Offentlig AI-model verifikationsrapport
claude-opus-4-6
https://api.model-gate.com/v1/chat/completions
Ældre kvalitetsscore60/100
CONSISTENT88% vurdering tillid
Permanent rapport
https://model-gate.com/da/model-verification/results/68TGGQW6SM9411Y4XDAPH3BR3HDommeranalyse
Hvorfor denne verifikation modtog sit resultat
Den offentlige rapport afspejler de analytiske beviser, der er vist for testeren efter /chat/verify. Dommerscore er rubrikvurderinger; kun eksplicitte korrekte eller forkerte RECALL-svar kan påvirke grænsen for ren genkaldelse.
Adfærdsdiagnostik
4 diagnostikBegrundelse for dommerscoring
Ingen særskilt dommerbegrundelse blev bibeholdt for dette arkiverede resultat.
Ingen særskilt dommerbegrundelse blev bibeholdt for dette arkiverede resultat.
Ingen særskilt dommerbegrundelse blev bibeholdt for dette arkiverede resultat.
Ingen særskilt dommerbegrundelse blev bibeholdt for dette arkiverede resultat.
Historisk benchmarknote: denne arkiverede v1.4 samlede score brugte den tidligere faste diagnostiske aggregering. Det bibeholdes for reproducerbarhed og må ikke tolkes som en v1.5 Model Match-score.
Tidlige beviser
0 GENKALD sonderTidslinje for ren genkaldelse
Selve spørgsmålssættet blev blandet før anmodningen om testet model. Manglende generationspladser er ikke modelundladelser. Tidslinjen rekonstruerer deres målmåneder for auditabilitet. Kun eksplicitte RECALL-svar er afskæringsbeviser; INFERENCE, GÆT og UKENDT forbliver synlige, men flytter ikke grænsen.
2024-09? K20UNKNOWN
2024-10? K14UNKNOWN
2024-11? K13UNKNOWN
2024-12? K22UNKNOWN
2025-01? K02UNKNOWN
2025-02? K10UNKNOWN? K18UNKNOWN
2025-03? K01UNKNOWN? K17UNKNOWN
2025-04? K03UNKNOWN? K16UNKNOWN
2025-05? K07UNKNOWN? K11UNKNOWN
2025-06? K09UNKNOWN? K21UNKNOWN
2025-07? K15UNKNOWN? K19UNKNOWN
2025-08? K06UNKNOWN? K24UNKNOWN
2025-09? K04UNKNOWN? K12UNKNOWN
2025-10? K05UNKNOWN
2025-11? K08UNKNOWN
2025-12? K23UNKNOWN
✓ korrekt RECALL✕ forkert tilbagekaldelse~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0korrekt RECALL
0forkert tilbagekaldelse
Tidsmæssig sammenligning
CONSISTENTViden cutoff sammenligning
Referenceafskæring2025-05OFFICIAL_WEB · 100%
Senest understøttede RECALL—0 kvalificerede RECALL-svar
Observeret grænseUtilstrækkelig RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
AfskæringsjusteringCONSISTENT88/100 · 87% tillid
Dommernotater
- Recall is broadly strong from September 2024 through April 2025, with only one isolated February abstention.
- May is mixed across its dense probes, while June and July retain partial or strong knowledge before a sustained failure cluster in August and September.
- The observed transition range overlaps and immediately follows the official May 2025 reference cutoff.
- Correct later-control answers in October and November are isolated; the COP30 host was also knowable well before the event, so these do not establish a later sustained boundary.
Referenceafskæringskilder
Semantisk: korrekt 16 · forkert 2 · ukendt 6. Udelukket fra cutoff: 0.
Adfærdsidentitet
CONSISTENT · 88%Identitetssignaler
Identitet udledes af sammenhæng mellem den påståede model og den observerede viden/svar-profil. Det er bevis, ikke fjernattest eller kryptografisk bevis for serveringsvægtene.
Positive signaler
- Correct on nearly all probes from September 2024 through April 2025.
- Mixed near-boundary performance in May.
- Sustained weak performance across both August and September dense evidence.
- Self-identifies as an Anthropic Claude model.
Negative signaler
- Missed the February 2025 Album of the Year despite otherwise strong pre-cutoff recall.
- Answered several June and July events correctly after the nominal cutoff.
- Correctly guessed the October 2025 Nobel Peace Prize recipient.
- Did not identify its exact version and supplied no cutoff self-report.
Begrundelse for dommerens identitet
- The behavioral boundary broadly aligns with the immutable May 2025 reference cutoff.
- Strong-recall performance is consistently high across most months before the reference cutoff.
- The August-September failure cluster supplies a meaningful temporal transition rather than relying on one obscure missed fact.
- Limited post-cutoff knowledge is not treated as proof of substitution and is compatible with inference, advance-publicized facts, or selective updates.
- The self-report supports the provider family but does not independently establish the exact model variant.
Testet model respons
Ordret uddraget modeltekst
Arkiveret resume
Denne kørsel går forud for opt-in-bevarelse af fuld rapport. Udfordringen, svarnøglen og den normaliserede dommervurdering er tilgængelige, men den nøjagtige svartekst fra den testede model blev bevidst kasseret af denne privatlivspolitik fra benchmark-æraen.
Komplet benchmarkliste
Spørgsmål-for-spørgsmål beviser
Alle godkendte spørgsmål vises med det forventede svar, tilgængelig kilde, testmodelgrundlag, semantisk dom og berettigelse til cutoff. Spørgsmål uden karakter er ikke modelundladelser. Et korrekt GÆT eller INFERENCE forbliver korrekt semantisk, men er udelukket fra ren-recall cutoff-bevis.
✓K01UNKNOWNudelukket fra afskæring
What was the name of Firefly Aerospace's lunar lander that successfully touched down on the Moon?
Forventet svarBlue GhostSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 85%
Dommernotat: Matches Blue Ghost.
✓K02UNKNOWNudelukket fra afskæring
What was the name of Blue Origin's rocket that reached orbit on its maiden flight?
Forventet svarNew GlennSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 90%
Dommernotat: Matches New Glenn.
✓K03UNKNOWNudelukket fra afskæring
What was the designation of the Blue Origin mission that carried an all-women crew including Katy Perry and Gayle King?
Forventet svarNS-31Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 45%
Dommernotat: Matches NS-31.
?K04UNKNOWNudelukket fra afskæring
Who won the men's 100 metres at the 2025 World Athletics Championships in Tokyo?
Forventet svarOblique SevilleSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: UNKNOWNRapporteret tillid: 0%
Dommernotat: Explicit abstention.
✓K05UNKNOWNudelukket fra afskæring
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Forventet svarMaria Corina MachadoSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 60%
Dommernotat: Matches Maria Corina Machado.
?K06UNKNOWNudelukket fra afskæring
At which Alaska military installation did Donald Trump meet Vladimir Putin for their 2025 summit?
Forventet svarJoint Base Elmendorf-RichardsonSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: UNKNOWNRapporteret tillid: 0%
Dommernotat: Explicit abstention.
✓K07UNKNOWNudelukket fra afskæring
What landmark global health instrument did the World Health Assembly adopt?
Forventet svarWHO Pandemic AgreementSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 55%
Dommernotat: Explicitly includes WHO Pandemic Agreement.
✓K08UNKNOWNudelukket fra afskæring
Which Brazilian city hosted the COP30 climate conference?
Forventet svarBelemSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 90%
Dommernotat: Matches Belem.
✓K09UNKNOWNudelukket fra afskæring
Which new Nintendo console launched alongside Mario Kart World?
Forventet svarNintendo Switch 2Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 85%
Dommernotat: Matches Nintendo Switch 2.
?K10UNKNOWNudelukket fra afskæring
Which album won Album of the Year at the 67th Grammy Awards?
Forventet svarCowboy CarterSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: UNKNOWNRapporteret tillid: 0%
Dommernotat: Explicit abstention.
?K11UNKNOWNudelukket fra afskæring
Which performer won the 2025 Eurovision Song Contest for Austria with Wasted Love?
Forventet svarJJSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: UNKNOWNRapporteret tillid: 0%
Dommernotat: Explicit abstention.
✕K12UNKNOWNudelukket fra afskæring
Which numbered iPhone generation did Apple debut at its September product event?
Forventet svariPhone 17Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: WRONGRapporteret tillid: 75%
Dommernotat: Answered iPhone 16; expected iPhone 17.
✓K13UNKNOWNudelukket fra afskæring
Which city hosted the COP29 climate conference that concluded with a new climate-finance agreement?
Forventet svarBakuSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 92%
Dommernotat: Matches Baku.
✓K14UNKNOWNudelukket fra afskæring
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Forventet svarNihon HidankyoSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 95%
Dommernotat: Matches Nihon Hidankyo.
?K15UNKNOWNudelukket fra afskæring
Which national team defeated Spain on penalties to win UEFA Women's Euro 2025?
Forventet svarEnglandSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: UNKNOWNRapporteret tillid: 0%
Dommernotat: Explicit abstention.
✓K16UNKNOWNudelukket fra afskæring
Which pope died at the Vatican on Easter Monday 2025?
Forventet svarPope FrancisSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 85%
Dommernotat: Matches Pope Francis.
✓K17UNKNOWNudelukket fra afskæring
Which film won Best Picture at the 97th Academy Awards?
Forventet svarAnoraSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 65%
Dommernotat: Matches Anora.
✓K18UNKNOWNudelukket fra afskæring
Which political alliance became the largest group in Germany's 2025 Bundestag election?
Forventet svarCDU/CSUSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 85%
Dommernotat: Matches CDU/CSU.
✓K19UNKNOWNudelukket fra afskæring
Which network of Indian forts became the country's 44th UNESCO World Heritage property?
Forventet svarMaratha Military Landscapes of IndiaSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 50%
Dommernotat: Matches Maratha Military Landscapes of India.
✓K20UNKNOWNudelukket fra afskæring
Which mission conducted the first commercial spacewalk?
Forventet svarPolaris DawnSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 92%
Dommernotat: Matches Polaris Dawn.
✓K21UNKNOWNudelukket fra afskæring
Which private astronaut mission launched Peggy Whitson and Shubhanshu Shukla to the International Space Station?
Forventet svarAxiom Mission 4Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 70%
Dommernotat: Matches Axiom Mission 4.
✓K22UNKNOWNudelukket fra afskæring
Which Paris cathedral formally reopened five years after a devastating fire?
Forventet svarNotre-Dame de ParisSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 97%
Dommernotat: Matches Notre-Dame de Paris.
?K23UNKNOWNudelukket fra afskæring
Who won Chile's 2025 presidential runoff election?
Forventet svarJose Antonio KastSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: UNKNOWNRapporteret tillid: 0%
Dommernotat: Explicit abstention.
✕K24UNKNOWNudelukket fra afskæring
What new flagship AI system did OpenAI introduce?
Forventet svarGPT-5Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: WRONGRapporteret tillid: 40%
Dommernotat: Answered GPT-4o; expected GPT-5.
Spørgsmålsdækning og forskningsnotater
Faktiske spørgsmål: 24 · Ikke bedømt af dommer: 0
Referenceafskæring og citater leveres af dommeren, ikke uafhængigt bekræftet af platformen. Forskningsnotater straffer ikke den testede model.
Kør metadata
Reproducerbarhedsdetaljer
Kør ID
68TGGQW6SM9411Y4XDAPH3BR3HBenchmark
model-verification-single-request-v1.3Dommer
gpt-5.6-solAnmodet protokol
openai_chatRegistreret svarskema
Legacy / not recordedProtokolkompatibilitet
MATCH / arvModel output
Not recordedIndtast tokens
Not recordedOutput tokens
Not recordedAfslut grund
Not recordedHTTP-status
200Ekstern latenstid
10,087 msSvarbytes
2,591SHA-256
37edfee0969ea8c1529cf6db6830118353b483a27995cedcf20b25e5b40b8ff1Vigtig begrænsning
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.
Kør en uafhængig verifikation
Test det samme slutpunkt selv, eller gennemse andre offentlige rapporter, før du stoler på en annonceret modelidentitet.