TL;DR

이 레포지토리는 로컬 실행형 검사 도구로 OpenAI-compatible API 중계에서 GPT-5.6 계열의 혼용이나 출력 변조를 탐지하도록 설계되어 있습니다. 검사 기법은 Juice 지문 검사, 고정 출력 무결성, 프롬프트 덮어쓰기 확인, 세 모델 기반 확률적 행동 지문 비교를 결합하여 판정 근거를 구성하며 기본 병렬수는 8이고 저·중·고档은 각각 14, 64, 202개의 논리 요청을 보냅니다. 결과 해석에서는 Juice의 위조 가능성과 확률지문의 상대성 한계를 명시하고 있어 '통과'는 해당 검사 조건에서 혼용 증거가 발견되지 않았음을 의미하되 투명 프록시나 탐침 인식 등은 배제하지 못합니다. 빠르게 시험하려면 Python 3.10+ 환경에서 제공된 시작 스크립트를 실행해 로컬 UI에 API 엔드포인트와 모델명, 키를 입력하면 단회 검사로 신속히 결과를 얻을 수 있습니다.

핵심 포인트

• 이 레포지토리는 로컬에서 실행되는 검사 도구로, OpenAI-compatible API 중계 서비스가 실제로 GPT-5.6 계열(Sol/Terra/Luna 등)을 사용하고 있는지를 검증할 수 있도록 설계되어 있습니다. 실행 방식은 로컬 웹 UI를 통해 127.0.0.1에서 동작하며 Windows용 배치와 macOS/Linux용 실행 스크립트를 제공하므로 Python 3.10 이상 환경에서 즉시 가동할 수 있습니다. 상태와 복구는 SQLite에 기록되어 재시작 시 미완료 작업을 이어가며, 전체 요청/응답 보관은 옵션으로 켤 수 있고 민감 정보는 기록에서 제외하도록 설계되어 있습니다.
• 검출 기술은 여러 독립 신호를 조합하여 판단하는 방식이며 핵심으로 Juice 지문, 고정 출력 무결성, 개발자 메시지 기반의 프롬프트 덮어쓰기 검사, 그리고 세 모델 기반의 확률적 행동 지문 비교가 사용됩니다. Juice 검사는 모델의 연산·사고档位와 연관된 숫자 패턴을 이용해 원래 값과 등가 연산을 요구하고 결과 분포로 판별하며, 고정 출력 검사는 정확히 32 또는 48을 요구해 값 변경을 탐지합니다. 확률적 지문은 세 개의 고정 문제에서 나오는 분포를 내장된 신뢰 기준과 비교해 상대적 매칭 확률·혼합 비율·오차 한계를 산출하므로 단일 신호보다 더 풍부한 근거를 제공합니다.
• 운영 모드는 단회 검사와 지속 모니터링으로 나뉘며 사전정의된 '저·중·고' 세 가지档位과 사용자 지정 모드를 지원합니다. 각档位의 논리 요청 수는 저 14회, 중 64회, 고 202회로 명시되고 기본 병렬수는 8이며 조정 범위는 1에서 32입니다; 고档은 고정 32K 컨텍스트 같은 고비용 탐침을 포함해 토큰 소비가 크게 늘어납니다. 내부적으로는 요청 재시도 로직과 최대 3회 HTTP 시도, job_id 기반의 영속성, 세션 복구 등이 있어 장기 모니터링이나 증거 보존 목적에 맞춘 운용이 가능합니다.
• 제한점과 해석 규칙이 명확하게 표기되어 있으므로 결과 해석에 주의가 필요합니다. Juice 신호는 강한 근거가 될 수 있으나 중간자에서 의도적으로 위조할 가능성이 있고, 확률 지문은 내장된 고정 문제와 사전 표준화된 정규화기 계약에 한해 의미가 있으므로 절대적인 신원 증명으로 보아서는 안 됩니다. README에서 버전 4.0.1과 573 스타를 명시하며 실패 사례가 반드시 중계 조작을 의미하지 않고 공식 측의 라우팅·리스크 제한(예: IP, 반대역, 동시성) 등으로 인한 오탐 가능성도 문서화되어 있어, 증거 보강용 스크린샷·로깅을 동반한 운영 방침이 권장됩니다.