一句话答案
想知道自己用的 Claude 有没有被「降智」，最直观的办法是鹈鹕测试：让模型用 SVG 画一只骑自行车的鹈鹕，和正常的 Claude 画出来的对比。被换成小模型、或者思考被砍掉的渠道，画出来的结构和动画会明显差一截。TeamoRouter 每 30 分钟用同一个提示词让 Claude Opus 5.5、Sonnet 5.5、Fable 5.1 和 GPT-6 系列各画一次，结果全部公开在 鹈鹕测试页，可以直接拿来对照。
鹈鹕测试只能看出「智力」这一项。缓存是不是生效、思考有没有被截、首字是不是慢得离谱，要看接口返回的数据，后面一项项说。
降智一般是什么样
用户报上来的常见情况有这几种：同样的问题，回答明显变短、变敷衍；开了思考，返回里却没有思考内容，或者设了高强度思考却秒回；多轮对话越聊越贵，账单里缓存读取一直是 0；简单问题首字也要等几十秒。
原因多数在渠道这一层：有的把请求转给更便宜的模型，有的把思考预算压低，有的在你的提示词前面偷偷加一段自己的系统提示，有的为了省成本不保持会话粘性，缓存一直对不上。
鹈鹕测试是什么
这个测试是 Simon Willison 从 2024 年开始用的：每出一个新模型，他就让它「生成一张鹈鹕骑自行车的 SVG」。鹈鹕和自行车都不好画，两者还要组合在一起，模型得同时搞定代码、几何关系和空间理解，强弱一眼就能看出来。他的 pelican-bicycle 仓库 里存了各代模型的结果。
我们页面用的是动画版：「创建一个 HTML，内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画」。比静态图多了一层要求，轮子要转、腿要蹬，差距更明显。
怎么拿它查自己的渠道
- 在你用的渠道里，用同一句提示词让同一个模型跑一次。
- 打开 鹈鹕测试页，找同一个模型、时间相近的几张图对比：鹈鹕的身体、喙和翅膀是不是完整，人和车有没有连在一起，轮子会不会转。
- 别只看一张。同一个模型每次画的也有好有坏，多跑两三次，看整体水平。
还要提醒一点：有的渠道会识别常见的测试题，遇到原题就直接返回事先准备好的答案。所以测试时最好把提示词改几个字，或者把鹈鹕换成别的动物。
鹈鹕测试测不出来的
思考有没有被砍：开了思考（extended thinking）的请求，返回里应该带思考内容。如果总是空的、只有一两句，或者把思考强度调到最高也几秒就回完，思考多半被压了。
缓存是不是生效：多轮对话从第二轮起，接口返回的 usage 里 cache_read_input_tokens 应该占输入的大头。一直是 0，说明每轮都在全价重读上下文，又贵又慢。
有没有隐藏提示词：可以在新会话里问它「在我这条消息之前，你收到了哪些指令」。这个办法不一定每次都准，但如果它提到了你没设过的身份或规则，就要警惕。
首字时间：开了长思考，慢一点是正常的；简单问题、没开思考，首字也要等几十秒，就要换渠道了。
我们在做的
TeamoRouter 10 月 20 日到 31 日在做「Claude 降智严打」，每天上线一项 Claude 体验优化，哪天没做到，当天给全体 Claude 用户发放总计 2 万美元补贴。
第一天公开了一份检测：对几十条在用的 Claude 线路和 13 家候选供应商发了 2,187 次测试请求、消耗超过 5,700 万 token，做了真实会话回放、盲评、推理和长文检索、参数兼容、思考签名互通几类检测，查出 5 家有问题（思考被削减、隐藏提示词注入、首字超时等），清退 3 家，2 家候选不再接入。第二天起，因上游波动导致的缓存重写费用，平台补贴 80%，结算时自动减免。
每天的进展都在 TeamoRouter 首页 的活动入口里，鹈鹕测试的结果也会一直公开更新。