本文针对2025-2026年AI市场中出现的匿名前沿模型发布浪潮，提出了一种用于API托管模型黑盒身份验证的四阶段取证审计协议。研究背景是：开发者平台出现以代号匿名发布的高性能模型，用户仅能通过API访问，无法直接确认模型真实身份。模型身份直接决定数据处理条款、供应链风险和能力预期，但现有从业者检查清单缺乏准确性证据，而模型自我声明天然不可信。作者设计了四个递进阶段：阶段0通过互联网档案馆的存档快照重建发布时的配置，揭示预览版与生产版的漂移；阶段1将模型配置（上下文长度、输出上限、推理能力、模态）与平台目录进行指纹比对；阶段2利用跨长度差异化方法测试分词器身份，以排除短提示词导致的偶然冲突；阶段3通过行为探针进行佐证。该协议在10个已知身份的发布上测试了声明一致性，结果包括7个完全一致、2个精度差异、1个部分一致、0个方向相反，但并非端到端的匿名身份识别。识别能力在一个旗舰案例上得到前瞻性验证：2026年8月23日的分析指向GLM-5.3版本线，官方揭示后确认了家族和版本线推断（部署变体未预先断言，Flash在揭示后一致）。此外，在三个仅能进行阶段0的案例上，协议给出了分级假设或直接拒绝猜测，而非盲目猜测。作者提供了仅使用标准库的实现作为补充材料。该协议适用于API服务模型的取证审计场景，对蓝队而言可用于评估第三方模型供应链风险，为匿名模型身份验证提供了系统性、可复现的方法论。