MÉTODO / ESPAÑOL · VERSIÓN 2.0
Cómo probamos un relay
Siete comprobaciones sobre cuatro protocolos, cada una reducida a PASS, WATCH, FAIL o SKIP. Cada veredicto apunta a la evidencia. La página china es la fuente de referencia.
Qué significa el grado público
A/B/C describe la disponibilidad en una ventana de 7 días: A es al menos 99% y 5 s de latencia media; B es 97% y 6,5 s; C es todo lo demás. El grado no es una nota de autenticidad, facturación o seguridad. Las fallas de detección todavía no se integran en el grado público.
Las siete comprobaciones
- Identidad del modelo — cinco sondas idénticas en chino; el ratio de tokens debe quedar dentro de la banda de la familia y agruparse con un 8% de tolerancia.
- Facturación — usage × precio oficial frente al coste devuelto; más de 15% es WATCH, más de 50% es FAIL, sin precio oficial es SKIP.
- Aguja de contexto — un control corto y una aguja a aproximadamente el 22,5% del contexto declarado (máximo 60K caracteres).
- Semántica de errores — un modelo inexistente debe devolver un 4xx con la forma oficial de OpenAI, Anthropic o Gemini.
- Parámetros — con max_tokens=16, la completion debe truncarse de verdad.
- Herramientas — una llamada forzada debe volver como tool_calls o function_call estándar. Solo protocolos OpenAI en v1.
- Streaming — SSE debe llegar en varios bloques con un primer token medible. OpenAI Chat y Anthropic en v1.
Protocolos
OpenAI Chat (/chat/completions), OpenAI Responses (/responses), Anthropic Messages (/v1/messages) y Gemini (/v1beta/models/{model}:generateContent). La cobertura varía: herramientas se omite en Anthropic y Gemini; streaming se omite en Responses y Gemini. La página de detección declara las comprobaciones omitidas en vez de contarlas como aprobadas.
Puntuación y muestras
La puntuación de disponibilidad es 0,75 × disponibilidad + 0,25 × max(0, 100 − latencia × 8). Solo ordena sitios dentro de la misma ventana. Un sitio con 500 muestras y otro con 2.000 no tienen la misma confianza; por debajo de 200 muestras decimos vigilar, no recomendado.
Límites
- No auditamos propiedad, custodia de fondos, cumplimiento de datos ni licencias.
- Una ejecución es una muestra puntual, no un monitoreo 24/7. Los resultados cambian según la hora.
- «No se encontró nada» no significa «seguro»; «se encontró algo» no significa «fraude».
- La detección consume tokens de la clave que proporcionas. La clave nunca se almacena; solo se conservan los últimos seis caracteres como huella.