Kimi-Vendor-Verifier (Param Compliance)

概述

Kimi-Vendor-Verifier 是 Kimi K2 / K2-Thinking 部署的预检合规性检查工具。它会发送合成探测请求，验证供应商 API 是否正确拒绝不可变解码参数（temperature、top_p、presence_penalty、frequency_penalty、n）的非默认值，并接受其默认值。若供应商静默接受错误值，则可能导致模型输出质量下降，无法匹配官方 Moonshot AI 的行为。该工具改编自 Kimi-Vendor-Verifier/verify_params.py。

任务描述

任务类型：API 参数合规性探测（部署健康检查）
输入：一条最小化聊天消息，加上一个测试参数和 thinking-mode 的 extra_body
输出：供应商是否接受（HTTP 200）或拒绝（HTTP 400）该请求
数据集：完全合成 —— 无需下载外部数据集；探测请求根据 K2 规范在代码中生成

核心特性

合成探测集：每个（子集 × thinking）组合包含一个 no_param 健康探测 + 5 个默认值（应接受）探测 + 5 个错误值（应拒绝）探测
三个子集覆盖所有常见的 Kimi 部署形态：
- kimi —— 官方 Moonshot SaaS API（extra_body = {"thinking": {"type": ...}}）；开启/关闭 thinking
- opensource —— vLLM / SGLang / KTransformers 的 chat-template 钩子（extra_body = {"chat_template_kwargs": {"thinking": ...}}）；开启/关闭 thinking
- none —— 非混合模型；不发送 thinking 参数
当预期应拒绝时，HTTP 400 响应被视为成功信号
每个探测仅发送一个小型请求；总开销相比完整基准测试可忽略不计

评估说明

默认配置使用 0-shot 合成探测
指标：param_immutable_reject_rate、param_default_accept_rate、inference_error_rate
仅 HTTP 400（BadRequestError）被视为真正的参数拒绝；传输错误（5xx / 超时 / 429）不计入拒绝/接受的分母，而是通过 inference_error_rate 单独体现，避免不稳定的供应商获得“免费通行证”
正确部署的 Kimi K2 供应商应报告两个比率指标均为 1.0，且 inference_error_rate = 0；任何低于此标准的结果均表明存在参数强制执行漏洞或传输不稳定
对于非 Kimi 模型，预期 param_immutable_reject_rate = 0（无 K2 规范可强制执行），而 param_default_accept_rate = 1.0（合理默认值被接受）
可通过 dataset_args={'kimi_verifier': {'subset_list': ['kimi']}}（或 opensource / none）选择子集

属性

属性	值
基准测试名称	`kimi_verifier`
数据集ID	`kimi_verifier`
论文	N/A
标签	`Agent`, `FunctionCalling`
指标	`param_immutable_reject_rate`, `param_default_accept_rate`, `inference_error_rate`
默认Shots	0-shot
评估划分	`test`

数据统计

指标	值
总样本数	55
提示词长度（平均）	26 字符
提示词长度（最小/最大）	26 / 26 字符

各子集统计信息：

子集	样本数	提示词平均长度	提示词最小长度	提示词最大长度
`kimi`	22	26	26	26
`opensource`	22	26	26	26
`none`	11	26	26	26

样例示例

子集: kimi

{
  "input": [
    {
      "id": "03c069db",
      "content": "Say 'OK' and nothing else."
    }
  ],
  "target": "",
  "id": 0,
  "group_id": 0,
  "subset_key": "kimi",
  "metadata": {
    "think_mode": "kimi",
    "thinking": false,
    "param_name": null,
    "test_value": null,
    "expected_reject": false
  }
}

提示模板

未定义提示模板。

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets kimi_verifier \
    --limit 10  # 正式评估时请删除此行

使用 Python

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['kimi_verifier'],
    dataset_args={
        'kimi_verifier': {
            # subset_list: ['kimi', 'opensource', 'none']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)

4.5 KiB Raw Permalink Blame History Unescape Escape