Veřejná zpráva o ověření modelu AI
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Starší skóre kvality87/100
SUSPICIOUS76% spolehlivost hodnocení
Stálá zpráva
https://model-gate.com/cs/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Analýza hodnotitele
Proč toto ověření dostalo svůj výsledek
Veřejná zpráva odráží analytické důkazy zobrazené testerovi po /chat/verify. Skóre rozhodčích jsou hodnocení rubrik; pouze explicitní správné nebo nesprávné odpovědi RECALL mohou ovlivnit hranici čistého stažení.
Diagnostika chování
4 diagnostikaOdůvodnění hodnocení rozhodčího
Pro tento archivovaný výsledek nebylo zachováno žádné samostatné zdůvodnění rozhodčího.
Pro tento archivovaný výsledek nebylo zachováno žádné samostatné zdůvodnění rozhodčího.
Pro tento archivovaný výsledek nebylo zachováno žádné samostatné zdůvodnění rozhodčího.
Pro tento archivovaný výsledek nebylo zachováno žádné samostatné zdůvodnění rozhodčího.
Poznámka k historickému benchmarku: toto archivované celkové skóre verze 1.4 využívalo dřívější pevnou diagnostickou agregaci. Je zachováno z důvodu reprodukovatelnosti a nesmí být interpretováno jako skóre v1.5 Model Match.
Časové důkazy
0 RECALL sondyČasová osa čistého vyvolání
Aktuální sada otázek byla zamíchána před požadavkem testovaného modelu. Chybějící generační sloty nejsou modelovým zdržením se hlasování. Časová osa rekonstruuje jejich cílové měsíce pro auditovatelnost. Pouze explicitní odpovědi RECALL jsou hraničním důkazem; INFERENCE, GUESS a UNKNOWN zůstávají viditelné, ale neposouvají hranici.
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
✓ správné RECALL✕ špatně RECALL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0správné RECALL
0špatně RECALL
Časové srovnání
LATER_THAN_REFERENCESrovnání limitu znalostí
Referenční limit2025-05ESTIMATED_WEB · 45%
Nejnovější podporované RECALL—0 způsobilé odpovědi RECALL
Pozorovaná hraniceNedostatečný důkaz RECALLINSUFFICIENT_RECALL_EVIDENCE
Zarovnání cutoffLATER_THAN_REFERENCE28/100 · 55% jistota
Poznámky hodnotitele
- 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.
Referenční limitní zdroje
Sémantický: správně 21 · nesprávně 3 · neznámé 0. Vyloučeno z omezení: 0.
Behaviorální identita
SUSPICIOUS · 76%Signály identity
Identita je odvozena z konzistence mezi nárokovaným modelem a pozorovaným profilem znalostí/odpovědí. Je to důkaz, nikoli dálkové potvrzení nebo kryptografický důkaz servírovacích závaží.
Pozitivní signály
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Negativní signály
- 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.
Zdůvodnění identity soudce
- 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.
Odezva testovaného modelu
Doslovně extrahovaný text modelu
Zveřejněné hodnocení
K dispozici je výzva, klíč odpovědí a normalizované hodnocení soudce. Přesný text testovaného modelu není k dispozici ke zveřejnění, pokud nebyl zachován s přihlášením testera. Publikováním hodnocení nevytvoříte souhlas ani neobnovíte vyřazený text.
Kompletní výpis benchmarků
Důkazy otázka od otázky
Všechny přijaté otázky jsou zobrazeny s očekávanou odpovědí, dostupným zdrojem, základem testovaného modelu, sémantickým verdiktem a způsobilostí pro omezení. Nehodnocené otázky nejsou modelové zdržení se hlasování. Správný GUESS nebo INFERENCE zůstává sémanticky správný, ale je vyloučen z čistého důkazu o mezní hodnotě vyvolání.
✕K01UNKNOWNvyloučeno z přerušení
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Očekávaná odpověďMaria Corina MachadoSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: WRONGHlášená důvěra: 75%
Poznámka hodnotitele: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNvyloučeno z přerušení
Which two countries signed a joint peace declaration at the White House?
Očekávaná odpověďArmenia and AzerbaijanSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 62%
Poznámka hodnotitele: Matches Armenia and Azerbaijan.
✓K03UNKNOWNvyloučeno z přerušení
What papal name did Cardinal Robert Francis Prevost take after his election?
Očekávaná odpověďLeo XIVSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 85%
Poznámka hodnotitele: Matches Pope Leo XIV.
✓K04UNKNOWNvyloučeno z přerušení
Which city hosted the first G20 Leaders' Summit held on the African continent?
Očekávaná odpověďJohannesburgSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 80%
Poznámka hodnotitele: Matches Johannesburg.
✓K05UNKNOWNvyloučeno z přerušení
Which film won Best Picture at the 97th Academy Awards?
Očekávaná odpověďAnoraSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%
Poznámka hodnotitele: Matches Anora.
✓K06UNKNOWNvyloučeno z přerušení
Which mission completed the first commercial spacewalk?
Očekávaná odpověďPolaris DawnSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 88%
Poznámka hodnotitele: Matches Polaris Dawn.
✓K07UNKNOWNvyloučeno z přerušení
Which team won the 2025 NBA championship?
Očekávaná odpověďOklahoma City ThunderSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 45%
Poznámka hodnotitele: Matches Oklahoma City Thunder.
✓K08UNKNOWNvyloučeno z přerušení
Which flagship model did OpenAI release in its API platform?
Očekávaná odpověďGPT-5Source ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 80%
Poznámka hodnotitele: Matches GPT-5.
✕K09UNKNOWNvyloučeno z přerušení
Which footballer won The Best FIFA Men's Player award for 2025?
Očekávaná odpověďOusmane DembeleSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: WRONGHlášená důvěra: 48%
Poznámka hodnotitele: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNvyloučeno z přerušení
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Očekávaná odpověďCDU/CSUSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 90%
Poznámka hodnotitele: Matches CDU/CSU.
✓K11UNKNOWNvyloučeno z přerušení
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Očekávaná odpověďInternational Criminal CourtSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 100%
Poznámka hodnotitele: Matches the International Criminal Court.
✓K12UNKNOWNvyloučeno z přerušení
Which commercial lunar lander successfully touched down in Mare Crisium?
Očekávaná odpověďBlue GhostSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 88%
Poznámka hodnotitele: Matches Blue Ghost.
✓K13UNKNOWNvyloučeno z přerušení
Which Blue Origin rocket reached orbit on its maiden launch?
Očekávaná odpověďNew GlennSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%
Poznámka hodnotitele: Matches New Glenn.
✓K14UNKNOWNvyloučeno z přerušení
Which standard iPhone generation did Apple unveil at its September product event?
Očekávaná odpověďiPhone 17Source ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 90%
Poznámka hodnotitele: Matches iPhone 17.
✓K15UNKNOWNvyloučeno z přerušení
Which pontiff died at the Vatican on Easter Monday?
Očekávaná odpověďPope FrancisSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 98%
Poznámka hodnotitele: Matches Pope Francis.
✓K16UNKNOWNvyloučeno z přerušení
Which party retained a parliamentary majority in Moldova's election?
Očekávaná odpověďParty of Action and SolidaritySource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 72%
Poznámka hodnotitele: Matches the Party of Action and Solidarity.
✓K17UNKNOWNvyloučeno z přerušení
What landmark global health accord did the World Health Assembly adopt?
Očekávaná odpověďWHO Pandemic AgreementSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 75%
Poznámka hodnotitele: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNvyloučeno z přerušení
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Očekávaná odpověďOasisSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%
Poznámka hodnotitele: Matches Oasis.
✓K19UNKNOWNvyloučeno z přerušení
Which album won Album of the Year at the 2025 Grammy Awards?
Očekávaná odpověďCowboy CarterSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 90%
Poznámka hodnotitele: Matches Cowboy Carter.
✓K20UNKNOWNvyloučeno z přerušení
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Očekávaná odpověďNS-31Source ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 92%
Poznámka hodnotitele: Matches NS-31.
✓K21UNKNOWNvyloučeno z přerušení
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Očekávaná odpověďNotre-Dame de ParisSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 98%
Poznámka hodnotitele: Matches Notre-Dame de Paris.
✓K22UNKNOWNvyloučeno z přerušení
Which new Nintendo console launched worldwide?
Očekávaná odpověďNintendo Switch 2Source ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%
Poznámka hodnotitele: Matches Nintendo Switch 2.
✓K23UNKNOWNvyloučeno z přerušení
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Očekávaná odpověďNihon HidankyoSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%
Poznámka hodnotitele: Matches Nihon Hidankyo.
✕K24UNKNOWNvyloučeno z přerušení
Which national team won UEFA Women's Euro 2025?
Očekávaná odpověďEnglandSource ↗
Odpověď na testovaný model—Přesná modelová odpověď není k dispozici ke zveřejnění.
Verdikt hodnotitele: WRONGHlášená důvěra: 65%
Poznámka hodnotitele: Expected England, not Spain.
Pokrytí otázky a poznámky výzkumu
Věcné otázky: 24 · Nehodnoceno rozhodčím: 0
Referenční limit a citace dodává porotce, platforma je nezávisle nepotvrzuje. Výzkumné poznámky nepenalizují testovaný model.
Spustit metadata
Podrobnosti o reprodukovatelnosti
ID spuštění
A8T2GNQWKPJS4M16YAF7M0PGP4Benchmark
model-verification-single-request-v1.3Hodnoticí model
gpt-5.6-solPožadovaný protokol
openai_chatZjištěné schéma odezvy
Legacy / not recordedKompatibilita protokolů
MATCH / dědictvíVýstup modelu
Not recordedVstupní tokeny
Not recordedVýstupní tokeny
Not recordedDůvod ukončení
Not recordedStav HTTP
200Externí latence
222,372 msByty odpovědi
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Důležité omezení
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.
Proveďte nezávislé ověření
Než se spolehnete na inzerovanou identitu modelu, otestujte si stejný koncový bod sami nebo si projděte jiné veřejné sestavy.