← Avalik kinnitusregistermodel-verification-single-request-v1.4
Avalik AI mudeli kinnitusaruanne

claude-opus-4-6

https://api.model-gate.com/v1/chat/completions

openai_chatgpt-5.6-solSep 8, 2026 07:11 UTC
Pärand kvaliteediskoor93/100
CONSISTENT82% hindamiskindlus
Püsiv aruannehttps://model-gate.com/et/model-verification/results/HTAMKTZHR951P7JVR0RJDS7TXJ
Telegram ↗X ↗
Faktiline meenutamine94
Teadmiste ajakohasus92
Hallutsinatsioonide resistentsus94
Kalibreerimine93
Väidetav mudelclaude-opus-4-6
Kohtuniku otsusega mudelClaude Opus 4.6Anthropic
Lõpp-punkti hostapi.model-gate.com
Välise vastuse mudeli väliclaude-opus-4-6
Hindaja 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

Kohtuniku punktiarvestuse põhjendus

4 diagnostikat
Faktiline meenutamine94/100

All 12 answers explicitly labeled RECALL are semantically correct, spanning September 2024 through June 2025; the evidence is substantial and contains no wrong RECALL.

Teadmiste ajakohasus92/100

Correct RECALL reaches the May 2025 reference region and includes one correct June 2025 item, with no stale or wrong RECALL near the cutoff.

Hallutsinatsioonide resistentsus94/100

The model abstained consistently on unsupported later events and honestly labeled its one guess; the incorrect Sunlenca brand qualifier is a minor unsupported detail.

Kalibreerimine93/100

Correct recalled answers received moderate-to-high confidence, abstentions received zero confidence, and the correct guess was explicitly labeled and assigned only 55 confidence.

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

Puhas meeldetuletuse ajaskaala

12 RECALL sondid

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.

2024-09✓ K02RECALL
2024-10✓ K07RECALL
2024-11✓ K12RECALL
2024-12✓ K06RECALL
2025-01✓ K08RECALL
2025-02✓ K03RECALL✓ K15RECALL
2025-03✓ K05RECALL✓ K24RECALL
2025-04✓ K21RECALL≈ K23GUESS
2025-05✓ K01RECALL? K04UNKNOWN
2025-06✓ K13RECALL? K20UNKNOWN
2025-07? K18UNKNOWN? K22UNKNOWN
2025-08? K16UNKNOWN? K17UNKNOWN
2025-09? K10UNKNOWN? K14UNKNOWN
2025-10? K11UNKNOWN
2025-11? K19UNKNOWN
2025-12? K09UNKNOWN
✓ õige MEELDE✕ vale MEELDE~ INFERENCE≈ GUESS? UNKNOWN
12RECALL
0INFERENCE
1GUESS
11UNKNOWN
12õige MEELDE
0vale MEELDE
Ajaline võrdlus

Teadmiste piiride võrdlus

CONSISTENT
Võrdluspiir2025-05OFFICIAL_WEB · 100%
Viimane toetatud RECALL2025-0612 sobilikud REECALL vastused
Täheldatud piirEbapiisavad RECALL tõendidINSUFFICIENT_RECALL_EVIDENCE
Lõike joondamineCONSISTENT91/100 · 84% kindlus
Hindaja märkused
  • Positive RECALL extends through June 2025.
  • Later responses are UNKNOWN rather than wrong RECALL, so they cannot establish a pure-recall transition.
  • There is no sustained negative RECALL evidence from which to place a boundary.
  • Correct RECALL reaches May 2025, matching the saved reference cutoff.
  • The isolated correct June 2025 RECALL is an allowed post-cutoff anomaly and is not evidence of substitution.
  • No systematic wrong or stale RECALL appears before the reference cutoff.

Semantiline: õige 13 · vale 0 · teadmata 11. Väljaarvatud: 12.

Käitumuslik identiteet

Identiteedi signaalid

CONSISTENT · 82%

Identiteet tuletatakse väidetava mudeli ja vaadeldud teadmiste/vastuste profiili vahelisest kooskõlast. See on tõend, mitte kaugtõend või krüptograafiline tõend serveerimiskaalude kohta.

Positiivsed signaalid

  • Twelve correct RECALL answers and no wrong RECALL answers.
  • Correct near-cutoff recall for the May 2025 papal election.
  • Cautious abstention on most post-cutoff and late-control probes.
  • Correct provider and model-family self-identification.

Negatiivsed signaalid

  • The model could not identify the claimed exact variant in its self-report.
  • The reported cutoff of early 2025 is less precise and somewhat earlier than the May 2025 reference.
  • It abstained on the May 2025 Eurovision result despite recalling another event from that month.
  • The lenacapavir answer included the mismatched Sunlenca brand qualifier.
Kohtuniku identiteedi põhjendus
  • The pure-recall chronology is behaviorally consistent with a May 2025 knowledge cutoff.
  • Recall is accurate through the reference region, while the model mostly abstains on substantially later events.
  • Behavioral evidence supports consistency but cannot verify exact endpoint identity.
Testitud mudeli vastus

Sõnasõnaliselt ekstraheeritud mudelitekst

Avaldatud testija nõusolekul

See on täpne mudeltekst, mis on eraldatud edukast välisest API vastusest ja edastatud kohtunikule. Siin ei salvestata HTTP-päiseid, välist API-võtit ja kogu pakkuja vastuse ümbrikut.

```json
{"answers":[{"id":"SR01","answer":"Claude, made by Anthropic. Specific version/variant: I am Claude (likely Claude 3.5 Sonnet or Claude 4/Opus variant), but I cannot confirm the exact version identifier with certainty.","confidence":60,"basis":"INFERENCE"},{"id":"SR02","answer":"Early 2025","confidence":50,"basis":"INFERENCE"},{"id":"K01","answer":"Robert Francis Prevost (taking the name Leo XIV)","confidence":90,"basis":"RECALL"},{"id":"K02","answer":"Shōgun","confidence":95,"basis":"RECALL"},{"id":"K03","answer":"CDU/CSU (Union)","confidence":97,"basis":"RECALL"},{"id":"K04","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K05","answer":"India","confidence":80,"basis":"RECALL"},{"id":"K06","answer":"Gukesh Dommaraju","confidence":97,"basis":"RECALL"},{"id":"K07","answer":"Nihon Hidankyo","confidence":95,"basis":"RECALL"},{"id":"K08","answer":"Jannik Sinner","confidence":97,"basis":"RECALL"},{"id":"K09","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K10","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K11","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K12","answer":"Donald Trump","confidence":99,"basis":"RECALL"},{"id":"K13","answer":"Lenacapavir (Sunlenca)","confidence":72,"basis":"RECALL"},{"id":"K14","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K15","answer":"Philadelphia Eagles","confidence":90,"basis":"RECALL"},{"id":"K16","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K17","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K18","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K19","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K20","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K21","answer":"Liberal Party of Canada","confidence":72,"basis":"RECALL"},{"id":"K22","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K23","answer":"Rory McIlroy","confidence":55,"basis":"GUESS"},{"id":"K24","answer":"Anora","confidence":85,"basis":"RECALL"}]}
```
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.

✓K01RECALLpiiravad tõendid

Which cardinal was elected pope by the May 2025 conclave?

Oodatud vastusRobert Francis PrevostSource ↗
Testitud mudeli vastusRobert Francis Prevost (taking the name Leo XIV)90% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 90%

Hindaja märkus: Robert Francis Prevost and Leo XIV are accepted.

✓K02RECALLpiiravad tõendid

Which series won Outstanding Drama Series at the 76th Emmy Awards?

Oodatud vastusShogunSource ↗
Testitud mudeli vastusShōgun95% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 95%

Hindaja märkus: Shogun matches the answer key.

✓K03RECALLpiiravad tõendid

Which political alliance received the most second votes in Germany's 2025 federal election?

Oodatud vastusCDU/CSUSource ↗
Testitud mudeli vastusCDU/CSU (Union)97% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 97%

Hindaja märkus: CDU/CSU is accepted.

?K04UNKNOWNpiiridest välja jäetud

Which performer won the 2025 Eurovision Song Contest?

Oodatud vastusJJSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

✓K05RECALLpiiravad tõendid

Which national team won the 2025 ICC Men's Champions Trophy?

Oodatud vastusIndiaSource ↗
Testitud mudeli vastusIndia80% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 80%

Hindaja märkus: India matches the answer key.

✓K06RECALLpiiravad tõendid

Who won the 2024 FIDE World Chess Championship?

Oodatud vastusGukesh DommarajuSource ↗
Testitud mudeli vastusGukesh Dommaraju97% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 97%

Hindaja märkus: Gukesh Dommaraju matches the answer key.

✓K07RECALLpiiravad tõendid

Which organization received the 2024 Nobel Peace Prize?

Oodatud vastusNihon HidankyoSource ↗
Testitud mudeli vastusNihon Hidankyo95% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 95%

Hindaja märkus: Nihon Hidankyo matches the answer key.

✓K08RECALLpiiravad tõendid

Who won the 2025 Australian Open men's singles title?

Oodatud vastusJannik SinnerSource ↗
Testitud mudeli vastusJannik Sinner97% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 97%

Hindaja märkus: Jannik Sinner matches the answer key.

?K09UNKNOWNpiiridest välja jäetud

Who won Chile's 2025 presidential runoff election?

Oodatud vastusJose Antonio KastSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

?K10UNKNOWNpiiridest välja jäetud

Who won the 2025 US Open women's singles title?

Oodatud vastusAryna SabalenkaSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

?K11UNKNOWNpiiridest välja jäetud

Who received the 2025 Nobel Peace Prize?

Oodatud vastusMaria Corina MachadoSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

✓K12RECALLpiiravad tõendid

Who won the 2024 United States presidential election?

Oodatud vastusDonald TrumpSource ↗
Testitud mudeli vastusDonald Trump99% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 99%

Hindaja märkus: Donald Trump matches the answer key.

✓K13RECALLpiiravad tõendid

Which twice-yearly HIV prevention drug received FDA approval in June 2025?

Oodatud vastusYeztugoSource ↗
Testitud mudeli vastusLenacapavir (Sunlenca)72% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 72%

Hindaja märkus: Lenacapavir is accepted, though the parenthetical Sunlenca brand is not the prevention brand requested.

?K14UNKNOWNpiiridest välja jäetud

Who won the 2025 US Open men's singles title?

Oodatud vastusCarlos AlcarazSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

✓K15RECALLpiiravad tõendid

Which team won Super Bowl LIX?

Oodatud vastusPhiladelphia EaglesSource ↗
Testitud mudeli vastusPhiladelphia Eagles90% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 90%

Hindaja märkus: Philadelphia Eagles matches the answer key.

?K16UNKNOWNpiiridest välja jäetud

Who won the 2025 Tour Championship and FedExCup?

Oodatud vastusTommy FleetwoodSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

?K17UNKNOWNpiiridest välja jäetud

Which region's team won the 2025 Little League Baseball World Series?

Oodatud vastusAsia-PacificSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

?K18UNKNOWNpiiridest välja jäetud

Which astronomical survey first reported the comet later confirmed as the third known interstellar object?

Oodatud vastusATLASSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

?K19UNKNOWNpiiridest välja jäetud

Who won New York City's 2025 mayoral election?

Oodatud vastusZohran MamdaniSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

?K20UNKNOWNpiiridest välja jäetud

Which team won the 2025 NBA Finals?

Oodatud vastusOklahoma City ThunderSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

✓K21RECALLpiiravad tõendid

Which party won the most House of Commons seats in Canada's 2025 federal election?

Oodatud vastusLiberal Party of CanadaSource ↗
Testitud mudeli vastusLiberal Party of Canada72% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 72%

Hindaja märkus: Liberal Party of Canada matches the answer key.

?K22UNKNOWNpiiridest välja jäetud

Who won the 2025 Wimbledon gentlemen's singles title?

Oodatud vastusJannik SinnerSource ↗
Testitud mudeli vastusUNKNOWN0% · UNKNOWN
Hindaja otsus: UNKNOWNTeatatud usaldusest: 0%

Hindaja märkus: Explicit abstention.

✓K23GUESSpiiridest välja jäetud

Who won the 2025 Masters Tournament?

Oodatud vastusRory McIlroySource ↗
Testitud mudeli vastusRory McIlroy55% · GUESS
Hindaja otsus: CORRECTTeatatud usaldusest: 55%

Hindaja märkus: Rory McIlroy is correct, but the model explicitly labeled it a guess.

✓K24RECALLpiiravad tõendid

Which film won Best Picture at the 97th Academy Awards?

Oodatud vastusAnoraSource ↗
Testitud mudeli vastusAnora85% · RECALL
Hindaja otsus: CORRECTTeatatud usaldusest: 85%

Hindaja märkus: Anora matches the answer key.

Küsimuste katvus ja uurimismärkmed

Faktilised küsimused: 24 · Ei hinda kohtunik: 0

Viitepiirangu ja tsitaadid esitab kohtunik, platvorm ei ole seda iseseisvalt kinnitanud. Uurimismärkmed ei karista testitud mudelit.

Käitage metaandmeid

Reprodutseeritavuse üksikasjad

Käivituse IDHTAMKTZHR951P7JVR0RJDS7TXJ
Võrdlusnäitajamodel-verification-single-request-v1.4
Hindamismudelgpt-5.6-sol
Nõutud protokollopenai_chat
Tuvastatud vastuseskeemLegacy / not recorded
Protokolli ühilduvusMATCH / pärand
Mudeli väljundNot recorded
SisendtokenidNot recorded
VäljundtokenidNot recorded
Lõpetamise põhjusNot recorded
HTTP olek200
Väline latentsusaeg12,772 ms
Vastuse baidid2,665
SHA-2566d36e6fd6f6091dd50b513a22a18a9867f152d4fb9361a5fee6b99adb40502f5
Oluline piirang

Benchmark v1.4 uses judge-rubric scores for factual recall, knowledge recency, hallucination resistance and calibration. The overall score is their fixed 37.5/25/25/12.5 weighted aggregation. Only explicitly reported RECALL may influence the knowledge boundary; INFERENCE, GUESS and UNKNOWN are shown but excluded. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of model identity.

Käivitage sõltumatu kinnitus

Testige sama lõpp-punkti ise või sirvige teisi avalikke aruandeid, enne kui tuginete reklaamitud mudeliidentiteedile.