Avalik AI mudeli kinnitusaruanne
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Pärand kvaliteediskoor100/100
PLAUSIBLE60% hindamiskindlus
Püsiv aruanne
https://model-gate.com/et/model-verification/results/A57ZK57ERM62N3S1XETMXFKK0XKohtuniku analüüs
Miks see kontroll oma tulemuse sai?
Avalik aruanne peegeldab analüütilisi tõendeid, mis kuvatakse testijale pärast funktsiooni /chat/verify. Kohtuniku hinded on rubriigi hinnangud; ainult selgesõnalised õiged või valed RECALL vastused võivad mõjutada puhta meenutamise piiri.
Käitumise diagnostika
4 diagnostikatKohtuniku punktiarvestuse põhjendus
Selle arhiveeritud tulemuse kohta eraldi kohtuniku põhjendust ei säilitatud.
Selle arhiveeritud tulemuse kohta eraldi kohtuniku põhjendust ei säilitatud.
Selle arhiveeritud tulemuse kohta eraldi kohtuniku põhjendust ei säilitatud.
Selle arhiveeritud tulemuse kohta eraldi kohtuniku põhjendust ei säilitatud.
Ajalooline võrdlusnäitaja: see arhiveeritud versiooni 1.4 üldskoor kasutas endist fikseeritud diagnostilist koondamist. Seda säilitatakse reprodutseeritavuse huvides ja seda ei tohi tõlgendada v1.5 mudelivaste skoorina.
Ajalised tõendid
0 RECALL sondidPuhas meeldetuletuse ajaskaala
Tegelik küsimuste komplekt segati enne testitud mudeli päringut. Puuduvad põlvkonna pesad ei ole mudeli erapooletuks jääjad. Ajaskaalal rekonstrueeritakse nende auditeeritavuse sihtkuud. Ainult selgesõnalised RECALL vastused on lõplikud tõendid; JÄRELDUS, ARVASTAMINE ja TUNDMATU jäävad nähtavaks, kuid ei liiguta piiri.
Igakuine ajaskaala pole selle arhiivitud võrdlusuuringu tulemuse jaoks saadaval.
✓ õige MEELDE✕ vale MEELDE~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0õige MEELDE
0vale MEELDE
Ajaline võrdlus
UNKNOWNTeadmiste piiride võrdlus
VõrdluspiirUNKNOWNUNKNOWN · 0%
Viimane toetatud RECALL—0 sobilikud REECALL vastused
Täheldatud piirEbapiisavad RECALL tõendidINSUFFICIENT_RECALL_EVIDENCE
Lõike joondamineUNKNOWN0% enesekindlus
Kohtunik märgib
- 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.
Semantiline: õige 16 · vale 0 · teadmata 0. Väljaarvatud: 0.
Käitumuslik identiteet
PLAUSIBLE · 60%Identiteedi signaalid
Identiteet tuletatakse väidetava mudeli ja vaadeldud teadmiste/vastuste profiili vahelisest kooskõlast. See on tõend, mitte kaugtõend või krüptograafiline tõend serveerimiskaalude kohta.
Positiivsed signaalid
- Perfect performance across all supplied Class A recall items.
- Correct recall of multiple DeepSeek model releases and specifications.
- No systematic early knowledge failures.
Negatiivsed signaalid
- 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.
Kohtuniku identiteedi põhjendus
- 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.
Testitud mudeli vastus
Sõnasõnaliselt ekstraheeritud mudelitekst
Arhiveeritud kokkuvõte
See käitamine toimus enne täieliku aruande säilitamise lubamist. Väljakutse, vastuse võti ja normaliseeritud kohtuniku hinnang on saadaval, kuid täpne testitud mudeli vastuse tekst jäeti selle võrdlusaluse ajastu privaatsuspoliitikaga tahtlikult kõrvale.
Täielik võrdlusaluste loend
Küsimuste kaupa tõendid
Kõik vastuvõetud küsimused kuvatakse koos eeldatava vastuse, saadaoleva allika, testitud mudeli aluse, semantilise otsuse ja piiride sobilikkusega. Hindamata küsimused ei ole näidishoidjad. Õige ARVATUS või JÄRELDUS jääb semantiliselt õigeks, kuid on välja jäetud puhta meeldetuletuse piirtõendite hulgast.
✓K01UNKNOWNpiiridest välja jäetud
Which human Go player was AlphaGo's opponent in the three-game match completed on 2017-05-27?
Oodatud vastusKe Jie
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Ke Jie.
✓K02UNKNOWNpiiridest välja jäetud
The first published image of a black hole, announced on 2019-04-10, depicted the black hole in which galaxy?
Oodatud vastusMessier 87
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: M87 galaxy is semantically equivalent to Messier 87.
✓K03UNKNOWNpiiridest välja jäetud
Which two scientists were awarded the 2020 Nobel Prize in Chemistry for developing a method for genome editing?
Oodatud vastusEmmanuelle Charpentier and Jennifer A. Doudna
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Both required scientists are correctly named.
✓K04UNKNOWNpiiridest välja jäetud
Which research organization developed the AlphaFold2 system whose CASP14 performance was announced on 2020-11-30?
Oodatud vastusDeepMind
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer DeepMind.
✓K05UNKNOWNpiiridest välja jäetud
Which launch vehicle carried the James Webb Space Telescope into space on 2021-12-25?
Oodatud vastusAriane 5
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Ariane 5.
✓K06UNKNOWNpiiridest välja jäetud
What was the name of the asteroid moonlet struck by NASA's DART spacecraft on 2022-09-26?
Oodatud vastusDimorphos
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Dimorphos.
✓K07UNKNOWNpiiridest välja jäetud
In which ocean did the Artemis I Orion capsule splash down on 2022-12-11?
Oodatud vastusPacific Ocean
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Pacific Ocean.
✓K08UNKNOWNpiiridest välja jäetud
On 2023-03-01, OpenAI made an API available for which speech-recognition model?
Oodatud vastusWhisper
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Whisper.
✓K09UNKNOWNpiiridest välja jäetud
What was the name of the Chandrayaan-3 lander that reached the lunar surface on 2023-08-23?
Oodatud vastusVikram
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Vikram.
✓K10UNKNOWNpiiridest välja jäetud
Samples from which asteroid were returned to Earth by the OSIRIS-REx capsule on 2023-09-24?
Oodatud vastusBennu
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Bennu.
✓K11UNKNOWNpiiridest välja jäetud
What was the name of the code-focused model family publicly introduced by DeepSeek on 2023-11-02?
Oodatud vastusDeepSeek Coder
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: DeepSeek-Coder is an accepted spelling.
✓K12UNKNOWNpiiridest välja jäetud
What two parameter scales were offered in the DeepSeek LLM family announced on 2023-11-29?
Oodatud vastus7B and 67B
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Both parameter scales match: 7B and 67B.
✓K13UNKNOWNpiiridest välja jäetud
How many total parameters and how many activated parameters per token did DeepSeek-V2 have when announced on 2024-05-06?
Oodatud vastus236B total parameters and 21B activated parameters per token
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Correctly gives 236B total and 21B activated per token.
✓K14UNKNOWNpiiridest välja jäetud
What maximum context length was supported by DeepSeek-Coder-V2 when announced on 2024-06-17?
Oodatud vastus128K tokens
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer 128K tokens.
✓K15UNKNOWNpiiridest välja jäetud
Which company built the Odysseus lunar lander that touched down on 2024-02-22?
Oodatud vastusIntuitive Machines
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Matches accepted answer Intuitive Machines.
✓K16UNKNOWNpiiridest välja jäetud
What two parameter sizes were offered for the initially released Llama 3 models announced on 2024-04-18?
Oodatud vastus8B and 70B
Testitud mudeli vastus—Selle arhiveeritud käitamise jaoks täpset mudeli vastust ei säilitatud.
Kohtuniku otsus: CORRECTTeatatud usaldusest: 100%
Kohtuniku märkus: Both initially released sizes match: 8B and 70B.
Küsimuste katvus ja uurimismärkmed
Faktilised küsimused: 16 · Ei hinda kohtunik: 0
Viitepiirangu ja tsitaadid esitab kohtunik, platvorm ei ole seda iseseisvalt kinnitanud. Uurimismärkmed ei karista testitud mudelit.
Käitage metaandmeid
Reprodutseeritavuse üksikasjad
Käivita ID
A57ZK57ERM62N3S1XETMXFKK0XVõrdlusnäitaja
model-verification-single-request-v1.1Kohtunik
gpt-5.6-solNõutud protokoll
openai_chatTuvastatud vastuseskeem
Legacy / not recordedProtokolli ühilduvus
MATCH / pärandMudeli väljund
Not recordedSisestusmärgid
Not recordedVäljundmärgid
Not recordedLõpeta põhjus
Not recordedHTTP olek
200Väline latentsusaeg
28,645 msVastuse baidid
1,859SHA-256
4c1f5cca4a79a53f28e7f6544bfe08208148d53c85569f50c4132e161da06613Oluline piirang
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.
Käivitage sõltumatu kinnitus
Testige sama lõpp-punkti ise või sirvige teisi avalikke aruandeid, enne kui tuginete reklaamitud mudeliidentiteedile.