Offentlig AI-model verifikationsrapport
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Ældre kvalitetsscore87/100
SUSPICIOUS76% vurdering tillid
Permanent rapport
https://model-gate.com/da/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Dommeranalyse
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? 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
✓ korrekt RECALL✕ forkert tilbagekaldelse~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0korrekt RECALL
0forkert tilbagekaldelse
Tidsmæssig sammenligning
LATER_THAN_REFERENCEViden cutoff sammenligning
Referenceafskæring2025-05ESTIMATED_WEB · 45%
Senest understøttede RECALL—0 kvalificerede RECALL-svar
Observeret grænseUtilstrækkelig RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
AfskæringsjusteringLATER_THAN_REFERENCE28/100 · 55% tillid
Dommernotater
- 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.
Referenceafskæringskilder
Semantisk: korrekt 21 · forkert 3 · ukendt 0. Udelukket fra cutoff: 0.
Adfærdsidentitet
SUSPICIOUS · 76%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
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Negative signaler
- 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.
Begrundelse for dommerens identitet
- 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.
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 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: WRONGRapporteret tillid: 75%
Dommernotat: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNudelukket fra afskæring
Which two countries signed a joint peace declaration at the White House?
Forventet svarArmenia and AzerbaijanSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 62%
Dommernotat: Matches Armenia and Azerbaijan.
✓K03UNKNOWNudelukket fra afskæring
What papal name did Cardinal Robert Francis Prevost take after his election?
Forventet svarLeo XIVSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 85%
Dommernotat: Matches Pope Leo XIV.
✓K04UNKNOWNudelukket fra afskæring
Which city hosted the first G20 Leaders' Summit held on the African continent?
Forventet svarJohannesburgSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 80%
Dommernotat: Matches Johannesburg.
✓K05UNKNOWNudelukket 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: 95%
Dommernotat: Matches Anora.
✓K06UNKNOWNudelukket fra afskæring
Which mission completed the first commercial spacewalk?
Forventet svarPolaris DawnSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 88%
Dommernotat: Matches Polaris Dawn.
✓K07UNKNOWNudelukket fra afskæring
Which team won the 2025 NBA championship?
Forventet svarOklahoma City ThunderSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 45%
Dommernotat: Matches Oklahoma City Thunder.
✓K08UNKNOWNudelukket fra afskæring
Which flagship model did OpenAI release in its API platform?
Forventet svarGPT-5Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 80%
Dommernotat: Matches GPT-5.
✕K09UNKNOWNudelukket fra afskæring
Which footballer won The Best FIFA Men's Player award for 2025?
Forventet svarOusmane DembeleSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: WRONGRapporteret tillid: 48%
Dommernotat: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNudelukket fra afskæring
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Forventet svarCDU/CSUSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 90%
Dommernotat: Matches CDU/CSU.
✓K11UNKNOWNudelukket fra afskæring
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Forventet svarInternational Criminal CourtSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 100%
Dommernotat: Matches the International Criminal Court.
✓K12UNKNOWNudelukket fra afskæring
Which commercial lunar lander successfully touched down in Mare Crisium?
Forventet svarBlue GhostSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 88%
Dommernotat: Matches Blue Ghost.
✓K13UNKNOWNudelukket fra afskæring
Which Blue Origin rocket reached orbit on its maiden launch?
Forventet svarNew GlennSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 95%
Dommernotat: Matches New Glenn.
✓K14UNKNOWNudelukket fra afskæring
Which standard iPhone generation did Apple unveil at its September product event?
Forventet svariPhone 17Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 90%
Dommernotat: Matches iPhone 17.
✓K15UNKNOWNudelukket fra afskæring
Which pontiff died at the Vatican on Easter Monday?
Forventet svarPope FrancisSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 98%
Dommernotat: Matches Pope Francis.
✓K16UNKNOWNudelukket fra afskæring
Which party retained a parliamentary majority in Moldova's election?
Forventet svarParty of Action and SolidaritySource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 72%
Dommernotat: Matches the Party of Action and Solidarity.
✓K17UNKNOWNudelukket fra afskæring
What landmark global health accord 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: 75%
Dommernotat: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNudelukket fra afskæring
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Forventet svarOasisSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 95%
Dommernotat: Matches Oasis.
✓K19UNKNOWNudelukket fra afskæring
Which album won Album of the Year at the 2025 Grammy Awards?
Forventet svarCowboy CarterSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 90%
Dommernotat: Matches Cowboy Carter.
✓K20UNKNOWNudelukket fra afskæring
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Forventet svarNS-31Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 92%
Dommernotat: Matches NS-31.
✓K21UNKNOWNudelukket fra afskæring
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Forventet svarNotre-Dame de ParisSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 98%
Dommernotat: Matches Notre-Dame de Paris.
✓K22UNKNOWNudelukket fra afskæring
Which new Nintendo console launched worldwide?
Forventet svarNintendo Switch 2Source ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: CORRECTRapporteret tillid: 95%
Dommernotat: Matches Nintendo Switch 2.
✓K23UNKNOWNudelukket 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.
✕K24UNKNOWNudelukket fra afskæring
Which national team won UEFA Women's Euro 2025?
Forventet svarEnglandSource ↗
Testet model svar—Det nøjagtige modelsvar blev ikke bevaret for denne arkiverede kørsel.
Dommer dom: WRONGRapporteret tillid: 65%
Dommernotat: Expected England, not Spain.
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
A8T2GNQWKPJS4M16YAF7M0PGP4Benchmark
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
222,372 msSvarbytes
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Vigtig 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.