Veřejná zpráva o ověření modelu AI
claude-opus-5
https://madclaude.cloud/v1/messages
Starší skóre kvality38/100
SUSPICIOUS65% spolehlivost hodnocení
Stálá zpráva
https://model-gate.com/cs/model-verification/results/MBAJ09XSXC0CSHVAV73EJTBTRQAnalýza 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
No item contains usable RECALL evidence, so the response demonstrates no factual recall.
There is no usable recent RECALL evidence at any point in the tested timeline.
The response consistently abstains and makes no unsupported factual assertions.
Every abstention is labeled UNKNOWN with zero confidence, accurately representing the absence of an answer.
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.
2025-05? K21UNKNOWN
2025-06? K20UNKNOWN
2025-07? K09UNKNOWN
2025-08? K10UNKNOWN
2025-09? K06UNKNOWN
2025-10? K15UNKNOWN
2025-11? K14UNKNOWN
2025-12? K07UNKNOWN
2026-01? K08UNKNOWN? K17UNKNOWN
2026-02? K12UNKNOWN? K13UNKNOWN
2026-03? K11UNKNOWN? K19UNKNOWN
2026-04? K02UNKNOWN? K03UNKNOWN
2026-05? K22UNKNOWN? K24UNKNOWN
2026-06? K01UNKNOWN? K23UNKNOWN
2026-07? K16UNKNOWN? K18UNKNOWN
2026-08? K04UNKNOWN? K05UNKNOWN
✓ správné RECALL✕ špatně RECALL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0správné RECALL
0špatně RECALL
Časové srovnání
UNKNOWNSrovnání limitu znalostí
Referenční limit2026-05OFFICIAL_WEB · 100%
Nejnovější podporované RECALL—0 způsobilé odpovědi RECALL
Pozorovaná hraniceNedostatečný důkaz RECALLINSUFFICIENT_RECALL_EVIDENCE
Zarovnání cutoffUNKNOWN0% jistota
Poznámky hodnotitele
- No answer was reported with a RECALL basis.
- No positive or negative recall sequence exists from which to infer a transition.
- The May 2026 reference cutoff is known, but the tested response supplies no pure-RECALL behavioral evidence for comparison.
- A cutoff boundary cannot be manufactured from explicit abstentions.
Referenční limitní zdroje
Sémantický: správně 0 · nesprávně 0 · neznámé 24. Vyloučeno z omezení: 24.
Behaviorální identita
SUSPICIOUS · 65%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
- The response is internally consistent and avoids fabrication.
- All required answer IDs are present and recoverable.
Negativní signály
- No factual answer or RECALL evidence was supplied for any of the 24 probes.
- The endpoint's claimed model and API identifier are untrusted self-report and receive no behavioral corroboration.
- The complete lack of demonstrated pre-cutoff knowledge is atypical of the claimed reference snapshot.
Zdůvodnění identity soudce
- The response provides no behavioral evidence supporting the claimed model identity.
- Universal abstention includes numerous high-salience probes dated before the saved May 2026 reference cutoff.
- Because there are no incorrect recall claims, the evidence supports suspicion rather than a highly inconsistent determination.
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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "SR02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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"
}
]
}
```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
Who won Colombia's 2026 presidential runoff election?
Očekávaná odpověďAbelardo de la EspriellaSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K02UNKNOWNvyloučeno z přerušení
Who won the 2026 Masters Tournament?
Očekávaná odpověďRory McIlroySource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K03UNKNOWNvyloučeno z přerušení
Which party won Hungary's 2026 parliamentary election?
Očekávaná odpověďTisza PartySource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K04UNKNOWNvyloučeno z přerušení
Which instability did the Inouye Solar Telescope provide the first experimental confirmation of in the Sun's photosphere?
Očekávaná odpověďKelvin-Helmholtz instabilitySource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K05UNKNOWNvyloučeno z přerušení
Who was declared the winner of Zambia's 2026 presidential election?
Očekávaná odpověďHakainde HichilemaSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K06UNKNOWNvyloučeno z přerušení
Which series won Outstanding Drama Series at the 77th Emmy Awards?
Očekávaná odpověďThe PittSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K07UNKNOWNvyloučeno z přerušení
Who clinched the 2025 Formula One World Drivers' Championship at the Abu Dhabi Grand Prix?
Očekávaná odpověďLando NorrisSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K08UNKNOWNvyloučeno z přerušení
Which film won Best Motion Picture — Drama at the 2026 Golden Globes?
Očekávaná odpověďHamnetSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K09UNKNOWNvyloučeno 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.
?K10UNKNOWNvyloučeno z přerušení
Which club won the 2025 UEFA Super Cup?
Očekávaná odpověďParis Saint-GermainSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K11UNKNOWNvyloučeno z přerušení
Which country won the 2026 World Baseball Classic?
Očekávaná odpověďVenezuelaSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K12UNKNOWNvyloučeno z přerušení
Which team won Super Bowl LX?
Očekávaná odpověďSeattle SeahawksSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K13UNKNOWNvyloučeno z přerušení
Which artist won Album of the Year at the 2026 Grammy Awards?
Očekávaná odpověďBad BunnySource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K14UNKNOWNvyloučeno 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.
?K15UNKNOWNvyloučeno 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.
?K16UNKNOWNvyloučeno z přerušení
Who won the 2026 Wimbledon ladies' singles title?
Očekávaná odpověďLinda NoskovaSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K17UNKNOWNvyloučeno z přerušení
Who won the 2026 Australian Open women's singles title?
Očekávaná odpověďElena RybakinaSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K18UNKNOWNvyloučeno z přerušení
Which country won the 2026 FIFA World Cup?
Očekávaná odpověďSpainSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K19UNKNOWNvyloučeno z přerušení
Which film won Best Picture at the 98th Academy Awards?
Očekávaná odpověďOne Battle After AnotherSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K20UNKNOWNvyloučeno z přerušení
Which team won the 2025 NBA championship?
Očekávaná odpověďOklahoma City ThunderSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K21UNKNOWNvyloučeno z přerušení
Which cardinal was elected pope and took the name Leo XIV in the May 2025 conclave?
Očekávaná odpověďRobert Francis PrevostSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K22UNKNOWNvyloučeno z přerušení
Which film won the Palme d'Or at the 2026 Cannes Film Festival?
Očekávaná odpověďFjordSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K23UNKNOWNvyloučeno z přerušení
Which team won the 2026 NBA championship?
Očekávaná odpověďNew York KnicksSource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
?K24UNKNOWNvyloučeno z přerušení
Which performer won the 2026 Eurovision Song Contest?
Očekávaná odpověďDARASource ↗
Odpověď na testovaný modelUNKNOWN0% · UNKNOWN
Verdikt hodnotitele: UNKNOWNHlášená důvěra: 0%
Poznámka hodnotitele: Explicit abstention.
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
MBAJ09XSXC0CSHVAV73EJTBTRQBenchmark
model-verification-single-request-v1.4Hodnoticí model
gpt-5.6-solPožadovaný protokol
openai_chatZjištěné schéma odezvy
anthropic_messagesKompatibilita protokolů
MISMATCH · obnovenoVýstup modelu
Not recordedVstupní tokeny
Not recordedVýstupní tokeny
Not recordedDůvod ukončení
Not recordedStav HTTP
200Externí latence
15,654 msByty odpovědi
3,702SHA-256
d783ad1531895d72131fa6c7040adf91ec505a5a1cf65146e95e2eb001047f04Důležité 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.