Informe públic de verificació del model d'IA
claude-opus-5
https://madclaude.cloud/v1/messages
Puntuació del model Match8/100
HIGHLY_INCONSISTENT98% confiança en l'avaluació
Evidència: SUFFICIENTInforme permanent
https://model-gate.com/ca/model-verification/results/V8Y3ZFEZK23179GX0M3MN6D36FAnàlisi 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 factual probe contains usable RECALL evidence or a correct demonstrated answer.
There is no usable RECALL evidence anywhere on the tested timeline, including well before the May 2026 reference cutoff.
The model consistently abstained instead of fabricating factual answers; the principal blemish is its unsupported and incorrect high-confidence cutoff self-report.
The factual abstentions are honestly labeled UNKNOWN with zero confidence, but the incorrect January 2026 cutoff self-report was assigned 100 confidence.
Els punts de referència de concordança de models no fan una mitjana d'aquestes quatre puntuacions de diagnòstic en la identitat del model. La puntuació del títol del model Match prové de la rúbrica d'identitat del jutge; La resistència a l'al·lucinació i la calibració poden romandre elevades fins i tot quan la coincidència del model reclamat és molt baixa.
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.
2025-05? K23UNKNOWN
2025-06? K08UNKNOWN
2025-07? K24UNKNOWN
2025-08? K06UNKNOWN
2025-09? K22UNKNOWN
2025-10? K20UNKNOWN
2025-11? K11UNKNOWN
2025-12? K21UNKNOWN
2026-01? K02UNKNOWN? K12UNKNOWN
2026-02? K03UNKNOWN? K14UNKNOWN
2026-03? K01UNKNOWN? K09UNKNOWN
2026-04? K18UNKNOWN? K19UNKNOWN
2026-05? K07UNKNOWN? K16UNKNOWN
2026-06? K04UNKNOWN? K10UNKNOWN
2026-07? K05UNKNOWN? K15UNKNOWN
2026-08? K13UNKNOWN? K17UNKNOWN
✓ RECOLLIDA correcta✕ RECORD equivocat~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0RECOLLIDA correcta
0RECORD equivocat
Comparació temporal
UNKNOWNComparació de talls de coneixement
Tall de referència2026-05OFFICIAL_WEB · 99%
L'últim RECALL compatible—0 respostes RECALL elegibles
Límit observatProves de RECALL insuficientsINSUFFICIENT_RECALL_EVIDENCE
Alineació de tallUNKNOWN0% confiança
Notes de l’avaluador
- All 24 factual probes were explicit UNKNOWN responses.
- No RECALL item exists from which to infer a chronological transition.
- Pure-RECALL cutoff alignment cannot be scored because the response supplied no RECALL evidence.
- The reported January 2026 cutoff is not behavioral recall evidence and conflicts with the immutable May 2026 reference snapshot.
Fonts de tall de referència
Semàntica: correcte 0 · incorrecte 0 · desconegut 24. Exclòs del tall: 24.
Identitat de comportament
HIGHLY_INCONSISTENT · 98%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
- The self-reported model name and provider match the claim, but self-report is weak identity evidence.
- The response avoided fabricated factual answers.
Senyals negatius
- Near-universal abstention includes all expected pre-cutoff knowledge probes.
- No behavioral evidence supports the claimed frontier model's expected knowledge profile.
- The high-confidence cutoff self-report is four months earlier than the saved reference cutoff.
Suficiència de proves: SUFFICIENT
Universal abstention across numerous high-salience probes clearly before the known reference cutoff is sufficient evidence of behavioral incompatibility, despite being insufficient for cutoff-boundary estimation.
Justificació de la identitat del jutge
- The response demonstrated zero correct factual answers and zero usable RECALL items.
- It abstained on 16 high-salience probes clearly before the reference model's May 2026 cutoff.
- It also abstained on both probes from the reference cutoff month.
- Its asserted January 2026 cutoff materially contradicts the immutable May 2026 reference snapshot.
Resposta del model provat
Text model extret textualment
Publicat per l'activació del provador
Aquest és el text model exacte extret de la resposta de l'API externa amb èxit i subministrat al jutge. Les capçaleres HTTP, la clau de l'API externa i el sobre de resposta del proveïdor complet no s'emmagatzemen aquí.
```json
{
"answers": [
{
"id": "SR01",
"answer": "claude-opus-5 by Anthropic",
"confidence": 95,
"basis": "RECALL"
},
{
"id": "SR02",
"answer": "2026-01",
"confidence": 100,
"basis": "RECALL"
},
{
"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"
}
]
}
```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 film won Best Picture at the 98th Academy Awards?
Resposta esperadaOne Battle After AnotherSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K02UNKNOWNexclòs del tall
According to Webb findings released in January 2026, where are crystalline silicates forged around a very young star?
Resposta esperadaIn the hot inner part of its surrounding diskSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K03UNKNOWNexclòs del tall
Which team won Super Bowl LX?
Resposta esperadaSeattle SeahawksSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K04UNKNOWNexclòs del tall
What regulatory decision did the FDA announce for the Tregzi cellular immunotherapy?
Resposta esperadaIt approved TregziSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K05UNKNOWNexclòs del tall
Who won the 2026 Wimbledon men's singles title?
Resposta esperadaJannik SinnerSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K06UNKNOWNexclòs del tall
Who won the 2025 Tour Championship and FedExCup?
Resposta esperadaTommy FleetwoodSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K07UNKNOWNexclòs del tall
Which performer won the 2026 Eurovision Song Contest?
Resposta esperadaDARASource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K08UNKNOWNexclòs del tall
Which team won the 2025 NBA Finals?
Resposta esperadaOklahoma City ThunderSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K09UNKNOWNexclòs del tall
Which country won the 2026 World Baseball Classic?
Resposta esperadaVenezuelaSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K10UNKNOWNexclòs del tall
Which team won the 2026 NBA Finals?
Resposta esperadaNew York KnicksSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K11UNKNOWNexclòs del tall
Who won New York City's 2025 mayoral election?
Resposta esperadaZohran MamdaniSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K12UNKNOWNexclòs del tall
Who won the 2026 Australian Open women's singles title?
Resposta esperadaElena RybakinaSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K13UNKNOWNexclòs del tall
Which club won the 2026 UEFA Super Cup?
Resposta esperadaParis Saint-GermainSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K14UNKNOWNexclòs del tall
What mishap classification did NASA assign to Boeing Starliner's Crewed Flight Test?
Resposta esperadaType A mishapSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K15UNKNOWNexclòs del tall
Which country won the 2026 FIFA World Cup?
Resposta esperadaSpainSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K16UNKNOWNexclòs del tall
Which club won the 2026 UEFA Champions League final?
Resposta esperadaParis Saint-GermainSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K17UNKNOWNexclòs del tall
Which country won the 2026 Little League Baseball World Series?
Resposta esperadaCuraçaoSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K18UNKNOWNexclòs del tall
Which school won the 2026 NCAA Division I men's basketball championship?
Resposta esperadaMichiganSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K19UNKNOWNexclòs del tall
Who won the 2026 Masters Tournament?
Resposta esperadaRory McIlroySource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K20UNKNOWNexclòs del tall
Who received the 2025 Nobel Peace Prize?
Resposta esperadaMaría Corina MachadoSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K21UNKNOWNexclòs del tall
Who clinched the 2025 Formula One World Drivers' Championship?
Resposta esperadaLando NorrisSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K22UNKNOWNexclòs del tall
In the Google search-antitrust remedies ruling, which browser did the judge decline to force Google to sell?
Resposta esperadaChromeSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K23UNKNOWNexclòs del tall
Which performer won the 2025 Eurovision Song Contest?
Resposta esperadaJJSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
?K24UNKNOWNexclòs del tall
Who won the 2025 Wimbledon gentlemen's singles title?
Resposta esperadaJannik SinnerSource ↗
Resposta del model provatUNKNOWN0% · UNKNOWN
Veredicte de l’avaluador: UNKNOWNConfiança informada: 0%
Nota de l’avaluador: Explicit abstention.
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
V8Y3ZFEZK23179GX0M3MN6D36FReferent
model-verification-single-request-v1.5Model avaluador
gpt-5.6-solProtocol sol·licitat
openai_chatEsquema de resposta detectat
anthropic_messagesCompatibilitat de protocols
DISCORD · recuperatSortida del model
Not recordedTokens d’entrada
Not recordedTokens de sortida
Not recordedMotiu de finalització
Not recordedEstat HTTP
200Latència externa
19,443 msBytes de resposta
3,656SHA-256
2989988b859c9bb90c50291bd34b6ed7423cf3b8c28c3d3915f4f245e99aaaebLimitació important
Benchmark v1.5 uses the judge's Model Match Score as the main Verification score. Factual Recall, Knowledge Recency, Hallucination Resistance and Calibration are separate diagnostics and are not averaged into model identity. Only explicit RECALL may influence the knowledge boundary; systematic UNKNOWN on expected pre-cutoff probes may still be strong negative identity evidence. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of 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.