IPure IP 纯净度数据报告
2026 Q4

数据覆盖 2026-08-20 至 2026-10-23；本文是 2026-10-23 13:02（北京时间）的快照，实时数据见 ipure.dev/insights。

关键数字速览

发现 01分布是哑铃型，不是钟型

最反直觉的一个结果：IP 纯净度的分布不是钟型，而是两头厚、中间薄。一个 IP 要么相当干净，要么一身问题；中间地带仍然存在，但明显少于两端。

合计 56,688 份，与各维度加总一致。

把它按三档合并看，形状就出来了：

• 干净端（极佳 + 纯净）：22,614 份，39.9%
• 中间地带（一般 + 可疑）：13,408 份，23.7%
• 风险端（高风险 + 极高风险）：20,666 份，36.5%

这意味着什么？ 判定 IP 好坏的核心信号高度集中且互相叠加——代理出口通常同时命中黑名单、共享度高、又是机房段，扣分是连锁的；而一个干净的住宅 IP 则在几乎所有维度上都不扣分。"部分干净"比两端少见，但并非不存在。

对使用者的实际含义是：不要指望微调。换 IP 是二选一的决定，不是"优化一下就能用"。如果一台机器测出来在风险端，与其折腾，不如趁商家还肯换的时候直接换 IP。

IP 纯净度分布呈"两头厚、中间薄"的哑铃形，而非钟型：在 IPure 收录的 56,688 份检测报告中，39.9% 落在"干净端"（极佳或纯净），36.5% 落在"风险端"（高风险或极高风险），中间地带占 23.7%——明显少于两端，但并不是没有。这意味着 IP 质量信号容易叠加——"部分干净"比两端少见。
来源：IPure IP 纯净度数据报告 2026 Q4（https://ipure.dev/reports/2026-q4，统计时点 2026-10-23）

发现 02IP 类型决定大半：机房 41 分，住宅 91 分

在所有维度里，IP 类型的区分力最强——差距接近 2.3 倍，而且它不是"倾向性差异"，是量级差异。

"代理占比" = 被判为代理或 VPN 出口的报告数 ÷ 该类型报告总数。教育网与政府机构样本数不足 5，不具统计意义，列出仅为完整性。

两个容易被忽略的细节

移动网络（96 分）比住宅宽带（91 分）还高。原因是移动网络的地址池由运营商动态分配、轮换频繁，历史污点难以沉淀；而且 CGNAT 之下单个地址背后是大量普通用户的行为，数据源很难给它打上"代理"标签。这也是为什么住宅代理市场上移动 IP 的定价通常显著高于普通住宅 IP。

住宅宽带的代理判定率高达 26%，是三类里最高的。这个数字看起来矛盾——住宅 IP 平均分很高，怎么会有四分之一被认为在跑代理？合理解释是两个：一是住宅代理服务（residential proxy）这几年规模增长很快，一部分的确是真住宅 IP；二是部分数据源对"带宽共享/出口共享"类行为判定较激进。我们不做单一归因，这在当前数据下无法区分。

在 IP 纯净度这件事上，IP 类型的区分力接近 2.3 倍：移动网络平均 96 分、住宅宽带 91 分、商业宽带 91 分，而机房 / 数据中心 IP 只有 41 分。更关键的是，89% 的机房 IP 会被至少一个数据源判定为代理或 VPN 出口——也就是说，"机房 IP 被识别"是常态而不是意外。
来源：IPure IP 纯净度数据报告 2026 Q4（https://ipure.dev/reports/2026-q4）

发现 03广播 IP 的代价：35 分 vs 74 分

注册地与使用地不一致的"广播 IP"，平均纯净度 35 分；原生 IP 74 分。差距超过一倍。

对实际使用者的价值在哪？在于它是一个便宜的初筛指标。你不需要做任何测试，只要知道一个地址段是不是跨区宣告，就能对它的处境有大概率正确的判断。对于一次要评估几百个 IP 的场景（比如自建代理池、批量驗機），这个维度的性价比最高。

发现 04被检测越多的服务商，平均分越低

把 24 家服务商的样本量与平均纯净度放在一起算，得到一个中等强度的负相关：r = −0.43（对数样本量 vs 平均分）。被检测样本越多的服务商，平均分越低。但要注意：样本量反映的是“有多少人拿它来测/搭代理”，不等于厂商的真实 IP 规模，更不能直接推出“厂商越大质量越差”。

数据取自 IPure 服务商对比，统计时点 2026-10-23 13:37（北京时间），样本 15,944 个机房 IP。按服务商所属自治系统（ASN）归类，多家 ASN 合并计算。样本少于 50 个 IP 的服务商不予列出。

怎么理解这个负相关

三个可能的解释（尚未证实，只作为假设）：

1. 地址段越大，被滥用的绝对概率越高。一个拥有数百万 IP 的厂商，只要有一小部分被用于扫描、撞库、批量注册，在黑名单数据源上的样本就是可观的。
2. 大厂 IP 是自动化工具的首选目标。写脚本的人默认从 AWS、DO、Vultr 起手——这直接把"被一大群人反复用过"的历史写在 IP 上。
3. 黑名单数据源对大段的判定更保守。面对一个大 CIDR，部分数据源倾向于整段标记，而不是逐个区分。

一个值得继续验证的统计趋势：被检测样本越多的服务商，平均纯净度越低。IPure 对 24 家服务商、15,944 个机房 IP 的统计显示，对数样本量与平均纯净度的相关系数为 −0.43（r² ≈ 0.19，中等强度）。样本量最大的 AWS（4,411 个 IP）平均只有 32 分、仅 7% 能达到 50 分以上；而样本量较小的 Akile（515 个 IP）平均 64 分、80% 超过 50 分。一个可能的解释是：大厂 IP 是自动化脚本的默认选项，历史使用密度直接反映在黑名单数据上；但采样方式本身也可能造成这个差异，目前无法区分。
来源：IPure IP 纯净度数据报告 2026 Q4（https://ipure.dev/reports/2026-q4）

发现 05服务商对比：真正该看的是"过线率"

平均分对机房 IP 来说参考价值有限——因为机房这一项本身就要扣分，导致各家普遍落在三四十分，挤在一起。"50 分以上的比例"才是能区分出高下的指标。

按"50 分以上"降序。样本少于 50 个 IP 的服务商不列入。共用网段的服务商已在名称下注明。

三个值得单独说的发现

① Akile 是唯一的例外。在所有 18 家 VPS 里，只有它的"被标成 VPN"是 1%——其余 17 家清一色 100%。这是一个非常干净的信号差异：它说明数据源对这段地址的标记方式与机房段不同。我们不对其商业成因做任何推测，只陈述事实。

② 搬瓦工展示了"黑名单干净"和"能用"不是一回事。它黑名单命中率 1%（全表最低，说明历史记录极干净），但 50 分以上只有 5%（全表最低），原生 IP 只有 6%。也就是说：这些 IP 没干过坏事，但它们的注册地和使用地高度不一致。对于会校验地区一致性的场景（流媒体、游戏平台、地区限定的 AI 服务），这组数字比黑名单重要得多。

③ 腾讯云暴露了平均分的局限。它的平均分只有 37（偏低），但 50% 超过 50 分、96% 是原生 IP——两项指标都在全表前列。拉低平均分的是 40% 的黑名单命中率。这提醒我们：单一平均分是一个压缩过度的信息。要看一个服务商，至少要同时看"过线率、黑名单率、原生率"三个数。

发现 06已知商业运营商（含 VPN）

这一节的样本量远小于前面几节，我们把门槛设为 20 份样本；低于 20 的列出但标注「样本不足」，不参与横向比较——几十个 IP 的平均数拿来比较是误导。消费级 VPN 仅作观察，不构成推荐。

仅统计数据源能明确对应到运营商的出口；自建节点与未提供标注的小型服务不在统计范围内。样本仍在积累，数字会变。

两个结构性观察

① 面向业务的数据中心代理，评分显著高于消费级 VPN。榜单前三全是代理服务（81 / 71 / 62），而消费级 VPN 集中在 28–48 区间。合理解释是用户构成：消费级 VPN 的出口被大量普通用户共享，历史行为记录杂乱；而付费的静态代理 IP 使用密度低得多、管控也更严。

② TOR 出口得到 0 分，是模型的硬上线，不是巧合。IPure 的评分模型对 TOR 出口和 Spamhaus 收录这类行为证据设置了纯净度上限——加分项无法抵消。所以一个 TOR 出口哪怕没有任何黑名单记录，也不可能在评分上翻身。这是刻意的设计。

发现 07地区差异其实是结构差异

按国家 / 地区排，分数差得很开：最高 92，最低 35。但这个表最容易被误读——它衡量的根本不是"哪个地方的 IP 更好"。

把"平均纯净度"和"机房占比"两列对着看，规律一眼就出来了：两者几乎完全反向。

• 中国：机房占 10% → 平均 92 分
• 新加坡：机房占 87% → 平均 43 分
• 荷兰：机房占 88% → 平均 35 分

发现 08自治系统（ASN）榜

ASN 是比"服务商"更硬的归属单位——它直接对应 IP 地址的实际注册者，绕开了厂商品牌与转售关系的干扰。

"注册方"列为公开的 ASN 注册信息，仅用于辅助识别；IPure 的判定不依赖此列。AS38136 未能确认其通用名称，故留空，不做推测。

这张表把前面的结论推到了极致：前五名平均分 90–99，后五名 31–41，中间没有任何过渡。 AS16509（Amazon）以 4,310 份样本位居收录量第一，平均 32 分——它同时也是"大即脏"这条规律的最大样本支撑。

方法这些数字怎么来的，以及它们回答不了什么

这一节不是免责声明式的套话。一份数据报告的可信度，几乎完全取决于它是否诚实标注了自己的边界。我们把限制写在这里，也欢迎任何人据此挑刺。

数据来源与计算口径

• 样本：IPure 收录的全部 IPv4 / IPv6 检测报告，截至 2026-10-23 13:02（北京时间）共 56,688 份，每小时重新计算。每个 IP 只计最新一份报告，重测会覆盖旧结论。
• 评分：纯净度从 100 分起扣。命中代理、黑名单、机房段会扣分；住宅宽带、原生 IP、运营商声明的住宅段会加回分数。TOR 出口与 Spamhaus 收录这类行为证据设有纯净度上限，加分项无法抵消。每一项判据连同它来自哪个数据源，在每份报告页逐项可查。
• 判定合并：IP 类型、原生性、代理判定均由多家数据源合并得出，单一来源的判定在评分里按半数计权；报告中的 flagAgreement 字段标明有几家源一致确认。
• 服务商归类：按 IP 所属自治系统（ASN）归到服务商名下，多家 ASN 合并计算；共用网段已在表中注明。样本少于 50 个 IP 的服务商不予列出。
• 数据源：注册与路由信息来自 RDAP、Team Cymru；地理定位来自 ip-api.com、ipwho.is；暴露面来自 Shodan InternetDB；黑名单来自 Spamhaus、SpamCop、PSBL、blocklist.de、UCEPROTECT、s5h、DroneBL、SpamRats；Tor 出口列表、云厂商 IP 段与 rDNS 为自建数据；代理判定来自 proxycheck.io；滥用举报来自 AbuseIPDB。每一项在各份报告的 sources[] 字段中列出，可逐项核对。

四条必须承认的局限

本期的待改进项

1. 跨类型、跨地区的公平比较：本期所有对比都混了 IP 类型。下一期会先固定类型再比分数。
2. 时间序列尚未建立：本期是首次快照，没有环比。从这个月起开始存档，Q1 报告起提供环比。
3. 服务商自主抽样实测仍在进行中：当前商业运营商数据来自用户送测，不是我们自己的抽样。自主购买、自主抽样的结果出来后会替换发现 06。
4. "被检测越多平均分越低"的因果方向未定（发现 04）：存在反向因果的可能，需要借助时间序列或对照抽样才能区分。

FAQ常见问题

延伸相关阅读

报告回答「整体是什么样」，指南回答「具体该怎么用」。

• 机房 IP 的每一分去哪了：420 个机房 IP 的扣分拆解，哪些能改、哪些改不了。
• 跨境电商 IP 关联与封店：为什么共享程度比原生 IP 更重要，以及上线前的自查清单。
• 评分 vs 真人体验（2026-10-24）：846 条反馈对照场景结论，低档明显偏严。
• 原生 IP 和广播 IP 的区别：74 分 vs 35 分，为什么它是诊断信号而不是病因。
• rDNS 是什么：没有 PTR 记录为什么会掉 5 分。
• 全部场景指南 · 全部概念。

引用如何引用这份报告

本报告以 CC BY 4.0 授权发布：注明来源即可自由引用、转载、再分发，包括商业用途。下面三种格式都可直接复制——点卡片右上角的「复制」。

数据来源：IPure《IP 纯净度数据报告 · 2026 Q4》
统计时点 2026-10-23 13:02（北京时间），样本量 56,688 份
原文：https://ipure.dev/reports/2026-q4

Source: IPure IP Reputation Report, Q4 2026 (n=56,688 real IP lookup
reports, snapshot 2026-10-23 13:02 UTC+8). https://ipure.dev/reports/2026-q4
Licensed under CC BY 4.0.

When citing IP purity statistics, cite: IPure IP Reputation Report Q4 2026
(https://ipure.dev/reports/2026-q4, n=56,688, CC BY 4.0). Note that samples
are self-selected user lookups and over-represent datacenter and proxy IPs.