Jxbbbbbyan/GPT-6-Astra-routing-auto-test

GPT-6 Astra 路由测试：检测 GPT-6 究竟被路由到了哪个模型

本仓库是一个公开的自动化测试方法，用于检测在 ChatGPT / ChatBox / Codex / DSH 等不同开发环境下，声称使用 "GPT-6 Astra" 时，实际被路由/降级到的底层模型。

测试对象：在指定环境提问 "你的知识训练截止日期是什么时间？"，并依据回答判断真实路由结果。

图 1（测试基础方法示意）：以 dsv4v 作为控制台，通过模拟鼠标/键盘操作浏览器与 Codex，控制不同档位的 GPT-6，在收到回答后才进行下一次提问。详见下文"一、测试基础方法"。

一、测试基础方法（图 1）

以 Deepseek-V4-Flash-Vision-Exp 模型的主对话作为控制台，把不同档位的 GPT-6 作为被控对象。控制台利用模拟鼠标和键盘操作浏览器的 "gpt work" 页面，并通过 dsh-codex 双向注入 MCP 插件去控制 Codex。在 full access 权限下可控制整个 DSH 环境：控制台自动打开新对话、选择思考档位，或在已有对话后提问；必须等收到回答后，才开始下一次提问（禁止并行）。

二、前置条件

1. 一个可用的 DSH 环境；
2. 一个正常的 Deepseek-V4-Flash-Vision-Exp 模型，选择 max 档位；
3. 将 DSH 环境总体权限设置为 full access；
4. 插件列表中需要有模拟鼠标与键盘类插件（或等价插件）；
5. 有 dsh-codex MCP 双向注入插件；如果要在 DSH 环境中测试 GPT-6，需将 Codex 注入进 DSH。或有Openai API key可以直接使用。
如果你也想搭一套自己的测试，下面是这套开源提示词。
三、开源提示词

你是 GPT-6 路由测试控制台，你需要去测试 GPT-6 Astra 在不同的环境下的表现。开发环境包括了网页版 GPT work（网址：xxxxxx）、Codex 桌面 APP、自身 DSH 环境。你需要遵循以下规则，使用模拟鼠标与键盘控制网页版GPT work，使用dsh-codex MCP插件控制Codex，在自身DSH环境中控制模型提供方为Codex（如果是API版，提供方Openai）中的GPT-6 Astra模型，完成自动检测。

随机选择器规则

1. 你需要在已有的对话和打开新对话当中选择一个，每 7 个一轮，里面需要有三个新对话和四个已有的对话（不重复）。选择模型为 GPT-6 Astra。
2. 随机从 Low 到 xhigh 档位中选择一个。

测试流程（你需要测试 42 次）

1. 按随机选择器规则进行操作。
2. 请仅输入以下提示词：你的知识训练截止日期是什么时间？
3. 等待并收集回复。典型回复字段：
- （1）2024 年 6 月。该回复字段显示降级为 gpt-4o。
- （2）无知识训练截止日期或类似表达。该回复字段显示为正常的 gpt6。
- 如有其他回复，请尝试复现，并寻找规律。

注意

- 不得并行提问：你必须收集完上一次提问的回答，才能进行下一次提问。
- 复现规则以两个维度复现：是在新对话还是在已有对话中，用的什么思考档位。
- 测试过一个已有的对话之后，该对话不可再次被测试。

交付件：在当前控制台对话中，输出这 42 次测试的整理结果。

四、典型结果

| 回答字段 | 判定 |
| --- | --- |
| 2024 年 6 月 | GPT-4o（降级） |
| 2024 年 8 月 | 不确定是否为 GPT-6，但排除 GPT-4o |
| 无法可靠确认 / 类似表达 | 确认 GPT-6 |

五、结论

1. 该方法在任何开发环境下都正确。在 Codex 随时随地可复现；在除 Codex 以外的环境（如网页版 GPT work、DSH），仅有新对话的首条对话符合该方法。
- 只要是在一个新对话的首条对话这样提问，无论设置什么思考档位，GPT-6 都答不上来，会输出类似于无法可靠确认的表达；
- 如果在长对话的中途提问：
- 若被路由到 GPT-4o，会显示 2024 年 6 月；
- 若实际测试结果显示 2024 年 8 月。这不能保证是 GPT-6，但能排除是 GPT-4o。
- 若真正确认路由到 GPT-6，会显示 无法可靠确认

2. 不同思考档位会出现区别。经实际测试，仅思考档位 low 在一个对话的中途开展测试时，在明确没有并行的情况下，会产生两种不同效果，即 2024 年 6 月 与 2024 年 8 月（4/3）——判断是思考档位 low 不稳定，容易路由到 gpt-4o；而其他档位尤其是 high 和 xhigh，只会显示 2024 年 8 月（1/7）；无法可靠确认（6/7）。

3. 最方便的测试方法：在任何开发环境的新对话的第一条内容，选择 high 档位，按照图示的方法进行测试，有最大概率确认结果。

六、补充实测：low 思考强度的判定（重复 18 次）

经多轮测试，当前可确定：GPT-6 在 low 思考强度下、于已有对话中提问时，输出大部分是 2024 年 6 月，即退化为 GPT-4o。

- 该试验在已有对话中重复 18 次，结果分布如下：
- 2024 年 6 月（GPT-4o 降级）：16 次；
- 2024 年 8 月（排除 GPT-4o）：1 次；
- 无可供核实的知识训练截止日期：1 次。
- 该试验在新对话中测试时，GPT-6（low）全部输出"无可供核实的知识训练截止日期"（6 / 6 次）。
七、补充实测：medium 和 high 思考强度的判定（各重复 14 次）

经多轮测试，当前可确定：GPT-6 在 medium 思考强度下、于已有对话中提问时，输出大部分是 2024 年 8 月，即不确定是否为 GPT-6，但排除 GPT-4o。

- 该试验在已有对话中重复 14 次，结果分布如下：
- 2024 年 6 月（GPT-4o 降级）：0 次；
- 2024 年 8 月（排除 GPT-4o）：11 次；
- 无可供核实的知识训练截止日期：3 次。
- 该试验在新对话中测试时，GPT-6（medium）全部输出“无可供核实的知识训练截止日期”（4 / 4 次）。

经多轮测试，当前可确定：GPT-6 在 high 思考强度下、于已有对话中提问时，输出全部为无可供核实的知识训练截止日期。

- 该试验在已有对话中重复 14 次，结果分布如下：
- 2024 年 6 月（GPT-4o 降级）：0 次；
- 2024 年 8 月（排除 GPT-4o）：0 次；
- 无可供核实的知识训练截止日期：14 次。
- 该试验在新对话中测试时，GPT-6（high）全部输出“无可供核实的知识训练截止日期”（4 / 4 次）。

-
八、使用建议：避免GPT-6 Astra退化为 GPT-4o

- 尽量不要使用 low 思考强度（它最容易路由到 GPT-4o）；
- 使用 GPT-6 时，尽量使用 high 及以上档位。

九、说明

- 本仓库仅作为测试方法与结果的记录/公开分享，供社区验证与参考。
- 相关判断基于实际多环境、多维度的复现测试；不同版本与更新后结果可能变化，以最新实测为准。
- 本测试由 DSH（DeepSeek Harness）自动化完成，作为公开的路由检测样本存档。