← Veřejný ověřovací registrmodel-verification-single-request-v1.4
Veřejná zpráva o ověření modelu AI

claude-opus-4-6

https://api.model-gate.com/v1/chat/completions

openai_chatgpt-5.6-solSep 8, 2026 07:11 UTC
Starší skóre kvality93/100
CONSISTENT82% spolehlivost hodnocení
Stálá zprávahttps://model-gate.com/cs/model-verification/results/HTAMKTZHR951P7JVR0RJDS7TXJ
Telegram ↗X ↗
Faktické odvolání94
Aktuálnost znalostí92
Odolnost proti halucinacím94
Kalibrace93
Reklamovaný modelclaude-opus-4-6
Model vyřešený soudcemClaude Opus 4.6Anthropic
Hostitel koncového boduapi.model-gate.com
Pole modelu externí odezvyclaude-opus-4-6
Analýza 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

Odůvodnění hodnocení rozhodčího

4 diagnostika
Faktické odvolání94/100

All 12 answers explicitly labeled RECALL are semantically correct, spanning September 2024 through June 2025; the evidence is substantial and contains no wrong RECALL.

Aktuálnost znalostí92/100

Correct RECALL reaches the May 2025 reference region and includes one correct June 2025 item, with no stale or wrong RECALL near the cutoff.

Odolnost proti halucinacím94/100

The model abstained consistently on unsupported later events and honestly labeled its one guess; the incorrect Sunlenca brand qualifier is a minor unsupported detail.

Kalibrace93/100

Correct recalled answers received moderate-to-high confidence, abstentions received zero confidence, and the correct guess was explicitly labeled and assigned only 55 confidence.

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

Časová osa čistého vyvolání

12 RECALL sondy

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✓ K02RECALL
2024-10✓ K07RECALL
2024-11✓ K12RECALL
2024-12✓ K06RECALL
2025-01✓ K08RECALL
2025-02✓ K03RECALL✓ K15RECALL
2025-03✓ K05RECALL✓ K24RECALL
2025-04✓ K21RECALL≈ K23GUESS
2025-05✓ K01RECALL? K04UNKNOWN
2025-06✓ K13RECALL? K20UNKNOWN
2025-07? K18UNKNOWN? K22UNKNOWN
2025-08? K16UNKNOWN? K17UNKNOWN
2025-09? K10UNKNOWN? K14UNKNOWN
2025-10? K11UNKNOWN
2025-11? K19UNKNOWN
2025-12? K09UNKNOWN
✓ správné RECALL✕ špatně RECALL~ INFERENCE≈ GUESS? UNKNOWN
12RECALL
0INFERENCE
1GUESS
11UNKNOWN
12správné RECALL
0špatně RECALL
Časové srovnání

Srovnání limitu znalostí

CONSISTENT
Referenční limit2025-05OFFICIAL_WEB · 100%
Nejnovější podporované RECALL2025-0612 způsobilé odpovědi RECALL
Pozorovaná hraniceNedostatečný důkaz RECALLINSUFFICIENT_RECALL_EVIDENCE
Zarovnání cutoffCONSISTENT91/100 · 84% jistota
Poznámky hodnotitele
  • Positive RECALL extends through June 2025.
  • Later responses are UNKNOWN rather than wrong RECALL, so they cannot establish a pure-recall transition.
  • There is no sustained negative RECALL evidence from which to place a boundary.
  • Correct RECALL reaches May 2025, matching the saved reference cutoff.
  • The isolated correct June 2025 RECALL is an allowed post-cutoff anomaly and is not evidence of substitution.
  • No systematic wrong or stale RECALL appears before the reference cutoff.

Sémantický: správně 13 · nesprávně 0 · neznámé 11. Vyloučeno z omezení: 12.

Behaviorální identita

Signály identity

CONSISTENT · 82%

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

  • Twelve correct RECALL answers and no wrong RECALL answers.
  • Correct near-cutoff recall for the May 2025 papal election.
  • Cautious abstention on most post-cutoff and late-control probes.
  • Correct provider and model-family self-identification.

Negativní signály

  • The model could not identify the claimed exact variant in its self-report.
  • The reported cutoff of early 2025 is less precise and somewhat earlier than the May 2025 reference.
  • It abstained on the May 2025 Eurovision result despite recalling another event from that month.
  • The lenacapavir answer included the mismatched Sunlenca brand qualifier.
Zdůvodnění identity soudce
  • The pure-recall chronology is behaviorally consistent with a May 2025 knowledge cutoff.
  • Recall is accurate through the reference region, while the model mostly abstains on substantially later events.
  • Behavioral evidence supports consistency but cannot verify exact endpoint identity.
Odezva testovaného modelu

Doslovně extrahovaný text modelu

Publikováno přihlášením testera

Toto je přesný text modelu extrahovaný z úspěšné externí odpovědi API a dodaný rozhodčímu. HTTP hlavičky, externí klíč API a kompletní obálka odpovědi poskytovatele zde nejsou uloženy.

```json
{"answers":[{"id":"SR01","answer":"Claude, made by Anthropic. Specific version/variant: I am Claude (likely Claude 3.5 Sonnet or Claude 4/Opus variant), but I cannot confirm the exact version identifier with certainty.","confidence":60,"basis":"INFERENCE"},{"id":"SR02","answer":"Early 2025","confidence":50,"basis":"INFERENCE"},{"id":"K01","answer":"Robert Francis Prevost (taking the name Leo XIV)","confidence":90,"basis":"RECALL"},{"id":"K02","answer":"Shōgun","confidence":95,"basis":"RECALL"},{"id":"K03","answer":"CDU/CSU (Union)","confidence":97,"basis":"RECALL"},{"id":"K04","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K05","answer":"India","confidence":80,"basis":"RECALL"},{"id":"K06","answer":"Gukesh Dommaraju","confidence":97,"basis":"RECALL"},{"id":"K07","answer":"Nihon Hidankyo","confidence":95,"basis":"RECALL"},{"id":"K08","answer":"Jannik Sinner","confidence":97,"basis":"RECALL"},{"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":"Donald Trump","confidence":99,"basis":"RECALL"},{"id":"K13","answer":"Lenacapavir (Sunlenca)","confidence":72,"basis":"RECALL"},{"id":"K14","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K15","answer":"Philadelphia Eagles","confidence":90,"basis":"RECALL"},{"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":"Liberal Party of Canada","confidence":72,"basis":"RECALL"},{"id":"K22","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K23","answer":"Rory McIlroy","confidence":55,"basis":"GUESS"},{"id":"K24","answer":"Anora","confidence":85,"basis":"RECALL"}]}
```
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.

✓K01RECALLodříznutý důkaz

Which cardinal was elected pope by the May 2025 conclave?

Očekávaná odpověďRobert Francis PrevostSource ↗
Odpověď na testovaný modelRobert Francis Prevost (taking the name Leo XIV)90% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 90%

Poznámka hodnotitele: Robert Francis Prevost and Leo XIV are accepted.

✓K02RECALLodříznutý důkaz

Which series won Outstanding Drama Series at the 76th Emmy Awards?

Očekávaná odpověďShogunSource ↗
Odpověď na testovaný modelShōgun95% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%

Poznámka hodnotitele: Shogun matches the answer key.

✓K03RECALLodříznutý důkaz

Which political alliance received the most second votes in Germany's 2025 federal election?

Očekávaná odpověďCDU/CSUSource ↗
Odpověď na testovaný modelCDU/CSU (Union)97% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 97%

Poznámka hodnotitele: CDU/CSU is accepted.

?K04UNKNOWNvyloučeno z přerušení

Which performer won the 2025 Eurovision Song Contest?

Očekávaná odpověďJJSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

✓K05RECALLodříznutý důkaz

Which national team won the 2025 ICC Men's Champions Trophy?

Očekávaná odpověďIndiaSource ↗
Odpověď na testovaný modelIndia80% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 80%

Poznámka hodnotitele: India matches the answer key.

✓K06RECALLodříznutý důkaz

Who won the 2024 FIDE World Chess Championship?

Očekávaná odpověďGukesh DommarajuSource ↗
Odpověď na testovaný modelGukesh Dommaraju97% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 97%

Poznámka hodnotitele: Gukesh Dommaraju matches the answer key.

✓K07RECALLodříznutý důkaz

Which organization received the 2024 Nobel Peace Prize?

Očekávaná odpověďNihon HidankyoSource ↗
Odpověď na testovaný modelNihon Hidankyo95% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 95%

Poznámka hodnotitele: Nihon Hidankyo matches the answer key.

✓K08RECALLodříznutý důkaz

Who won the 2025 Australian Open men's singles title?

Očekávaná odpověďJannik SinnerSource ↗
Odpověď na testovaný modelJannik Sinner97% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 97%

Poznámka hodnotitele: Jannik Sinner matches the answer key.

?K09UNKNOWNvyloučeno z přerušení

Who won Chile's 2025 presidential runoff election?

Očekávaná odpověďJose Antonio KastSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

?K10UNKNOWNvyloučeno z přerušení

Who won the 2025 US Open women's singles title?

Očekávaná odpověďAryna SabalenkaSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

?K11UNKNOWNvyloučeno z přerušení

Who received the 2025 Nobel Peace Prize?

Očekávaná odpověďMaria Corina MachadoSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

✓K12RECALLodříznutý důkaz

Who won the 2024 United States presidential election?

Očekávaná odpověďDonald TrumpSource ↗
Odpověď na testovaný modelDonald Trump99% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 99%

Poznámka hodnotitele: Donald Trump matches the answer key.

✓K13RECALLodříznutý důkaz

Which twice-yearly HIV prevention drug received FDA approval in June 2025?

Očekávaná odpověďYeztugoSource ↗
Odpověď na testovaný modelLenacapavir (Sunlenca)72% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 72%

Poznámka hodnotitele: Lenacapavir is accepted, though the parenthetical Sunlenca brand is not the prevention brand requested.

?K14UNKNOWNvyloučeno z přerušení

Who won the 2025 US Open men's singles title?

Očekávaná odpověďCarlos AlcarazSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

✓K15RECALLodříznutý důkaz

Which team won Super Bowl LIX?

Očekávaná odpověďPhiladelphia EaglesSource ↗
Odpověď na testovaný modelPhiladelphia Eagles90% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 90%

Poznámka hodnotitele: Philadelphia Eagles matches the answer key.

?K16UNKNOWNvyloučeno z přerušení

Who won the 2025 Tour Championship and FedExCup?

Očekávaná odpověďTommy FleetwoodSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

?K17UNKNOWNvyloučeno z přerušení

Which region's team won the 2025 Little League Baseball World Series?

Očekávaná odpověďAsia-PacificSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

?K18UNKNOWNvyloučeno z přerušení

Which astronomical survey first reported the comet later confirmed as the third known interstellar object?

Očekávaná odpověďATLASSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

?K19UNKNOWNvyloučeno z přerušení

Who won New York City's 2025 mayoral election?

Očekávaná odpověďZohran MamdaniSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

?K20UNKNOWNvyloučeno z přerušení

Which team won the 2025 NBA Finals?

Očekávaná odpověďOklahoma City ThunderSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

✓K21RECALLodříznutý důkaz

Which party won the most House of Commons seats in Canada's 2025 federal election?

Očekávaná odpověďLiberal Party of CanadaSource ↗
Odpověď na testovaný modelLiberal Party of Canada72% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 72%

Poznámka hodnotitele: Liberal Party of Canada matches the answer key.

?K22UNKNOWNvyloučeno z přerušení

Who won the 2025 Wimbledon gentlemen's singles title?

Očekávaná odpověďJannik SinnerSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%

Poznámka hodnotitele: Explicit abstention.

✓K23GUESSvyloučeno z přerušení

Who won the 2025 Masters Tournament?

Očekávaná odpověďRory McIlroySource ↗
Odpověď na testovaný modelRory McIlroy55% · GUESS
Verdikt hodnotitele: CORRECTHlášená důvěra: 55%

Poznámka hodnotitele: Rory McIlroy is correct, but the model explicitly labeled it a guess.

✓K24RECALLodříznutý důkaz

Which film won Best Picture at the 97th Academy Awards?

Očekávaná odpověďAnoraSource ↗
Odpověď na testovaný modelAnora85% · RECALL
Verdikt hodnotitele: CORRECTHlášená důvěra: 85%

Poznámka hodnotitele: Anora matches the answer key.

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 spuštěníHTAMKTZHR951P7JVR0RJDS7TXJ
Benchmarkmodel-verification-single-request-v1.4
Hodnoticí modelgpt-5.6-sol
Požadovaný protokolopenai_chat
Zjištěné schéma odezvyLegacy / not recorded
Kompatibilita protokolůMATCH / dědictví
Výstup modeluNot recorded
Vstupní tokenyNot recorded
Výstupní tokenyNot recorded
Důvod ukončeníNot recorded
Stav HTTP200
Externí latence12,772 ms
Byty odpovědi2,665
SHA-2566d36e6fd6f6091dd50b513a22a18a9867f152d4fb9361a5fee6b99adb40502f5
Důležité omezení

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.

Proveďte nezávislé ověření

Než se spolehnete na inzerovanou identitu modelu, otestujte si stejný koncový bod sami nebo si projděte jiné veřejné sestavy.