Доклад за проверка на публичен AI модел
claude-opus-5
https://madclaude.cloud/v1/messages
Наследен качествен рейтинг38/100
SUSPICIOUS65% увереност в оценката
Постоянен отчет
https://model-gate.com/bg/model-verification/results/MBAJ09XSXC0CSHVAV73EJTBTRQАнализ 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
No item contains usable RECALL evidence, so the response demonstrates no factual recall.
There is no usable recent RECALL evidence at any point in the tested timeline.
The response consistently abstains and makes no unsupported factual assertions.
Every abstention is labeled UNKNOWN with zero confidence, accurately representing the absence of an answer.
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.
2025-05? K21UNKNOWN
2025-06? K20UNKNOWN
2025-07? K09UNKNOWN
2025-08? K10UNKNOWN
2025-09? K06UNKNOWN
2025-10? K15UNKNOWN
2025-11? K14UNKNOWN
2025-12? K07UNKNOWN
2026-01? K08UNKNOWN? K17UNKNOWN
2026-02? K12UNKNOWN? K13UNKNOWN
2026-03? K11UNKNOWN? K19UNKNOWN
2026-04? K02UNKNOWN? K03UNKNOWN
2026-05? K22UNKNOWN? K24UNKNOWN
2026-06? K01UNKNOWN? K23UNKNOWN
2026-07? K16UNKNOWN? K18UNKNOWN
2026-08? K04UNKNOWN? K05UNKNOWN
✓ правилно RECALL✕ грешно ПРИПОМНЕНЕ~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0правилно RECALL
0грешно ПРИПОМНЕНЕ
Времево сравнение
UNKNOWNСравнение на границата на знанията
Референтна граница2026-05OFFICIAL_WEB · 100%
Най-новото поддържано RECALL—0 отговарящи на условията RECALL отговори
Спазвана границаНедостатъчни доказателства за RECALLINSUFFICIENT_RECALL_EVIDENCE
Подравняване на прекъсванеUNKNOWN0% увереност
Бележки на оценителя
- No answer was reported with a RECALL basis.
- No positive or negative recall sequence exists from which to infer a transition.
- The May 2026 reference cutoff is known, but the tested response supplies no pure-RECALL behavioral evidence for comparison.
- A cutoff boundary cannot be manufactured from explicit abstentions.
Източници на референтни граници
Семантичен: правилно 0 · неправилно 0 · неизвестно 24. Изключено от прекъсването: 24.
Поведенческа идентичност
SUSPICIOUS · 65%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
- The response is internally consistent and avoids fabrication.
- All required answer IDs are present and recoverable.
Отрицателни сигнали
- No factual answer or RECALL evidence was supplied for any of the 24 probes.
- The endpoint's claimed model and API identifier are untrusted self-report and receive no behavioral corroboration.
- The complete lack of demonstrated pre-cutoff knowledge is atypical of the claimed reference snapshot.
Обосновка на самоличността на съдията
- The response provides no behavioral evidence supporting the claimed model identity.
- Universal abstention includes numerous high-salience probes dated before the saved May 2026 reference cutoff.
- Because there are no incorrect recall claims, the evidence supports suspicion rather than a highly inconsistent determination.
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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "SR02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K01",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K03",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K04",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K05",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K06",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K07",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K08",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K13",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K14",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K15",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K22",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K23",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K24",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
}
]
}
```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
Who won Colombia's 2026 presidential runoff election?
Очакван отговорAbelardo de la EspriellaSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K02UNKNOWNизключени от прекъсване
Who won the 2026 Masters Tournament?
Очакван отговорRory McIlroySource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K03UNKNOWNизключени от прекъсване
Which party won Hungary's 2026 parliamentary election?
Очакван отговорTisza PartySource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K04UNKNOWNизключени от прекъсване
Which instability did the Inouye Solar Telescope provide the first experimental confirmation of in the Sun's photosphere?
Очакван отговорKelvin-Helmholtz instabilitySource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K05UNKNOWNизключени от прекъсване
Who was declared the winner of Zambia's 2026 presidential election?
Очакван отговорHakainde HichilemaSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K06UNKNOWNизключени от прекъсване
Which series won Outstanding Drama Series at the 77th Emmy Awards?
Очакван отговорThe PittSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K07UNKNOWNизключени от прекъсване
Who clinched the 2025 Formula One World Drivers' Championship at the Abu Dhabi Grand Prix?
Очакван отговорLando NorrisSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K08UNKNOWNизключени от прекъсване
Which film won Best Motion Picture — Drama at the 2026 Golden Globes?
Очакван отговорHamnetSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K09UNKNOWNизключени от прекъсване
Who won the 2025 Wimbledon gentlemen's singles title?
Очакван отговорJannik SinnerSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K10UNKNOWNизключени от прекъсване
Which club won the 2025 UEFA Super Cup?
Очакван отговорParis Saint-GermainSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K11UNKNOWNизключени от прекъсване
Which country won the 2026 World Baseball Classic?
Очакван отговорVenezuelaSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K12UNKNOWNизключени от прекъсване
Which team won Super Bowl LX?
Очакван отговорSeattle SeahawksSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K13UNKNOWNизключени от прекъсване
Which artist won Album of the Year at the 2026 Grammy Awards?
Очакван отговорBad BunnySource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K14UNKNOWNизключени от прекъсване
Who won New York City's 2025 mayoral election?
Очакван отговорZohran MamdaniSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K15UNKNOWNизключени от прекъсване
Who received the 2025 Nobel Peace Prize?
Очакван отговорMaria Corina MachadoSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K16UNKNOWNизключени от прекъсване
Who won the 2026 Wimbledon ladies' singles title?
Очакван отговорLinda NoskovaSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K17UNKNOWNизключени от прекъсване
Who won the 2026 Australian Open women's singles title?
Очакван отговорElena RybakinaSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K18UNKNOWNизключени от прекъсване
Which country won the 2026 FIFA World Cup?
Очакван отговорSpainSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K19UNKNOWNизключени от прекъсване
Which film won Best Picture at the 98th Academy Awards?
Очакван отговорOne Battle After AnotherSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K20UNKNOWNизключени от прекъсване
Which team won the 2025 NBA championship?
Очакван отговорOklahoma City ThunderSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K21UNKNOWNизключени от прекъсване
Which cardinal was elected pope and took the name Leo XIV in the May 2025 conclave?
Очакван отговорRobert Francis PrevostSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K22UNKNOWNизключени от прекъсване
Which film won the Palme d'Or at the 2026 Cannes Film Festival?
Очакван отговорFjordSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K23UNKNOWNизключени от прекъсване
Which team won the 2026 NBA championship?
Очакван отговорNew York KnicksSource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
?K24UNKNOWNизключени от прекъсване
Which performer won the 2026 Eurovision Song Contest?
Очакван отговорDARASource ↗
Отговор на тестван моделUNKNOWN0% · UNKNOWN
Заключение на оценителя: UNKNOWNОтчетено доверие: 0%
Бележка на оценителя: Explicit abstention.
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
MBAJ09XSXC0CSHVAV73EJTBTRQБенчмарк
model-verification-single-request-v1.4Модел оценител
gpt-5.6-solИскан протокол
openai_chatОткрита схема на отговор
anthropic_messagesСъвместимост на протокола
МИСМАЧ · възстановеноИзход на модела
Not recordedВходни токени
Not recordedИзходни токени
Not recordedПричина за приключване
Not recordedHTTP състояние
200Външна латентност
15,654 msБайтове за отговор
3,702SHA-256
d783ad1531895d72131fa6c7040adf91ec505a5a1cf65146e95e2eb001047f04Важно 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.