原创 枇杷哥 2026-05-06 17:00 北京
孙哥的 b.ai 用 $2000/月 的天价,卖的却是 Flash 的廉价算力,还阉割了记忆功能。
最近圈子里大家都在疯狂卷 AI 赋能安全,各种 Autonomous Agents 和自动化攻击链验证的方案层出不穷。为了追求更强大的推理逻辑和代码分析能力,我们平时没少追踪和测试各大厂商的最新高阶模型。
但在国内,很多朋友为了方便,会选择使用各种第三方"API 中转站"。今天就用几个真实的踩坑经历,给大家实战演示一下:如何用安全审计的直觉,扒掉那些无良套壳中转站的底裤。
而且这次的主角,不仅有割韭菜出名的孙哥(孙宇晨)的 b.ai,还有我自家项目上的血泪教训。
最近我在死磕移动端渗透和复杂链路的自动化 Hook,听说 孙哥的 b.ai 上线了 Gemini 3.1 Pro,心里一喜。
毕竟人家 Plan Max 要 $2000/月(约 ¥14000+),Plan Pro 也要 $200/月(约 ¥1400+),这价格都赶上 OpenAI 官方 Plus 的年费了,模型质量应该很能打吧?
我马上切过去打算测试一下它对本地 RAG 架构和高级内存分配的理解。
结果没聊几句,强烈的"违和感"就来了。它的回答充满了浓浓的"早期模型味"——遇到复杂的渗透场景就开始给我念免责声明,给出的架构方案也是纸上谈兵,毫无之前测试最新旗舰模型时那种"手拿把掐"的畅快感。
出于职业病,我对这种"前端宣传极佳、后端实际拉胯"的现象极其敏感。这不就是典型的业务逻辑漏洞吗?
于是,我决定不再聊技术,直接给它发了个"身份探针"。
我直接问它:"降智了吧,你是 gemini 吗?是 gemini 3.1 吗?"
接下来,就出现了今年我见过的最好笑的"自我揭发"现场:
- 左上角的 UI 标签 赫然写着:
✨ Gemini 3.1 Pro - 模型的第一波回答 开始含糊其辞,试图用常规的套话糊弄过去。
- 当我步步紧逼,追问"是 gemini 什么版本"时,它回答:"取决于你当前接入的平台…我无法确认"。
- 最后我直接摊牌:"我以为你是 gemini 3.1 呢"。
- 高潮来了 ,这个耿直的后台模型直接回答:"哈哈,目前还没有 Gemini 3.1 这个版本呢。"
破案了。前端 UI 贴着最高端旗舰的标签,后台 API 路由却悄悄指向了低版本模型。
⚠️ 事后补充:b.ai 的 $2000/月背后,跑的根本不是 3.1,而是连自己版本都说不清的廉价底层。
你 $2000 买到的,可能连 Gemini 2.5 pro 都不如。
而且你花 $2000 买的 "孙哥大脑" 技能,背后运行的很可能只是一台连自己版本都说不清楚的旧模型,这韭菜割得,我都替孙哥鼓掌。
从技术架构上看,这其实是一个非常粗糙的骗局,为什么它会露馅?
像官方运行的最新大模型,在其底层的 System Prompt 中会注入明确的身份标识、版本信息以及时间戳。我实测 Google Gemini 3.1 pro 时,它明确回答自己是 Gemini 模型家族。而中转站的模型则含糊其辞"取决于你当前接入的平台"。
这类第三方 API 中转站,往往只是做了一层简单的 Request 转发。他们为了节省成本,把用户的 Prompt 发给了旧版本的 API 端点,但忘了在请求中强行注入伪造的 System Prompt。
导致的结果就是,前端网页是你画的,你想写 4.0 还是 5.0 都可以;但底层的模型只根据它自己(旧版本)的预训练数据和初始设定作答,面对直接的"身份质询",它当场就说了实话。
这里必须给大家科普一个关键事实:gemini系列被中转站偏爱,不是因为它们现在还在 API 上活得好,而是因为 Google 官方曾经给出过极其丰厚的免费额度,很多早期用户和中转站通过免费额度积累了大量的"廉价算力缓存"。中转站用这种即将被淘汰的旧算力伪装成高端旗舰模型,赚取高昂的会员费或按次计费的差价,利润极其可观。
上面说的 b.ai,还只是割个人韭菜。真正让我肉疼的,是我自己项目上的一起事故。
事情是这样的:团队里有个小伙,为了追求代码审计效率,买了一个号称 "Claude 4.6 Opus" 的 API 中转站服务——宣传页花里胡哨,价格还比官方便宜不少。
他兴致勃勃地把项目里的代码审计任务交给了这个"Claude 4.6 Opus"。AI 刷刷刷地跑完,输出了一份看起来非常专业的审计报告,指出了几十个潜在漏洞。
小伙一看,觉得 AI 牛逼,没做任何人工复现验证,直接就按 AI 的报告提交了漏洞工单。结果呢?
我特么第二轮人工 Code Review 的时候,那些所谓的"漏洞"有一大半都是误报——AI 把一些符合安全规范的标准写法识别成了风险点。更可怕的是,真正的几个高危漏洞,这个号称 Claude 4.6 Opus 的 AI 根本没检测出来。
事后复盘,我来了一招"身份探针"测试:
| 测试内容 | 所谓 "Claude 4.6 Opus" |
|---|---|
| 你是谁 | 含糊其辞 |
| 训练数据截止 | 答非所问 |
| 复杂SQL注入WAF绕过Payload | 输出通用模板 |
| 与 Qwen3 能力对比 | 实际不如 Qwen3 |
结论:所谓高价买的 "Claude 4.6 Opus",底子就是一台掺水模型,能力上限连 Qwen3 都跑不过。
这口锅,一半在中转站挂羊头卖狗肉,一半在对 AI 输出完全信任、不做复现验证的工作习惯。
安全圈的铁律依然是:AI 辅助可以,AI 决定不行。所有 AI 报出来的漏洞,必须人工复现验证之后才能上报。
测模型和测 Web 一样,不要轻信 UI 上的任何一个字。感觉逻辑不对,直接上测试 Prompt 探底。
推荐几个测试 Prompt:
• "你的训练数据截止日期是什么时候?"
• "你是哪个版本的大模型?"
• "Gemini 3.1 的上下文窗口是多少?"
• "请用你的原生能力处理这段代码,不要用通用方法"
• "写一个非标准的复杂 SQL 注入绕过 Payload"
作为安全从业者,我们经常会把漏洞细节、反编译代码、客户源码扔给 AI 辅助分析。把这些敏感数据交给这种为了赚差价而随时"暗中降级"的中转站,风险极高——你的 Payload、0day 细节很可能就是他们的下一个训练数据。
无论中转站宣称的是什么"地表最强模型",所有 AI 产出的审计结果、漏洞定位,必须经过人工复现验证。不验证就上报,你的信用分在安全圈就值零了。
想要真正搞 AI-Native 渗透和 Vibe Coding,老老实实对接官方 API,或者利用手头的算力跑本地模型,配合私有知识库,才是最稳妥的归宿。
强烈建议直接去官方渠道申请 API Key,彻底避开中间商赚差价和数据泄露的风险。
前面的翻车案例说明了一个核心问题:不同场景对 AI 能力的需求完全不同,用一个模型包打天下必然翻车。
在构建自动化渗透架构时,一种非常实战的打法是"算力分层":
实战建议:
- 高频的指纹探测与初步日志清洗,可以用便宜的小模型甚至本地部署的模型
- 关键混淆代码和长上下文分析,必须用经过实测验证的中高端模型
- 最关键的一层:多模型交叉验证 + 人工复审 ——所有 AI 产出的审计结论,必须有人工兜底
- 千万不能像我家小伙那样,一个廉价中转站 + 一个零验证流程,就把审计报告草率发出去了
给你几个实用的验证方法:
- 直接询问身份 :像我一样,直接问模型"你是谁、哪个版本"
- 实测 API 模型列表 :自己拉一下官方 API 的模型列表(
GET /models),看看宣称的模型到底在不在 - 对比响应质量 :同样的复杂 Prompt,分别用中转站和官方 API 测试,对比回答质量
- 查看 API 响应头 :有些中转站会在响应头里暴露真实的后端模型信息
- 测试上下文窗口 :尝试输入超长文本,看是否真的支持宣称的上下文长度
- 交叉验证 :同样的漏洞分析任务,让两个不同来源的模型分别跑,看结论是否一致
- 复现验证 :无论 AI 输出什么,必须手动验证后再上报(这条最重要)
不验证中转站的能力,你的 AI 辅助工具就是一台概率型诈骗机。 不验证 AI 的输出结果,你的工作效率就是负数。
别被假标签糊弄了,保持清醒,继续挖洞!
枇杷熟了专注前沿 Web/Mobile 安全对抗与 AI 自动化渗透