Rapport public de vérification du modèle d'IA
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Niveau de qualité hérité87/100
CONSISTENT82% confiance dans l'évaluation
Rapport permanent
https://model-gate.com/fr/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YAnalyse de l’évaluateur
Pourquoi cette vérification a reçu son résultat
Le rapport public reflète les preuves analytiques présentées au testeur après /chat/verify. Les notes des juges sont des évaluations par rubrique ; seules les réponses explicites correctes ou erronées de RECALL peuvent influencer la limite du rappel pur.
Diagnostic comportemental
4 diagnosticsJustification de la notation du juge
Aucune justification distincte du juge n’a été retenue pour ce résultat archivé.
Aucune justification distincte du juge n’a été retenue pour ce résultat archivé.
Aucune justification distincte du juge n’a été retenue pour ce résultat archivé.
Aucune justification distincte du juge n’a été retenue pour ce résultat archivé.
Note de référence historique : ce score global v1.4 archivé utilisait l'ancienne agrégation de diagnostic fixe. Il est conservé par souci de reproductibilité et ne doit pas être interprété comme un score de correspondance de modèle v1.5.
Preuve temporelle
0 Sondes de RAPPELChronologie de pur rappel
L'ensemble de questions réel a été mélangé avant la demande de modèle testé. Les créneaux de génération manquants ne constituent pas des abstentions de modèle. La chronologie reconstitue leurs mois cibles pour l’auditabilité. Seules les réponses explicites de RECALL constituent une preuve de coupure ; INFERENCE, GUESS et UNKNOWN restent visibles mais ne déplacent pas la limite.
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
✓ RAPPEL correct✕ mauvais RAPPEL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0RAPPEL correct
0mauvais RAPPEL
Comparaison temporelle
CONSISTENTComparaison des seuils de connaissances
Seuil de référence2025-05ESTIMATED_WEB · 0%
Dernier rappel pris en charge—0 réponses de RAPPEL éligibles
Limite observéePreuves RECALL insuffisantesINSUFFICIENT_RECALL_EVIDENCE
Alignement des coupuresCONSISTENT88/100 · 80% confiance
Notes de l’évaluateur
- 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.
Sources de coupure de référence
Sémantique: correct 20 · incorrect 4 · inconnu 0. Exclus du seuil: 0.
Identité comportementale
CONSISTENT · 82%Signaux d'identité
L'identité est déduite de la cohérence entre le modèle revendiqué et le profil connaissance/réponse observé. Il s’agit d’une preuve, et non d’une attestation à distance ou d’une preuve cryptographique du poids servi.
Signaux positifs
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Signaux négatifs
- 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.
Justification de l’identité du juge
- 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.
Réponse du modèle testé
Texte du modèle extrait textuellement
Évaluation publiée
Le défi, le corrigé et l’évaluation normalisée du juge sont disponibles. Le texte exact du modèle testé n’est pas disponible pour publication à moins qu’il n’ait été conservé avec l’adhésion du testeur. La publication d’une évaluation ne crée pas ce consentement ni ne récupère le texte supprimé.
Liste de référence complète
Preuve question par question
Toutes les questions admises sont présentées avec la réponse attendue, la source disponible, la base du modèle testé, le verdict sémantique et le seuil d'éligibilité. Les questions non notées ne constituent pas des abstentions modèles. Une DEVINATION ou UNE INFÉRENCE correcte reste sémantiquement correcte mais est exclue des preuves de coupure de rappel pur.
✕K01UNKNOWNexclu du seuil
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Réponse attendueOblique SevilleSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: WRONGConfiance déclarée: 75%
Note de l’évaluateur: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNexclu du seuil
Which team won the UEFA Women's Euro 2025 final?
Réponse attendueEnglandSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: WRONGConfiance déclarée: 85%
Note de l’évaluateur: Expected England; answered Spain.
✓K03UNKNOWNexclu du seuil
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Réponse attenduempoxSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches mpox.
✓K04UNKNOWNexclu du seuil
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Réponse attendueAlphaFold 3Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches AlphaFold 3.
✓K05UNKNOWNexclu du seuil
What model did OpenAI release as a unified system with built-in thinking?
Réponse attendueGPT-5Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches GPT-5.
✓K06UNKNOWNexclu du seuil
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Réponse attendueWindowsSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Microsoft Windows is accepted.
✕K07UNKNOWNexclu du seuil
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Réponse attendueOdysseusSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: WRONGConfiance déclarée: 80%
Note de l’évaluateur: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNexclu du seuil
What was the name of Japan's lunar lander that successfully reached the Moon?
Réponse attendueSLIMSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches SLIM.
✓K09UNKNOWNexclu du seuil
Who became the first private astronaut to perform a spacewalk?
Réponse attendueJared IsaacmanSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches Jared Isaacman.
✓K10UNKNOWNexclu du seuil
Which country was appointed host of the 2034 FIFA World Cup?
Réponse attendueSaudi ArabiaSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches Saudi Arabia.
✓K11UNKNOWNexclu du seuil
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Réponse attendueMare CrisiumSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches Mare Crisium.
✓K12UNKNOWNexclu du seuil
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Réponse attendueDeepSeek-R1Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches DeepSeek-R1.
✓K13UNKNOWNexclu du seuil
What was the name of the second malaria vaccine prequalified by WHO?
Réponse attendueR21/Matrix-MSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches R21/Matrix-M.
✓K14UNKNOWNexclu du seuil
Which album won Album of the Year at the 67th Grammy Awards?
Réponse attendueCowboy CarterSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches Cowboy Carter.
✓K15UNKNOWNexclu du seuil
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Réponse attendue523Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 85%
Note de l’évaluateur: Matches 523.
✓K16UNKNOWNexclu du seuil
How many grams of lunar material did the Chang'e-6 mission collect?
Réponse attendue1,935.3 gramsSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches 1,935.3 grams.
✓K17UNKNOWNexclu du seuil
Which rocket launched NASA's Europa Clipper spacecraft?
Réponse attendueFalcon HeavySource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches Falcon Heavy.
✓K18UNKNOWNexclu du seuil
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Réponse attendueGaia BH3Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches Gaia BH3.
✕K19UNKNOWNexclu du seuil
Who was awarded the 2025 Nobel Peace Prize?
Réponse attendueMaria Corina MachadoSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: WRONGConfiance déclarée: 70%
Note de l’évaluateur: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNexclu du seuil
What annual climate-finance goal for developing countries did COP29 set for 2035?
Réponse attendueUS$300 billion per yearSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches $300 billion per year.
✓K21UNKNOWNexclu du seuil
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Réponse attendueFram2Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 90%
Note de l’évaluateur: Matches Fram2.
✓K22UNKNOWNexclu du seuil
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Réponse attendueArticle 19Source ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 75%
Note de l’évaluateur: Matches Article 19.
✓K23UNKNOWNexclu du seuil
Which new Mario Kart game launched alongside Nintendo Switch 2?
Réponse attendueMario Kart WorldSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches Mario Kart World.
✓K24UNKNOWNexclu du seuil
What model did OpenAI introduce with a 128K context window at its first DevDay?
Réponse attendueGPT-4 TurboSource ↗
Réponse du modèle testé—La réponse exacte du modèle n’est pas disponible pour publication.
Verdict de l’évaluateur: CORRECTConfiance déclarée: 95%
Note de l’évaluateur: Matches GPT-4 Turbo.
Couverture des questions et notes de recherche
Questions factuelles: 24 · Non noté par le juge: 0
Les seuils de référence et les citations sont fournis par le juge, non confirmés de manière indépendante par la plateforme. Les notes de recherche ne pénalisent pas le modèle testé.
Exécuter des métadonnées
Détails de reproductibilité
ID d’exécution
0B0HVDB2FRJEJC90BRG4D7JV1YRéférence
model-verification-single-request-v1.2Modèle évaluateur
gpt-5.6-solProtocole demandé
openai_chatSchéma de réponse détecté
Legacy / not recordedCompatibilité des protocoles
MATCH / héritageSortie du modèle
Not recordedTokens d’entrée
Not recordedTokens de sortie
Not recordedMotif de fin
Not recordedStatut HTTP
200Latence externe
88,304 msOctets de réponse
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dLimite 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.
Exécutez une vérification indépendante
Testez vous-même le même point de terminaison ou parcourez d’autres rapports publics avant de vous fier à une identité de modèle annoncée.