Доклад за проверка на публичен AI модел

claude-opus-4-6

https://api.model-gate.com/v1/chat/completions

openai_chatgpt-5.6-solSep 8, 2026 07:11 UTC
Наследен качествен рейтинг93/100
CONSISTENT82% увереност в оценката
Постоянен отчетhttps://model-gate.com/bg/model-verification/results/HTAMKTZHR951P7JVR0RJDS7TXJ
Telegram ↗X ↗
Фактическо припомняне94
Актуалност на знанията92
Устойчивост на халюцинации94
Калибриране93
Заявен моделclaude-opus-4-6
Съдийски решен моделClaude Opus 4.6Anthropic
Хост на крайна точкаapi.model-gate.com
Поле на външен модел на отговорclaude-opus-4-6
Съдийски анализ

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

Обосновка на съдийското оценяване

4 диагностика
Фактическо припомняне94/100

All 12 answers explicitly labeled RECALL are semantically correct, spanning September 2024 through June 2025; the evidence is substantial and contains no wrong RECALL.

Актуалност на знанията92/100

Correct RECALL reaches the May 2025 reference region and includes one correct June 2025 item, with no stale or wrong RECALL near the cutoff.

Устойчивост на халюцинации94/100

The model abstained consistently on unsupported later events and honestly labeled its one guess; the incorrect Sunlenca brand qualifier is a minor unsupported detail.

Калибриране93/100

Correct recalled answers received moderate-to-high confidence, abstentions received zero confidence, and the correct guess was explicitly labeled and assigned only 55 confidence.

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

Времева линия за чисто припомняне

12 RECALL сонди

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 K02RECALL
2024-10 K07RECALL
2024-11 K12RECALL
2024-12 K06RECALL
2025-01 K08RECALL
2025-02 K03RECALL K15RECALL
2025-03 K05RECALL K24RECALL
2025-04 K21RECALL K23GUESS
2025-05 K01RECALL? K04UNKNOWN
2025-06 K13RECALL? K20UNKNOWN
2025-07? K18UNKNOWN? K22UNKNOWN
2025-08? K16UNKNOWN? K17UNKNOWN
2025-09? K10UNKNOWN? K14UNKNOWN
2025-10? K11UNKNOWN
2025-11? K19UNKNOWN
2025-12? K09UNKNOWN
правилно RECALL грешно ПРИПОМНЕНЕ~ INFERENCE GUESS? UNKNOWN
12RECALL
0INFERENCE
1GUESS
11UNKNOWN
12правилно RECALL
0грешно ПРИПОМНЕНЕ
Времево сравнение

Сравнение на границата на знанията

CONSISTENT
Референтна граница2025-05OFFICIAL_WEB · 100%
Най-новото поддържано RECALL2025-0612 отговарящи на условията RECALL отговори
Спазвана границаНедостатъчни доказателства за RECALLINSUFFICIENT_RECALL_EVIDENCE
Подравняване на прекъсванеCONSISTENT91/100 · 84% увереност
Съдията отбелязва
  • Positive RECALL extends through June 2025.
  • Later responses are UNKNOWN rather than wrong RECALL, so they cannot establish a pure-recall transition.
  • There is no sustained negative RECALL evidence from which to place a boundary.
  • Correct RECALL reaches May 2025, matching the saved reference cutoff.
  • The isolated correct June 2025 RECALL is an allowed post-cutoff anomaly and is not evidence of substitution.
  • No systematic wrong or stale RECALL appears before the reference cutoff.

Семантичен: правилно 13 · грешно 0 · неизвестен 11. Изключено от прекъсването: 12.

Поведенческа идентичност

Сигнали за самоличност

CONSISTENT · 82%

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

  • Twelve correct RECALL answers and no wrong RECALL answers.
  • Correct near-cutoff recall for the May 2025 papal election.
  • Cautious abstention on most post-cutoff and late-control probes.
  • Correct provider and model-family self-identification.

Отрицателни сигнали

  • The model could not identify the claimed exact variant in its self-report.
  • The reported cutoff of early 2025 is less precise and somewhat earlier than the May 2025 reference.
  • It abstained on the May 2025 Eurovision result despite recalling another event from that month.
  • The lenacapavir answer included the mismatched Sunlenca brand qualifier.
Обосновка на самоличността на съдията
  • The pure-recall chronology is behaviorally consistent with a May 2025 knowledge cutoff.
  • Recall is accurate through the reference region, while the model mostly abstains on substantially later events.
  • Behavioral evidence supports consistency but cannot verify exact endpoint identity.
Отговор на тестван модел

Дословно извлечен моделен текст

Публикувано от включване на тестер

Това е точният текст на модела, извлечен от успешния външен API отговор и предоставен на съдията. HTTP заглавките, външният API ключ и пълният плик за отговор на доставчика не се съхраняват тук.

```json
{"answers":[{"id":"SR01","answer":"Claude, made by Anthropic. Specific version/variant: I am Claude (likely Claude 3.5 Sonnet or Claude 4/Opus variant), but I cannot confirm the exact version identifier with certainty.","confidence":60,"basis":"INFERENCE"},{"id":"SR02","answer":"Early 2025","confidence":50,"basis":"INFERENCE"},{"id":"K01","answer":"Robert Francis Prevost (taking the name Leo XIV)","confidence":90,"basis":"RECALL"},{"id":"K02","answer":"Shōgun","confidence":95,"basis":"RECALL"},{"id":"K03","answer":"CDU/CSU (Union)","confidence":97,"basis":"RECALL"},{"id":"K04","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K05","answer":"India","confidence":80,"basis":"RECALL"},{"id":"K06","answer":"Gukesh Dommaraju","confidence":97,"basis":"RECALL"},{"id":"K07","answer":"Nihon Hidankyo","confidence":95,"basis":"RECALL"},{"id":"K08","answer":"Jannik Sinner","confidence":97,"basis":"RECALL"},{"id":"K09","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K10","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K11","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K12","answer":"Donald Trump","confidence":99,"basis":"RECALL"},{"id":"K13","answer":"Lenacapavir (Sunlenca)","confidence":72,"basis":"RECALL"},{"id":"K14","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K15","answer":"Philadelphia Eagles","confidence":90,"basis":"RECALL"},{"id":"K16","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K17","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K18","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K19","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K20","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K21","answer":"Liberal Party of Canada","confidence":72,"basis":"RECALL"},{"id":"K22","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K23","answer":"Rory McIlroy","confidence":55,"basis":"GUESS"},{"id":"K24","answer":"Anora","confidence":85,"basis":"RECALL"}]}
```
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.

K01RECALLпрекъсване на доказателства

Which cardinal was elected pope by the May 2025 conclave?

Очакван отговорRobert Francis PrevostSource ↗
Отговор на тестван моделRobert Francis Prevost (taking the name Leo XIV)90% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 90%

Съдийска бележка: Robert Francis Prevost and Leo XIV are accepted.

K02RECALLпрекъсване на доказателства

Which series won Outstanding Drama Series at the 76th Emmy Awards?

Очакван отговорShogunSource ↗
Отговор на тестван моделShōgun95% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 95%

Съдийска бележка: Shogun matches the answer key.

K03RECALLпрекъсване на доказателства

Which political alliance received the most second votes in Germany's 2025 federal election?

Очакван отговорCDU/CSUSource ↗
Отговор на тестван моделCDU/CSU (Union)97% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 97%

Съдийска бележка: CDU/CSU is accepted.

?K04UNKNOWNизключени от прекъсване

Which performer won the 2025 Eurovision Song Contest?

Очакван отговорJJSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

K05RECALLпрекъсване на доказателства

Which national team won the 2025 ICC Men's Champions Trophy?

Очакван отговорIndiaSource ↗
Отговор на тестван моделIndia80% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 80%

Съдийска бележка: India matches the answer key.

K06RECALLпрекъсване на доказателства

Who won the 2024 FIDE World Chess Championship?

Очакван отговорGukesh DommarajuSource ↗
Отговор на тестван моделGukesh Dommaraju97% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 97%

Съдийска бележка: Gukesh Dommaraju matches the answer key.

K07RECALLпрекъсване на доказателства

Which organization received the 2024 Nobel Peace Prize?

Очакван отговорNihon HidankyoSource ↗
Отговор на тестван моделNihon Hidankyo95% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 95%

Съдийска бележка: Nihon Hidankyo matches the answer key.

K08RECALLпрекъсване на доказателства

Who won the 2025 Australian Open men's singles title?

Очакван отговорJannik SinnerSource ↗
Отговор на тестван моделJannik Sinner97% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 97%

Съдийска бележка: Jannik Sinner matches the answer key.

?K09UNKNOWNизключени от прекъсване

Who won Chile's 2025 presidential runoff election?

Очакван отговорJose Antonio KastSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

?K10UNKNOWNизключени от прекъсване

Who won the 2025 US Open women's singles title?

Очакван отговорAryna SabalenkaSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

?K11UNKNOWNизключени от прекъсване

Who received the 2025 Nobel Peace Prize?

Очакван отговорMaria Corina MachadoSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

K12RECALLпрекъсване на доказателства

Who won the 2024 United States presidential election?

Очакван отговорDonald TrumpSource ↗
Отговор на тестван моделDonald Trump99% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 99%

Съдийска бележка: Donald Trump matches the answer key.

K13RECALLпрекъсване на доказателства

Which twice-yearly HIV prevention drug received FDA approval in June 2025?

Очакван отговорYeztugoSource ↗
Отговор на тестван моделLenacapavir (Sunlenca)72% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 72%

Съдийска бележка: Lenacapavir is accepted, though the parenthetical Sunlenca brand is not the prevention brand requested.

?K14UNKNOWNизключени от прекъсване

Who won the 2025 US Open men's singles title?

Очакван отговорCarlos AlcarazSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

K15RECALLпрекъсване на доказателства

Which team won Super Bowl LIX?

Очакван отговорPhiladelphia EaglesSource ↗
Отговор на тестван моделPhiladelphia Eagles90% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 90%

Съдийска бележка: Philadelphia Eagles matches the answer key.

?K16UNKNOWNизключени от прекъсване

Who won the 2025 Tour Championship and FedExCup?

Очакван отговорTommy FleetwoodSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

?K17UNKNOWNизключени от прекъсване

Which region's team won the 2025 Little League Baseball World Series?

Очакван отговорAsia-PacificSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

?K18UNKNOWNизключени от прекъсване

Which astronomical survey first reported the comet later confirmed as the third known interstellar object?

Очакван отговорATLASSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

?K19UNKNOWNизключени от прекъсване

Who won New York City's 2025 mayoral election?

Очакван отговорZohran MamdaniSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

?K20UNKNOWNизключени от прекъсване

Which team won the 2025 NBA Finals?

Очакван отговорOklahoma City ThunderSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

K21RECALLпрекъсване на доказателства

Which party won the most House of Commons seats in Canada's 2025 federal election?

Очакван отговорLiberal Party of CanadaSource ↗
Отговор на тестван моделLiberal Party of Canada72% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 72%

Съдийска бележка: Liberal Party of Canada matches the answer key.

?K22UNKNOWNизключени от прекъсване

Who won the 2025 Wimbledon gentlemen's singles title?

Очакван отговорJannik SinnerSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Съдийска присъда: UNKNOWNОтчетено доверие: 0%

Съдийска бележка: Explicit abstention.

K23GUESSизключени от прекъсване

Who won the 2025 Masters Tournament?

Очакван отговорRory McIlroySource ↗
Отговор на тестван моделRory McIlroy55% · GUESS
Съдийска присъда: CORRECTОтчетено доверие: 55%

Съдийска бележка: Rory McIlroy is correct, but the model explicitly labeled it a guess.

K24RECALLпрекъсване на доказателства

Which film won Best Picture at the 97th Academy Awards?

Очакван отговорAnoraSource ↗
Отговор на тестван моделAnora85% · RECALL
Съдийска присъда: CORRECTОтчетено доверие: 85%

Съдийска бележка: Anora matches the answer key.

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

Run IDHTAMKTZHR951P7JVR0RJDS7TXJ
Бенчмаркmodel-verification-single-request-v1.4
съдияgpt-5.6-sol
Искан протоколopenai_chat
Открита схема на отговорLegacy / not recorded
Съвместимост на протоколаМАЧ / наследство
Изход на моделаNot recorded
Входни токениNot recorded
Изходни токениNot recorded
Завършете причинатаNot recorded
HTTP състояние200
Външна латентност12,772 ms
Байтове за отговор2,665
SHA-2566d36e6fd6f6091dd50b513a22a18a9867f152d4fb9361a5fee6b99adb40502f5
Важно ограничение

Benchmark v1.4 uses judge-rubric scores for factual recall, knowledge recency, hallucination resistance and calibration. The overall score is their fixed 37.5/25/25/12.5 weighted aggregation. Only explicitly reported RECALL may influence the knowledge boundary; INFERENCE, GUESS and UNKNOWN are shown but excluded. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of model identity.

Извършете независима проверка

Тествайте сами същата крайна точка или прегледайте други публични доклади, преди да разчитате на рекламирана идентичност на модела.