Offentlig AI-model verifikationsrapport
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Ældre kvalitetsscore100/100
PLAUSIBLE60% vurdering tillid
Permanent rapport
https://model-gate.com/da/model-verification/results/A57ZK57ERM62N3S1XETMXFKK0XDommeranalyse
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.
Månedlig tidslinje er ikke tilgængelig for dette arkiverede benchmarkresultat.
✓ korrekt RECALL✕ forkert tilbagekaldelse~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0korrekt RECALL
0forkert tilbagekaldelse
Tidsmæssig sammenligning
UNKNOWNViden cutoff sammenligning
ReferenceafskæringUNKNOWNUNKNOWN · 0%
Senest understøttede RECALL—0 kvalificerede RECALL-svar
Observeret grænseUtilstrækkelig RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
AfskæringsjusteringUNKNOWN0% tillid
Dommernotater
- All Class A items are correct through June 2024, establishing an observed lower bound but no upper bound.
- The immutable reference snapshot has no known cutoff dates, so cutoff alignment cannot be scored.
Semantisk: korrekt 16 · forkert 0 · ukendt 0. Udelukket fra cutoff: 0.
Adfærdsidentitet
PLAUSIBLE · 60%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
- Perfect performance across all supplied Class A recall items.
- Correct recall of multiple DeepSeek model releases and specifications.
- No systematic early knowledge failures.
Negative signaler
- No documented canonical identity or cutoff is available in the reference snapshot.
- Cutoff consistency cannot be evaluated.
- Self-report and matching API metadata are weak identity evidence.
Begrundelse for dommerens identitet
- The response is fully correct on all 16 strong-recall questions, including the DeepSeek-specific history items.
- The observed knowledge extends through June 2024, but the reference cutoff is unknown and therefore provides no identity-comparison signal.
- The claimed name and API identifier agree, but both are untrusted metadata and do not prove model identity.
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
Which human Go player was AlphaGo's opponent in the three-game match completed on 2017-05-27?
Forventet svarKe Jie
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Ke Jie.
✓K02UNKNOWNudelukket fra afskæring
The first published image of a black hole, announced on 2019-04-10, depicted the black hole in which galaxy?
Forventet svarMessier 87
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: M87 galaxy is semantically equivalent to Messier 87.
✓K03UNKNOWNudelukket fra afskæring
Which two scientists were awarded the 2020 Nobel Prize in Chemistry for developing a method for genome editing?
Forventet svarEmmanuelle Charpentier and Jennifer A. Doudna
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Both required scientists are correctly named.
✓K04UNKNOWNudelukket fra afskæring
Which research organization developed the AlphaFold2 system whose CASP14 performance was announced on 2020-11-30?
Forventet svarDeepMind
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer DeepMind.
✓K05UNKNOWNudelukket fra afskæring
Which launch vehicle carried the James Webb Space Telescope into space on 2021-12-25?
Forventet svarAriane 5
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Ariane 5.
✓K06UNKNOWNudelukket fra afskæring
What was the name of the asteroid moonlet struck by NASA's DART spacecraft on 2022-09-26?
Forventet svarDimorphos
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Dimorphos.
✓K07UNKNOWNudelukket fra afskæring
In which ocean did the Artemis I Orion capsule splash down on 2022-12-11?
Forventet svarPacific Ocean
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Pacific Ocean.
✓K08UNKNOWNudelukket fra afskæring
On 2023-03-01, OpenAI made an API available for which speech-recognition model?
Forventet svarWhisper
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Whisper.
✓K09UNKNOWNudelukket fra afskæring
What was the name of the Chandrayaan-3 lander that reached the lunar surface on 2023-08-23?
Forventet svarVikram
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Vikram.
✓K10UNKNOWNudelukket fra afskæring
Samples from which asteroid were returned to Earth by the OSIRIS-REx capsule on 2023-09-24?
Forventet svarBennu
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Bennu.
✓K11UNKNOWNudelukket fra afskæring
What was the name of the code-focused model family publicly introduced by DeepSeek on 2023-11-02?
Forventet svarDeepSeek Coder
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: DeepSeek-Coder is an accepted spelling.
✓K12UNKNOWNudelukket fra afskæring
What two parameter scales were offered in the DeepSeek LLM family announced on 2023-11-29?
Forventet svar7B and 67B
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Both parameter scales match: 7B and 67B.
✓K13UNKNOWNudelukket fra afskæring
How many total parameters and how many activated parameters per token did DeepSeek-V2 have when announced on 2024-05-06?
Forventet svar236B total parameters and 21B activated parameters per token
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Correctly gives 236B total and 21B activated per token.
✓K14UNKNOWNudelukket fra afskæring
What maximum context length was supported by DeepSeek-Coder-V2 when announced on 2024-06-17?
Forventet svar128K tokens
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer 128K tokens.
✓K15UNKNOWNudelukket fra afskæring
Which company built the Odysseus lunar lander that touched down on 2024-02-22?
Forventet svarIntuitive Machines
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches accepted answer Intuitive Machines.
✓K16UNKNOWNudelukket fra afskæring
What two parameter sizes were offered for the initially released Llama 3 models announced on 2024-04-18?
Forventet svar8B and 70B
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Both initially released sizes match: 8B and 70B.
Spørgsmålsdækning og forskningsnotater
Faktiske spørgsmål: 16 · 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
A57ZK57ERM62N3S1XETMXFKK0XBenchmark
model-verification-single-request-v1.1Dommer
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
28,645 msSvarbytes
1,859SHA-256
4c1f5cca4a79a53f28e7f6544bfe08208148d53c85569f50c4132e161da06613Vigtig begrænsning
The reference cutoff is the configured judge model's internal-knowledge snapshot for this run, not an independently verified 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.