Informe de verificación del modelo público de IA
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Puntuación de calidad heredada87/100
CONSISTENT82% confianza en la evaluación
Informe permanente
https://model-gate.com/es/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YAnálisis del evaluador
¿Por qué esta verificación recibió su resultado?
El informe público refleja la evidencia analítica que se muestra al evaluador después de /chat/verify. Las puntuaciones de los jueces son evaluaciones de rúbricas; sólo las respuestas RECALL explícitas, correctas o incorrectas, pueden influir en el límite de recuperación pura.
Diagnóstico de comportamiento
4 diagnósticosJustificación de la puntuación del juez
No se mantuvo ninguna justificación del juez por separado para este resultado archivado.
No se mantuvo ninguna justificación del juez por separado para este resultado archivado.
No se mantuvo ninguna justificación del juez por separado para este resultado archivado.
No se mantuvo ninguna justificación del juez por separado para este resultado archivado.
Nota de referencia histórica: esta puntuación general archivada v1.4 utilizó la agregación de diagnóstico fija anterior. Se conserva para fines de reproducibilidad y no debe interpretarse como una puntuación de Model Match v1.5.
evidencia temporal
0 RECUPERAR sondasCronología de recuerdo puro
El conjunto de preguntas real se barajó antes de la solicitud del modelo probado. Los espacios de generación que faltan no son abstenciones modelo. El cronograma reconstruye los meses objetivo para la auditabilidad. Sólo las respuestas RECALL explícitas son evidencia de corte; INFERENCIA, ADIVINAR y DESCONOCIDO permanecen visibles pero no mueven el límite.
2023-11? K24UNKNOWN
2023-12? K13UNKNOWN
2024-01? K08UNKNOWN
2024-02? K07UNKNOWN
2024-03? K15UNKNOWN
2024-04? K18UNKNOWN
2024-05? K04UNKNOWN
2024-06? K16UNKNOWN
2024-07? K06UNKNOWN
2024-08? K03UNKNOWN
2024-09? K09UNKNOWN
2024-10? K17UNKNOWN
2024-11? K20UNKNOWN
2024-12? K10UNKNOWN
2025-01? K12UNKNOWN
2025-02? K14UNKNOWN
2025-03? K11UNKNOWN
2025-04? K21UNKNOWN
2025-05? K22UNKNOWN
2025-06? K23UNKNOWN
2025-07? K02UNKNOWN
2025-08? K05UNKNOWN
2025-09? K01UNKNOWN
2025-10? K19UNKNOWN
✓ RECUERDE correcto✕ RECUERDO incorrecto~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0RECUERDE correcto
0RECUERDO incorrecto
Comparación temporal
CONSISTENTComparación de límites de conocimiento
Corte de referencia2025-05ESTIMATED_WEB · 0%
Último RECUERDO soportado—0 RECUPERAR respuestas elegibles
Límite observadoEvidencia de RECUPERACIÓN insuficienteINSUFFICIENT_RECALL_EVIDENCE
Alineación de corteCONSISTENT88/100 · 80% confianza
Notas del evaluador
- Strong recall is nearly complete through the May 2025 reference cutoff.
- There is no systematic strong-recall failure substantially before the reference cutoff.
- Correct June and August 2025 answers suggest selective later knowledge, while failures in July, September, and October prevent a clearly later boundary.
Fuentes de corte de referencia
Semántico: correcto 20 · incorrecto 4 · desconocido 0. Excluido del límite: 0.
Identidad conductual
CONSISTENT · 82%Señales de identidad
La identidad se infiere de la coherencia entre el modelo reivindicado y el perfil de conocimiento/respuesta observado. Es una evidencia, no una certificación remota o una prueba criptográfica de los pesos de las porciones.
Señales positivas
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Señales negativas
- Incorrect February 2024 lunar-lander answer despite high confidence.
- Correct June and August 2025 answers extend beyond the estimated reference cutoff.
- Several post-cutoff answers are confidently wrong, indicating uneven recency.
Justificación de la identidad del juez
- Observed behavior broadly overlaps the saved May 2025 reference cutoff.
- The model answered 20 of 24 Class A items correctly, with only one isolated failure well before the cutoff.
- Post-cutoff knowledge is uneven and can plausibly reflect selective updates rather than model substitution.
Respuesta del modelo probado
Texto del modelo extraído palabra por palabra
Evaluación publicada
El desafío, la clave de respuestas y la evaluación del juez normalizada están disponibles. El texto exacto del modelo probado no está disponible para su publicación a menos que se haya conservado con la participación del evaluador. La publicación de una evaluación no genera ese consentimiento ni recupera el texto descartado.
Listado completo de referencias
Evidencia pregunta por pregunta
Todas las preguntas admitidas se muestran con la respuesta esperada, la fuente disponible, la base del modelo probado, el veredicto semántico y el límite de elegibilidad. Las preguntas sin calificación no son abstenciones modelo. Una CONDICIÓN o INFERENCIA correcta sigue siendo semánticamente correcta, pero se excluye de la evidencia de corte de recuerdo puro.
✕K01UNKNOWNexcluido del corte
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Respuesta esperadaOblique SevilleSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: WRONGConfianza reportada: 75%
Nota del evaluador: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNexcluido del corte
Which team won the UEFA Women's Euro 2025 final?
Respuesta esperadaEnglandSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: WRONGConfianza reportada: 85%
Nota del evaluador: Expected England; answered Spain.
✓K03UNKNOWNexcluido del corte
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Respuesta esperadampoxSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches mpox.
✓K04UNKNOWNexcluido del corte
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Respuesta esperadaAlphaFold 3Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches AlphaFold 3.
✓K05UNKNOWNexcluido del corte
What model did OpenAI release as a unified system with built-in thinking?
Respuesta esperadaGPT-5Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches GPT-5.
✓K06UNKNOWNexcluido del corte
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Respuesta esperadaWindowsSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Microsoft Windows is accepted.
✕K07UNKNOWNexcluido del corte
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Respuesta esperadaOdysseusSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: WRONGConfianza reportada: 80%
Nota del evaluador: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNexcluido del corte
What was the name of Japan's lunar lander that successfully reached the Moon?
Respuesta esperadaSLIMSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches SLIM.
✓K09UNKNOWNexcluido del corte
Who became the first private astronaut to perform a spacewalk?
Respuesta esperadaJared IsaacmanSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches Jared Isaacman.
✓K10UNKNOWNexcluido del corte
Which country was appointed host of the 2034 FIFA World Cup?
Respuesta esperadaSaudi ArabiaSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches Saudi Arabia.
✓K11UNKNOWNexcluido del corte
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Respuesta esperadaMare CrisiumSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches Mare Crisium.
✓K12UNKNOWNexcluido del corte
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Respuesta esperadaDeepSeek-R1Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches DeepSeek-R1.
✓K13UNKNOWNexcluido del corte
What was the name of the second malaria vaccine prequalified by WHO?
Respuesta esperadaR21/Matrix-MSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches R21/Matrix-M.
✓K14UNKNOWNexcluido del corte
Which album won Album of the Year at the 67th Grammy Awards?
Respuesta esperadaCowboy CarterSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches Cowboy Carter.
✓K15UNKNOWNexcluido del corte
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Respuesta esperada523Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 85%
Nota del evaluador: Matches 523.
✓K16UNKNOWNexcluido del corte
How many grams of lunar material did the Chang'e-6 mission collect?
Respuesta esperada1,935.3 gramsSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches 1,935.3 grams.
✓K17UNKNOWNexcluido del corte
Which rocket launched NASA's Europa Clipper spacecraft?
Respuesta esperadaFalcon HeavySource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches Falcon Heavy.
✓K18UNKNOWNexcluido del corte
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Respuesta esperadaGaia BH3Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches Gaia BH3.
✕K19UNKNOWNexcluido del corte
Who was awarded the 2025 Nobel Peace Prize?
Respuesta esperadaMaria Corina MachadoSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: WRONGConfianza reportada: 70%
Nota del evaluador: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNexcluido del corte
What annual climate-finance goal for developing countries did COP29 set for 2035?
Respuesta esperadaUS$300 billion per yearSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches $300 billion per year.
✓K21UNKNOWNexcluido del corte
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Respuesta esperadaFram2Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 90%
Nota del evaluador: Matches Fram2.
✓K22UNKNOWNexcluido del corte
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Respuesta esperadaArticle 19Source ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 75%
Nota del evaluador: Matches Article 19.
✓K23UNKNOWNexcluido del corte
Which new Mario Kart game launched alongside Nintendo Switch 2?
Respuesta esperadaMario Kart WorldSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches Mario Kart World.
✓K24UNKNOWNexcluido del corte
What model did OpenAI introduce with a 128K context window at its first DevDay?
Respuesta esperadaGPT-4 TurboSource ↗
Respuesta del modelo probado—La respuesta exacta del modelo no está disponible para su publicación.
Veredicto del evaluador: CORRECTConfianza reportada: 95%
Nota del evaluador: Matches GPT-4 Turbo.
Cobertura de preguntas y notas de investigación.
Preguntas fácticas: 24 · No calificado por el juez: 0
El corte de referencia y las citas son proporcionadas por el juez, no confirmadas de forma independiente por la plataforma. Las notas de investigación no penalizan el modelo probado.
Ejecutar metadatos
Detalles de reproducibilidad
ID de ejecución
0B0HVDB2FRJEJC90BRG4D7JV1YPunto de referencia
model-verification-single-request-v1.2Modelo evaluador
gpt-5.6-solProtocolo solicitado
openai_chatEsquema de respuesta detectado
Legacy / not recordedCompatibilidad de protocolo
PARTIDO / legadoSalida del modelo
Not recordedTokens de entrada
Not recordedTokens de salida
Not recordedMotivo de finalización
Not recordedEstado HTTP
200Latencia externa
88,304 msBytes de respuesta
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dLimitación importante
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.
Ejecute una verificación independiente
Pruebe usted mismo el mismo punto final o explore otros informes públicos antes de confiar en una identidad de modelo anunciada.