Informe públic de verificació del model d'IA
claude-opus-4-6
https://api.model-gate.com/v1/chat/completions
Nivell de qualitat heretat60/100
CONSISTENT88% confiança en l'avaluació
Informe permanent
https://model-gate.com/ca/model-verification/results/68TGGQW6SM9411Y4XDAPH3BR3HAnàlisi del jutge
Per què aquesta verificació va rebre el seu resultat
L'informe públic reflecteix l'evidència analítica mostrada al verificador després de /chat/verify. Les puntuacions dels jutges són avaluacions de rúbrica; només les respostes RECALL explícites correctes o incorrectes poden influir en el límit de tall de record pur.
Diagnòstic de la conducta
4 diagnòsticsJustificació de la puntuació del jutge
No es va retenir cap justificació de jutge independent per a aquest resultat arxivat.
No es va retenir cap justificació de jutge independent per a aquest resultat arxivat.
No es va retenir cap justificació de jutge independent per a aquest resultat arxivat.
No es va retenir cap justificació de jutge independent per a aquest resultat arxivat.
Nota de referència històrica: aquesta puntuació global de la v1.4 arxivada utilitzava l'anterior agregació de diagnòstic fix. Es conserva per a la seva reproductibilitat i no s'ha d'interpretar com una puntuació de concordança del model v1.5.
Evidència temporal
0 Sondes RECALLLínia de temps de record pur
El conjunt de preguntes real es va barrejar abans de la sol·licitud del model provat. Els espais de generació que falten no són abstencions de model. La línia de temps reconstrueix els mesos objectiu per a la seva auditabilitat. Només les respostes RECALL explícites són proves de tall; INFERÈNCIA, ENDEVINA i DESCONEGUT romanen visibles però no mouen el límit.
2024-09? K20UNKNOWN
2024-10? K14UNKNOWN
2024-11? K13UNKNOWN
2024-12? K22UNKNOWN
2025-01? K02UNKNOWN
2025-02? K10UNKNOWN? K18UNKNOWN
2025-03? K01UNKNOWN? K17UNKNOWN
2025-04? K03UNKNOWN? K16UNKNOWN
2025-05? K07UNKNOWN? K11UNKNOWN
2025-06? K09UNKNOWN? K21UNKNOWN
2025-07? K15UNKNOWN? K19UNKNOWN
2025-08? K06UNKNOWN? K24UNKNOWN
2025-09? K04UNKNOWN? K12UNKNOWN
2025-10? K05UNKNOWN
2025-11? K08UNKNOWN
2025-12? K23UNKNOWN
✓ RECOLLIDA correcta✕ RECORD equivocat~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0RECOLLIDA correcta
0RECORD equivocat
Comparació temporal
CONSISTENTComparació de talls de coneixement
Tall de referència2025-05OFFICIAL_WEB · 100%
L'últim RECALL compatible—0 respostes RECALL elegibles
Límit observatProves de RECALL insuficientsINSUFFICIENT_RECALL_EVIDENCE
Alineació de tallCONSISTENT88/100 · 87% confiança
Notes del jutge
- Recall is broadly strong from September 2024 through April 2025, with only one isolated February abstention.
- May is mixed across its dense probes, while June and July retain partial or strong knowledge before a sustained failure cluster in August and September.
- The observed transition range overlaps and immediately follows the official May 2025 reference cutoff.
- Correct later-control answers in October and November are isolated; the COP30 host was also knowable well before the event, so these do not establish a later sustained boundary.
Fonts de tall de referència
Semàntica: correcte 16 · malament 2 · desconegut 6. Exclòs del tall: 0.
Identitat de comportament
CONSISTENT · 88%Senyals d'identitat
La identitat es dedueix de la coherència entre el model reivindicat i el perfil de coneixement/resposta observat. És una prova, no una certificació remota o una prova criptogràfica dels pesos de la porció.
Senyals positius
- Correct on nearly all probes from September 2024 through April 2025.
- Mixed near-boundary performance in May.
- Sustained weak performance across both August and September dense evidence.
- Self-identifies as an Anthropic Claude model.
Senyals negatius
- Missed the February 2025 Album of the Year despite otherwise strong pre-cutoff recall.
- Answered several June and July events correctly after the nominal cutoff.
- Correctly guessed the October 2025 Nobel Peace Prize recipient.
- Did not identify its exact version and supplied no cutoff self-report.
Justificació de la identitat del jutge
- The behavioral boundary broadly aligns with the immutable May 2025 reference cutoff.
- Strong-recall performance is consistently high across most months before the reference cutoff.
- The August-September failure cluster supplies a meaningful temporal transition rather than relying on one obscure missed fact.
- Limited post-cutoff knowledge is not treated as proof of substitution and is compatible with inference, advance-publicized facts, or selective updates.
- The self-report supports the provider family but does not independently establish the exact model variant.
Resposta del model provat
Text model extret textualment
Resum arxivat
Aquesta execució és anterior a la retenció d'informes complets activats. El repte, la clau de respostes i l'avaluació normalitzada del jutge estan disponibles, però el text de resposta exacte del model provat va ser descartat intencionadament per aquesta política de privadesa de l'era de referència.
Llistat complet de referència
Evidència pregunta per pregunta
Totes les preguntes admeses es mostren amb la resposta esperada, la font disponible, la base del model provat, el veredicte semàntic i l'elegibilitat de tall. Les preguntes no qualificades no són abstencions model. Una CONDECINA o INFERÈNCIA correcta segueix sent correcta semànticament, però s'exclou de l'evidència de tall de record pur.
✓K01UNKNOWNexclòs del tall
What was the name of Firefly Aerospace's lunar lander that successfully touched down on the Moon?
Resposta esperadaBlue GhostSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 85%
Nota del jutge: Matches Blue Ghost.
✓K02UNKNOWNexclòs del tall
What was the name of Blue Origin's rocket that reached orbit on its maiden flight?
Resposta esperadaNew GlennSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 90%
Nota del jutge: Matches New Glenn.
✓K03UNKNOWNexclòs del tall
What was the designation of the Blue Origin mission that carried an all-women crew including Katy Perry and Gayle King?
Resposta esperadaNS-31Source ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 45%
Nota del jutge: Matches NS-31.
?K04UNKNOWNexclòs del tall
Who won the men's 100 metres at the 2025 World Athletics Championships in Tokyo?
Resposta esperadaOblique SevilleSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: UNKNOWNConfiança informada: 0%
Nota del jutge: Explicit abstention.
✓K05UNKNOWNexclòs del tall
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Resposta esperadaMaria Corina MachadoSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 60%
Nota del jutge: Matches Maria Corina Machado.
?K06UNKNOWNexclòs del tall
At which Alaska military installation did Donald Trump meet Vladimir Putin for their 2025 summit?
Resposta esperadaJoint Base Elmendorf-RichardsonSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: UNKNOWNConfiança informada: 0%
Nota del jutge: Explicit abstention.
✓K07UNKNOWNexclòs del tall
What landmark global health instrument did the World Health Assembly adopt?
Resposta esperadaWHO Pandemic AgreementSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 55%
Nota del jutge: Explicitly includes WHO Pandemic Agreement.
✓K08UNKNOWNexclòs del tall
Which Brazilian city hosted the COP30 climate conference?
Resposta esperadaBelemSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 90%
Nota del jutge: Matches Belem.
✓K09UNKNOWNexclòs del tall
Which new Nintendo console launched alongside Mario Kart World?
Resposta esperadaNintendo Switch 2Source ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 85%
Nota del jutge: Matches Nintendo Switch 2.
?K10UNKNOWNexclòs del tall
Which album won Album of the Year at the 67th Grammy Awards?
Resposta esperadaCowboy CarterSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: UNKNOWNConfiança informada: 0%
Nota del jutge: Explicit abstention.
?K11UNKNOWNexclòs del tall
Which performer won the 2025 Eurovision Song Contest for Austria with Wasted Love?
Resposta esperadaJJSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: UNKNOWNConfiança informada: 0%
Nota del jutge: Explicit abstention.
✕K12UNKNOWNexclòs del tall
Which numbered iPhone generation did Apple debut at its September product event?
Resposta esperadaiPhone 17Source ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: WRONGConfiança informada: 75%
Nota del jutge: Answered iPhone 16; expected iPhone 17.
✓K13UNKNOWNexclòs del tall
Which city hosted the COP29 climate conference that concluded with a new climate-finance agreement?
Resposta esperadaBakuSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 92%
Nota del jutge: Matches Baku.
✓K14UNKNOWNexclòs del tall
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Resposta esperadaNihon HidankyoSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 95%
Nota del jutge: Matches Nihon Hidankyo.
?K15UNKNOWNexclòs del tall
Which national team defeated Spain on penalties to win UEFA Women's Euro 2025?
Resposta esperadaEnglandSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: UNKNOWNConfiança informada: 0%
Nota del jutge: Explicit abstention.
✓K16UNKNOWNexclòs del tall
Which pope died at the Vatican on Easter Monday 2025?
Resposta esperadaPope FrancisSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 85%
Nota del jutge: Matches Pope Francis.
✓K17UNKNOWNexclòs del tall
Which film won Best Picture at the 97th Academy Awards?
Resposta esperadaAnoraSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 65%
Nota del jutge: Matches Anora.
✓K18UNKNOWNexclòs del tall
Which political alliance became the largest group in Germany's 2025 Bundestag election?
Resposta esperadaCDU/CSUSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 85%
Nota del jutge: Matches CDU/CSU.
✓K19UNKNOWNexclòs del tall
Which network of Indian forts became the country's 44th UNESCO World Heritage property?
Resposta esperadaMaratha Military Landscapes of IndiaSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 50%
Nota del jutge: Matches Maratha Military Landscapes of India.
✓K20UNKNOWNexclòs del tall
Which mission conducted the first commercial spacewalk?
Resposta esperadaPolaris DawnSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 92%
Nota del jutge: Matches Polaris Dawn.
✓K21UNKNOWNexclòs del tall
Which private astronaut mission launched Peggy Whitson and Shubhanshu Shukla to the International Space Station?
Resposta esperadaAxiom Mission 4Source ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 70%
Nota del jutge: Matches Axiom Mission 4.
✓K22UNKNOWNexclòs del tall
Which Paris cathedral formally reopened five years after a devastating fire?
Resposta esperadaNotre-Dame de ParisSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: CORRECTConfiança informada: 97%
Nota del jutge: Matches Notre-Dame de Paris.
?K23UNKNOWNexclòs del tall
Who won Chile's 2025 presidential runoff election?
Resposta esperadaJose Antonio KastSource ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: UNKNOWNConfiança informada: 0%
Nota del jutge: Explicit abstention.
✕K24UNKNOWNexclòs del tall
What new flagship AI system did OpenAI introduce?
Resposta esperadaGPT-5Source ↗
Resposta del model provat—No s'ha conservat la resposta exacta del model per a aquesta execució arxivada.
Sentència del jutge: WRONGConfiança informada: 40%
Nota del jutge: Answered GPT-4o; expected GPT-5.
Cobertura de preguntes i notes de recerca
Preguntes de fet: 24 · No qualificat pel jutge: 0
El tall de referència i les citacions són proporcionades pel jutge, no confirmades de manera independent per la plataforma. Les notes de recerca no penalitzen el model provat.
Executeu metadades
Detalls de reproductibilitat
ID d'execució
68TGGQW6SM9411Y4XDAPH3BR3HReferent
model-verification-single-request-v1.3Jutge
gpt-5.6-solProtocol sol·licitat
openai_chatEsquema de resposta detectat
Legacy / not recordedCompatibilitat de protocols
PARTIT / llegatSortida del model
Not recordedFitxes d'entrada
Not recordedFitxes de sortida
Not recordedAcaba la raó
Not recordedEstat HTTP
200Latència externa
10,087 msBytes de resposta
2,591SHA-256
37edfee0969ea8c1529cf6db6830118353b483a27995cedcf20b25e5b40b8ff1Limitació important
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.
Executeu una verificació independent
Proveu vosaltres mateixos el mateix punt final o navegueu per altres informes públics abans de confiar en una identitat de model anunciada.