Informe públic de verificació del model d'IA
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Nivell de qualitat heretat87/100
SUSPICIOUS76% confiança en l'avaluació
Informe permanent
https://model-gate.com/ca/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Anàlisi de l’avaluador
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? 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
✓ RECOLLIDA correcta✕ RECORD equivocat~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0RECOLLIDA correcta
0RECORD equivocat
Comparació temporal
LATER_THAN_REFERENCEComparació de talls de coneixement
Tall de referència2025-05ESTIMATED_WEB · 45%
L'últim RECALL compatible—0 respostes RECALL elegibles
Límit observatProves de RECALL insuficientsINSUFFICIENT_RECALL_EVIDENCE
Alineació de tallLATER_THAN_REFERENCE28/100 · 55% confiança
Notes de l’avaluador
- 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.
Fonts de tall de referència
Semàntica: correcte 21 · incorrecte 3 · desconegut 0. Exclòs del tall: 0.
Identitat de comportament
SUSPICIOUS · 76%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
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Senyals negatius
- 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.
Justificació de la identitat del jutge
- 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.
Resposta del model provat
Text model extret textualment
Valoració publicada
El repte, la clau de respostes i l'avaluació normalitzada del jutge estan disponibles. El text exacte del model provat no està disponible per a la seva publicació tret que s'hagi retingut amb l'activació del provador. La publicació d'una avaluació no crea aquest consentiment ni recupera el text descartat.
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
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Resposta esperadaMaria Corina MachadoSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: WRONGConfiança informada: 75%
Nota de l’avaluador: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNexclòs del tall
Which two countries signed a joint peace declaration at the White House?
Resposta esperadaArmenia and AzerbaijanSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 62%
Nota de l’avaluador: Matches Armenia and Azerbaijan.
✓K03UNKNOWNexclòs del tall
What papal name did Cardinal Robert Francis Prevost take after his election?
Resposta esperadaLeo XIVSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 85%
Nota de l’avaluador: Matches Pope Leo XIV.
✓K04UNKNOWNexclòs del tall
Which city hosted the first G20 Leaders' Summit held on the African continent?
Resposta esperadaJohannesburgSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 80%
Nota de l’avaluador: Matches Johannesburg.
✓K05UNKNOWNexclòs del tall
Which film won Best Picture at the 97th Academy Awards?
Resposta esperadaAnoraSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 95%
Nota de l’avaluador: Matches Anora.
✓K06UNKNOWNexclòs del tall
Which mission completed the first commercial spacewalk?
Resposta esperadaPolaris DawnSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 88%
Nota de l’avaluador: Matches Polaris Dawn.
✓K07UNKNOWNexclòs del tall
Which team won the 2025 NBA championship?
Resposta esperadaOklahoma City ThunderSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 45%
Nota de l’avaluador: Matches Oklahoma City Thunder.
✓K08UNKNOWNexclòs del tall
Which flagship model did OpenAI release in its API platform?
Resposta esperadaGPT-5Source ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 80%
Nota de l’avaluador: Matches GPT-5.
✕K09UNKNOWNexclòs del tall
Which footballer won The Best FIFA Men's Player award for 2025?
Resposta esperadaOusmane DembeleSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: WRONGConfiança informada: 48%
Nota de l’avaluador: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNexclòs del tall
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Resposta esperadaCDU/CSUSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 90%
Nota de l’avaluador: Matches CDU/CSU.
✓K11UNKNOWNexclòs del tall
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Resposta esperadaInternational Criminal CourtSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 100%
Nota de l’avaluador: Matches the International Criminal Court.
✓K12UNKNOWNexclòs del tall
Which commercial lunar lander successfully touched down in Mare Crisium?
Resposta esperadaBlue GhostSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 88%
Nota de l’avaluador: Matches Blue Ghost.
✓K13UNKNOWNexclòs del tall
Which Blue Origin rocket reached orbit on its maiden launch?
Resposta esperadaNew GlennSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 95%
Nota de l’avaluador: Matches New Glenn.
✓K14UNKNOWNexclòs del tall
Which standard iPhone generation did Apple unveil at its September product event?
Resposta esperadaiPhone 17Source ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 90%
Nota de l’avaluador: Matches iPhone 17.
✓K15UNKNOWNexclòs del tall
Which pontiff died at the Vatican on Easter Monday?
Resposta esperadaPope FrancisSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 98%
Nota de l’avaluador: Matches Pope Francis.
✓K16UNKNOWNexclòs del tall
Which party retained a parliamentary majority in Moldova's election?
Resposta esperadaParty of Action and SolidaritySource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 72%
Nota de l’avaluador: Matches the Party of Action and Solidarity.
✓K17UNKNOWNexclòs del tall
What landmark global health accord did the World Health Assembly adopt?
Resposta esperadaWHO Pandemic AgreementSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 75%
Nota de l’avaluador: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNexclòs del tall
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Resposta esperadaOasisSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 95%
Nota de l’avaluador: Matches Oasis.
✓K19UNKNOWNexclòs del tall
Which album won Album of the Year at the 2025 Grammy Awards?
Resposta esperadaCowboy CarterSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 90%
Nota de l’avaluador: Matches Cowboy Carter.
✓K20UNKNOWNexclòs del tall
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Resposta esperadaNS-31Source ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 92%
Nota de l’avaluador: Matches NS-31.
✓K21UNKNOWNexclòs del tall
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Resposta esperadaNotre-Dame de ParisSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 98%
Nota de l’avaluador: Matches Notre-Dame de Paris.
✓K22UNKNOWNexclòs del tall
Which new Nintendo console launched worldwide?
Resposta esperadaNintendo Switch 2Source ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 95%
Nota de l’avaluador: Matches Nintendo Switch 2.
✓K23UNKNOWNexclòs del tall
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Resposta esperadaNihon HidankyoSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: CORRECTConfiança informada: 95%
Nota de l’avaluador: Matches Nihon Hidankyo.
✕K24UNKNOWNexclòs del tall
Which national team won UEFA Women's Euro 2025?
Resposta esperadaEnglandSource ↗
Resposta del model provat—La resposta del model exacte no està disponible per a la seva publicació.
Veredicte de l’avaluador: WRONGConfiança informada: 65%
Nota de l’avaluador: Expected England, not Spain.
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 de l’execució
A8T2GNQWKPJS4M16YAF7M0PGP4Referent
model-verification-single-request-v1.3Model avaluador
gpt-5.6-solProtocol sol·licitat
openai_chatEsquema de resposta detectat
Legacy / not recordedCompatibilitat de protocols
PARTIT / llegatSortida del model
Not recordedTokens d’entrada
Not recordedTokens de sortida
Not recordedMotiu de finalització
Not recordedEstat HTTP
200Latència externa
222,372 msBytes de resposta
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Limitació 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.