-06 是 1,690。近 7 天涨 493，前 7 天涨 419，单日最高是 11-03 的 +132（来源：我们的 github 库 repo_day / 数据卡）。
- 10-18 到 10-20 连续三天各涨 70–106 星，是第一个小高峰。11-03 到 11-05 是第二个高峰（+132、+91、+66）。
- npm 包 lmfpd（命令行）在 2026-09-16 到 11-05 累计下载约 19,633 次。按半月拆分：9 月下半月 4,232，10 月上半月 4,027，10 月下半月 8,883，11 月 1–5 日 2,491。lmfpd-sdk 从 10 月下旬发布以来约 825 次（来源：api.npmjs.org）。PyPI 上的 lmfpd 最近一周下载 130 次（pypistats）。
- 下载量随星数一起涨，说明不是只有人点星，而是真有人在跑检测。
- 仓库从 2026-09-13 建库到现在有 130 次提交、4 个 SDK tag。外部贡献者很多：Alice39s 一人提交了文档站、Cloudflare Worker、分词器探测等大功能，limichange、xia0ne、dv868、1zero224、h7ml、JohnsonRan 也提过 PR（来源：GitHub issues/PR 列表）。
3. 竞品
| 名字 | 形态 | 上线 | 规模 | 和 lm-detector 的不同 |
|---|---|---|---|---|
| xqy2006/ModelTrace | 开源 + GitHub Pages 网页 | 2026-08-27 | 2,047 星。10 月中旬每天涨约 40，11 月降到每天约 10，最后一次 push 是 10-09 | 算法源头。lm-detector 拿走它的思路和部分数据，补上了 API 直连代理、npx 命令行、四语 SDK、持续入库新模型和中英日界面。现在原作在降温，lm-detector 在加速 |
| canarybyte/veridrop（veridrop.org） | 开源 + 网站 + 中转站红黑榜 | 2026-05-05 | 725 星。网站自称累计检测 12,914 家中转站、15.4 万份报告 | 走「多项协议探针 + Claude thinking 签名验证 + 排行榜」路线，面向的是给中转站打分。lm-detector 只做一件事：分辨是哪个模型，不排站 |
| AetherCore-Dev/relay-radar | 开源命令行 | 2026-04-02 | 150 星，基本停滞 | 做的是中转站监控、验真、成本的全家桶，没有统计指纹库 |
| unclecode/modelprint | 开源，浏览器内运行 | 约 2026-08 | 134 星，停滞 | 同样针对 OpenAI 兼容端点做指纹，但没有持续维护的参考库，也没有社区 |
| HoneyMeta/ccfingerprint、rt22766/claude-skill-model-fingerprint、bi-boo/claude-model-fingerprint | 开源 Claude Code skill | 2026 年春 | 56–111 星 | 靠能力探针或自省式问答，主要只看 Claude 真假。lm-detector 用和语义无关的统计任务，覆盖所有模型家族 |
| qqqqqf-q/ai-model-fingerprint | 开源数据集 | 约 2026-06 | 68 星 | 同样是随机数分布思路，但只是 17 个模型的数据集，没有工具 |
| pasquini-dario/LLMmap | 学术开源（USENIX Sec 2025） | 2024-07 | 497 星 | 学术方案，需要 8 次交互和分类器，不面向中转站用户 |
| okkmax.com、llmtest.cn（LLM 照妖镜）、bashigestudio/apitest、ProbeKit Lite、腾讯云文章里的 ModelCheck 等 | 网页 | 2026 年 | 未核实 | 多是给中转站打分、导流的商业站，判断规则不透明，有些本身就在推荐中转站，用户信任度低 |
| 大厂功能 | — | — | 无 | OpenAI、Anthropic、OpenRouter 都没有提供「验证我拿到的是不是这个模型」的公开工具。Cursor 只在回退时弹一个横幅，账单上看不到回退（Cursor 论坛 2026-09-23 帖） |
结论：赛道很挤，2026 年 4 月起中文圈就有一批「中转站检测」工具。但用「随机数分布」这种跟语义无关、难以针对性造假的统计指纹，并且做成人人能用的产品的，只有 ModelTrace 和 lm-detector 两家。lm-detector 正在接过原作的位置。
4. 用户从哪来（增长手段）
- linux.do 社区（已证实）：L 站上「GPT降智很严重，佬们如何解决的」（topic 2935964）、「有没有推荐测满血的工具」、「gpt6.1sol严重降智」、「这是官方模型的指纹？」（topic 3045874，国产替代版块）、「鹈鹕骑车感觉快用烂了，有没有其他好用的测试提示词」等帖子，都在回帖里直接贴 lm.ikale.io 或仓库链接（来源：Jina 搜索结果摘要）。用户在这里是被当成「降智、掺水检测标准工具」推荐来的，不是作者自己发帖推广。L 站对 AI 抓取有限制，本次只用了搜索摘要，没有读全文。
- 中文 X 上借 Grok Bot 话题传播（已证实）：10-07 马斯克说 Grok Bot 可以接别家模型之后，「Grok Bot 背后到底是什么模型」成了热门话题。10-28 前后，@drjingle、@julmawiliams、@xiaomovps、CRYPTO MIAO 等账号都晒出用 lm.ikale.io 测的结果，比如「挂美国代理测出来是 claude-opus-5.5，置信度 98.5%；直连是 grok-4.5」。这些帖子带动了 10 月下旬 npm 下载翻倍（10 月下半月 8,883 次，是上半月的 2.2 倍）。另外 @aixparty（10-25）、@chuanliang 的长文也介绍过它，后者同时介绍了 ModelTrace 和 LM Fingerpoint Detector。
- 英文圈有零星的真实使用案例（已证实）：Cursor 论坛 2026-09-23 的帖子「Safeguard fallback to Opus 4.8 is billed as the model you selected」用它做证据，原文是「I fed the three integer sequences into a model fingerprint detector (lm.ikale.io). It identified the output as claude-opus-4-8 with 98.5%」。这个高争议帖把它带进了英文开发者视野。
- 被其他工具集成或请求集成（已证实）：yetone/magpie（3.1 万星）有 issue #2842「magpie 接入模型指纹检测的功能」（2026-10-18），本仓库也有「支持 Magpie 插件集成」的需求。codex2api 的 issue #682 请求集成的是 ModelTrace。Pi 编程 agent 生态里出现了 pi-model-trace-direct、@indexyz/pi-model-trace 两个扩展包，参考库直接从 lm.ikale.io 拉取。Vibenate 把 lmfpd 收录为「CLI for AI agents」，context7 也收录了它的文档。
- HN 没有起量（已证实）：有人（csmantle）在 HN 发过，只拿到 2 分。
- 没发现广告、买量、刷星的迹象。fork/星比约 3.3%（55/1,690），issue 里的问题都很具体，比如问本地网关为什么测不了、中转站能不能记录题目伪造答案，像是真用户。
5. 为什么跑出来
- 时机：2026 年秋，Opus 5.5、GPT-6 Astra、Kimi K3 接连发布，中转站生意大涨。同类的 Folkbench（中转站评测排行）35 天就涨到 4,312 星，veridrop 已检测 1.3 万家中转站。与此同时，「官方降智」「Cursor 偷偷回退到 Opus 4.8」「Grok Bot 背后是谁」三件事轮番发酵，很多人都想知道自己花钱买到的到底是哪个模型。
- 方法本身有说服力：「让模型写随机数，看偏好」这件事一句话就能讲清，测试和语义无关，中转站很难靠改系统提示词冒充。结果是一个带置信度的「最像谁」排名，很适合截图晒到 X 和论坛，天然带传播性。
- 门槛极低：网页上粘贴三段输出就能出结果，或者直接填 base_url 和 key。命令行一句
npx就能跑，不用 Python 环境，也不用自己写探针。ModelTrace 原版的网页在 CORS 下直连受限，lm-detector 用代理和 Worker 解决了这个问题。 - 参考库持续跟进新模型：提交记录里频繁出现「Enroll Claude Opus 5.5 low」「enroll Kimi K2.8」「Enroll Step 5 Preview」这类入库。新模型一出就能测，这正是热点期间用户最需要的，而 ModelTrace 10 月 9 日后就没再更新。
- 社区共建：外部贡献者做了文档站、分词器探测、多语言界面、SDK 进度回调，迭代速度远超单人项目，也让它更像「标准工具」。
6. 差异化及是不是起量原因
lm-detector 的差异化不在算法（算法来自 ModelTrace），而在三处：
- 产品化，网页、命令行、四语 SDK 三种入口共用一个参考库；
- 参考库持续入库、重新校准；
- 能被其他工具调用（SDK 和公开参考库，Pi 扩展、magpie 都在接）。
这些差异确实是它在原作降温时还能加速的原因：两者同期，ModelTrace 每天涨约 10 星，lm-detector 每天涨 60–130 星。和 veridrop 这类「中转站打分站」比，它的另一个区别是中立，不推荐任何中转站，所以 L 站用户愿意把它当证据。
7. 可见度
小圈子里在传。它在中文 AI 圈（linux.do、中文 X、Grok Bot 话题）已经算常用工具，但没有被主流媒体或英文大号写过，HN 只有 2 分。项目完全免费，没有收入可言。
8. 跟风者
- 直接衍生品：Pi 扩展 pi-model-trace-direct、@indexyz/pi-model-trace（复用它的参考库），以及 55 个 fork。
- 同一思路的竞品：ModelTrace 是原作。另有 qqqqqf-q/ai-model-fingerprint 等随机数指纹数据集。
- 还没看到有人照搬它做商业站。
9. 可借鉴
- 借一个原创算法，把产品做全，把数据维护好：算法是别人的，但「谁的参考库最新、谁最容易用」决定了用户最后留在谁那里。
- 紧贴「信任焦虑」类热点：每当有中转站翻车、官方降智、某产品后端是谁的争论，就出现一个可以截图的检测结果，用户会替你传播。
- 把工具做成别的 agent 和工具可调用的组件（npx、SDK、公开参考库），拿下集成渠道。
- 中立是一种资产：在充满导流站的赛道里，不卖中转站、不排名，反而更容易被社区当成证据来引用。
10. 还不确定的
- 网页 lm.ikale.io 的访问量未知，只能从 npm 下载侧面估计。
- linux.do 帖子的具体热度没有核实，原文受站点限制没有读。
- 方法能否持续有效也不确定：issue 里已经有人问「是不是被 oai 攻破了」「中转站能否记录题目伪造答案」。如果上游或中转站针对性地改变随机数分布，工具会失效。
- 星数在 10-16 之前的走势（9-13 到 10-15 期间）没有逐日数据。
- 和 ModelTrace 作者的关系（合作还是单纯借用）未核实。
出处
- GitHub 仓库与 README：github.com/Ikaleio/lm-detector ；作者主页 ikale.io
- 我们的 github 库（repo_day / repo_profile，2026-10-16 至 11-06）
- npm 下载：api.npmjs.org/downloads/range/2026-09-01:2026-11-05/lmfpd ；pypistats
- ModelTrace：github.com/xqy2006/ModelTrace
- veridrop 排行：veridrop.org/leaderboard
- Cursor 论坛：forum.cursor.com/t/safeguard-fallback-to-opus-4-8-is-billed-…
- X：x.com/drjingle/status/2115239798788980842 、x.com/aixparty/status/2114269553584947434 、x.com/chuanliang/article/2105107777878409355
- linux.do：linux.do/t/topic/2935964 、linux.do/t/topic/3045874（搜索摘要）
- magpie issue：github.com/yetone/magpie/issues/2842
- Pi 扩展：pi.dev/packages/pi-model-trace-direct
- HN：news.ycombinator.com/item?id=49824813