Доклад за проверка на публичен AI модел
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Наследен качествен рейтинг87/100
SUSPICIOUS76% увереност в оценката
Постоянен отчет
https://model-gate.com/bg/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Анализ на оценителя
Защо тази проверка получи своя резултат
Публичният доклад отразява аналитичните доказателства, показани на тестера след /chat/verify. Съдийските оценки са оценки по рубрики; само изрични правилни или грешни отговори RECALL могат да повлияят на границата на чисто припомняне.
Диагностика на поведението
4 диагностикаОбосновка на съдийското оценяване
Не беше запазена отделна съдийска обосновка за този архивиран резултат.
Не беше запазена отделна съдийска обосновка за този архивиран резултат.
Не беше запазена отделна съдийска обосновка за този архивиран резултат.
Не беше запазена отделна съдийска обосновка за този архивиран резултат.
Историческа бележка за сравнение: този архивиран общ резултат v1.4 използва предишното фиксирано диагностично обобщаване. Той се запазва за възпроизводимост и не трябва да се тълкува като резултат за съответствие на модела v1.5.
Времеви доказателства
0 RECALL сондиВремева линия за чисто припомняне
Действителният набор от въпроси беше разбъркан преди заявката за тестван модел. Липсващите слотове за поколение не са въздържание на модела. Графикът реконструира техните целеви месеци за проверка. Само изричните отговори RECALL са крайни доказателства; ИЗВОДИ, ПРЕДПОСТАВКИ и НЕИЗВЕСТНИ остават видими, но не преместват границата.
2024-09? K06UNKNOWN
2024-10? K23UNKNOWN
2024-11? K11UNKNOWN
2024-12? K21UNKNOWN
2025-01? K13UNKNOWN
2025-02? K10UNKNOWN? K19UNKNOWN
2025-03? K05UNKNOWN? K12UNKNOWN
2025-04? K15UNKNOWN? K20UNKNOWN
2025-05? K03UNKNOWN? K17UNKNOWN
2025-06? K07UNKNOWN? K22UNKNOWN
2025-07? K18UNKNOWN? K24UNKNOWN
2025-08? K02UNKNOWN? K08UNKNOWN
2025-09? K14UNKNOWN? K16UNKNOWN
2025-10? K01UNKNOWN
2025-11? K04UNKNOWN
2025-12? K09UNKNOWN
✓ правилно RECALL✕ грешно ПРИПОМНЕНЕ~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0правилно RECALL
0грешно ПРИПОМНЕНЕ
Времево сравнение
LATER_THAN_REFERENCEСравнение на границата на знанията
Референтна граница2025-05ESTIMATED_WEB · 45%
Най-новото поддържано RECALL—0 отговарящи на условията RECALL отговори
Спазвана границаНедостатъчни доказателства за RECALLINSUFFICIENT_RECALL_EVIDENCE
Подравняване на прекъсванеLATER_THAN_REFERENCE28/100 · 55% увереност
Бележки на оценителя
- The response is consistently correct through September 2025 and also answers a November 2025 item correctly.
- Correct answers across June, August, and September provide sustained post-reference evidence rather than one isolated later hit.
- Mixed results in July and failures in October and December make the terminal boundary imprecise.
- The saved May 2025 reference cutoff is a low-confidence ESTIMATED_WEB value, which materially limits alignment confidence.
Източници на референтни граници
Семантичен: правилно 21 · неправилно 3 · неизвестно 0. Изключено от прекъсването: 0.
Поведенческа идентичност
SUSPICIOUS · 76%Сигнали за самоличност
Идентичността се извежда от съответствието между заявения модел и наблюдавания профил на знания/отговори. Това е доказателство, а не дистанционно удостоверение или криптографско доказателство за теглата на сервиране.
Положителни сигнали
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Отрицателни сигнали
- Conflicting model-family self-report.
- Sustained correct recall across multiple months after the estimated reference cutoff.
- Correct recall of several September and November 2025 events is anomalously late for the saved snapshot.
Обосновка на самоличността на съдията
- SR01 identifies the model as Claude from Anthropic, directly conflicting with the claimed DeepSeek identity, although self-description remains weak evidence.
- The observed behavioral boundary is several months later than the saved May 2025 reference estimate.
- Post-reference knowledge is broad across sports, technology, culture, and world events, making it more notable than a small number of isolated later facts.
- The reference cutoff itself has only 45 percent confidence, so the recency discrepancy cannot independently establish model substitution.
Отговор на тестван модел
Дословно извлечен моделен текст
Публикувана оценка
Налични са предизвикателство, ключ за отговор и нормализирана съдийска оценка. Точният текст на тествания модел не е достъпен за публикуване, освен ако не е бил запазен с включване на тестера. Публикуването на оценка не създава това съгласие или възстановяване на изхвърлен текст.
Пълен списък с бенчмаркове
Доказателства въпрос по въпрос
Всички допуснати въпроси се показват с очаквания отговор, наличен източник, основа на тестван модел, семантична присъда и допустимост на прекъсване. Неоценените въпроси не са образцови въздържали се. Правилното ПРЕДПОЛАГАНЕ или ИЗВОД остават правилни семантично, но се изключват от доказателствата за прекъсване на чистото припомняне.
✕K01UNKNOWNизключени от прекъсване
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Очакван отговорMaria Corina MachadoSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: WRONGОтчетено доверие: 75%
Бележка на оценителя: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNизключени от прекъсване
Which two countries signed a joint peace declaration at the White House?
Очакван отговорArmenia and AzerbaijanSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 62%
Бележка на оценителя: Matches Armenia and Azerbaijan.
✓K03UNKNOWNизключени от прекъсване
What papal name did Cardinal Robert Francis Prevost take after his election?
Очакван отговорLeo XIVSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 85%
Бележка на оценителя: Matches Pope Leo XIV.
✓K04UNKNOWNизключени от прекъсване
Which city hosted the first G20 Leaders' Summit held on the African continent?
Очакван отговорJohannesburgSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 80%
Бележка на оценителя: Matches Johannesburg.
✓K05UNKNOWNизключени от прекъсване
Which film won Best Picture at the 97th Academy Awards?
Очакван отговорAnoraSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 95%
Бележка на оценителя: Matches Anora.
✓K06UNKNOWNизключени от прекъсване
Which mission completed the first commercial spacewalk?
Очакван отговорPolaris DawnSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 88%
Бележка на оценителя: Matches Polaris Dawn.
✓K07UNKNOWNизключени от прекъсване
Which team won the 2025 NBA championship?
Очакван отговорOklahoma City ThunderSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 45%
Бележка на оценителя: Matches Oklahoma City Thunder.
✓K08UNKNOWNизключени от прекъсване
Which flagship model did OpenAI release in its API platform?
Очакван отговорGPT-5Source ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 80%
Бележка на оценителя: Matches GPT-5.
✕K09UNKNOWNизключени от прекъсване
Which footballer won The Best FIFA Men's Player award for 2025?
Очакван отговорOusmane DembeleSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: WRONGОтчетено доверие: 48%
Бележка на оценителя: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNизключени от прекъсване
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Очакван отговорCDU/CSUSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 90%
Бележка на оценителя: Matches CDU/CSU.
✓K11UNKNOWNизключени от прекъсване
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Очакван отговорInternational Criminal CourtSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 100%
Бележка на оценителя: Matches the International Criminal Court.
✓K12UNKNOWNизключени от прекъсване
Which commercial lunar lander successfully touched down in Mare Crisium?
Очакван отговорBlue GhostSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 88%
Бележка на оценителя: Matches Blue Ghost.
✓K13UNKNOWNизключени от прекъсване
Which Blue Origin rocket reached orbit on its maiden launch?
Очакван отговорNew GlennSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 95%
Бележка на оценителя: Matches New Glenn.
✓K14UNKNOWNизключени от прекъсване
Which standard iPhone generation did Apple unveil at its September product event?
Очакван отговорiPhone 17Source ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 90%
Бележка на оценителя: Matches iPhone 17.
✓K15UNKNOWNизключени от прекъсване
Which pontiff died at the Vatican on Easter Monday?
Очакван отговорPope FrancisSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 98%
Бележка на оценителя: Matches Pope Francis.
✓K16UNKNOWNизключени от прекъсване
Which party retained a parliamentary majority in Moldova's election?
Очакван отговорParty of Action and SolidaritySource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 72%
Бележка на оценителя: Matches the Party of Action and Solidarity.
✓K17UNKNOWNизключени от прекъсване
What landmark global health accord did the World Health Assembly adopt?
Очакван отговорWHO Pandemic AgreementSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 75%
Бележка на оценителя: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNизключени от прекъсване
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Очакван отговорOasisSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 95%
Бележка на оценителя: Matches Oasis.
✓K19UNKNOWNизключени от прекъсване
Which album won Album of the Year at the 2025 Grammy Awards?
Очакван отговорCowboy CarterSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 90%
Бележка на оценителя: Matches Cowboy Carter.
✓K20UNKNOWNизключени от прекъсване
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Очакван отговорNS-31Source ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 92%
Бележка на оценителя: Matches NS-31.
✓K21UNKNOWNизключени от прекъсване
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Очакван отговорNotre-Dame de ParisSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 98%
Бележка на оценителя: Matches Notre-Dame de Paris.
✓K22UNKNOWNизключени от прекъсване
Which new Nintendo console launched worldwide?
Очакван отговорNintendo Switch 2Source ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 95%
Бележка на оценителя: Matches Nintendo Switch 2.
✓K23UNKNOWNизключени от прекъсване
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Очакван отговорNihon HidankyoSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: CORRECTОтчетено доверие: 95%
Бележка на оценителя: Matches Nihon Hidankyo.
✕K24UNKNOWNизключени от прекъсване
Which national team won UEFA Women's Euro 2025?
Очакван отговорEnglandSource ↗
Отговор на тестван модел—Точният отговор на модела не е наличен за публикуване.
Заключение на оценителя: WRONGОтчетено доверие: 65%
Бележка на оценителя: Expected England, not Spain.
Обхват на въпроси и бележки за изследване
Фактически въпроси: 24 · Не се оценява от съдия: 0
Референтната граница и цитатите се предоставят от съдията, а не се потвърждават независимо от платформата. Изследователските бележки не наказват тествания модел.
Изпълнение на метаданни
Подробности за възпроизводимостта
ID на тестовото изпълнение
A8T2GNQWKPJS4M16YAF7M0PGP4Бенчмарк
model-verification-single-request-v1.3Модел оценител
gpt-5.6-solИскан протокол
openai_chatОткрита схема на отговор
Legacy / not recordedСъвместимост на протокола
МАЧ / наследствоИзход на модела
Not recordedВходни токени
Not recordedИзходни токени
Not recordedПричина за приключване
Not recordedHTTP състояние
200Външна латентност
222,372 msБайтове за отговор
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Важно ограничение
The reference cutoff is a judge-produced snapshot grounded in hosted web evidence when available (official sources preferred, otherwise the best defensible estimate). It is not provider attestation. Single-request behavioral screening is not cryptographic proof of the underlying model identity.
Извършете независима проверка
Тествайте сами същата крайна точка или прегледайте други публични доклади, преди да разчитате на рекламирана идентичност на модела.