Nyilvános AI-modell-ellenőrzési jelentés
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Legacy minőségi pontszám87/100
SUSPICIOUS76% értékelési bizalom
Állandó jelentés
https://model-gate.com/hu/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Bírói elemzés
Miért lett ez az ellenőrzés eredménye?
A nyilvános jelentés tükrözi a tesztelőnek a /chat/verify után megjelenő analitikai bizonyítékokat. A bírói pontszámok rubrikaértékelések; csak az explicit helyes vagy rossz RECALL válaszok befolyásolhatják a tiszta visszahívás határát.
Viselkedés diagnosztika
4 diagnosztikaA bírói pontozás indoklása
Ehhez az archivált eredményhez nem tartottak fenn külön bírói indoklást.
Ehhez az archivált eredményhez nem tartottak fenn külön bírói indoklást.
Ehhez az archivált eredményhez nem tartottak fenn külön bírói indoklást.
Ehhez az archivált eredményhez nem tartottak fenn külön bírói indoklást.
Történelmi referenciaérték: ez az archivált 1.4-es verzió általános pontszáma a korábbi rögzített diagnosztikai aggregációt használta. A reprodukálhatóság érdekében megőrizzük, és nem értelmezhető v1.5-ös modellegyezési pontszámként.
Időbeli bizonyítékok
0 RECALL szondákTiszta visszahívási idővonal
A tényleges kérdéskészletet megkeverték a tesztelt modell kérése előtt. A hiányzó generációs helyek nem modelltartózkodások. Az idővonal rekonstruálja az auditálhatóság célhónapjait. Csak az explicit RECALL válaszok jelentik a végső bizonyítékot; A KÖVETKEZTETÉS, KITALÁLÁS és az ISMERETLEN látható marad, de nem mozdítja el a határt.
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
✓ helyes EMLÉKEZÉS✕ hibás EMLÉKEZÉS~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0helyes EMLÉKEZÉS
0hibás EMLÉKEZÉS
Időbeli összehasonlítás
LATER_THAN_REFERENCETudáshatárok összehasonlítása
Referencia határérték2025-05ESTIMATED_WEB · 45%
Legutóbbi támogatott RECALL—0 jogosult RECALL válaszokat
Megfigyelt határNem elégséges a RECALL bizonyítékINSUFFICIENT_RECALL_EVIDENCE
Cutoff AlignmentLATER_THAN_REFERENCE28/100 · 55% bizalom
Bíró megjegyzi
- 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.
Hivatkozási határforrások
Szemantikus: helyes 21 · rossz 3 · ismeretlen 0. Lezárásból kizárva: 0.
Viselkedési identitás
SUSPICIOUS · 76%Azonosító jelek
Az identitásra az állított modell és a megfigyelt tudás/válasz profil közötti összhangból lehet következtetni. Ez bizonyíték, nem távoli tanúsítvány vagy kriptográfiai bizonyíték az adagsúlyokról.
Pozitív jelek
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Negatív jelek
- 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.
A bírói identitás indoklása
- 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.
Tesztelt modell válasz
Szó szerint kivont modellszöveg
Archivált összefoglaló
Ez a futtatás a teljes jelentés megtartását megelőzően történt. A kihívás, a válasz kulcsa és a normalizált bírói értékelés elérhető, de a pontos tesztelt modell válaszszövegét szándékosan elvetette az a benchmark korszak adatvédelmi szabályzata.
Teljes benchmark lista
Kérdésről-kérdésre bizonyíték
Minden elfogadott kérdés megjelenik a várt válasszal, a rendelkezésre álló forrással, a tesztelt modell alapján, a szemantikai ítélettel és a határértékre való alkalmassággal. Az osztályozatlan kérdések nem modelltartózkodások. A helyes TALÁLÁS vagy KÖVETKEZTETÉS szemantikailag helyes marad, de ki van zárva a tisztán felidézés határértékeiből.
✕K01UNKNOWNkizárva a levágásból
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Várható válaszMaria Corina MachadoSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: WRONGBizalmat jelentett: 75%
Bíró megjegyzés: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNkizárva a levágásból
Which two countries signed a joint peace declaration at the White House?
Várható válaszArmenia and AzerbaijanSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 62%
Bíró megjegyzés: Matches Armenia and Azerbaijan.
✓K03UNKNOWNkizárva a levágásból
What papal name did Cardinal Robert Francis Prevost take after his election?
Várható válaszLeo XIVSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 85%
Bíró megjegyzés: Matches Pope Leo XIV.
✓K04UNKNOWNkizárva a levágásból
Which city hosted the first G20 Leaders' Summit held on the African continent?
Várható válaszJohannesburgSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 80%
Bíró megjegyzés: Matches Johannesburg.
✓K05UNKNOWNkizárva a levágásból
Which film won Best Picture at the 97th Academy Awards?
Várható válaszAnoraSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 95%
Bíró megjegyzés: Matches Anora.
✓K06UNKNOWNkizárva a levágásból
Which mission completed the first commercial spacewalk?
Várható válaszPolaris DawnSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 88%
Bíró megjegyzés: Matches Polaris Dawn.
✓K07UNKNOWNkizárva a levágásból
Which team won the 2025 NBA championship?
Várható válaszOklahoma City ThunderSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 45%
Bíró megjegyzés: Matches Oklahoma City Thunder.
✓K08UNKNOWNkizárva a levágásból
Which flagship model did OpenAI release in its API platform?
Várható válaszGPT-5Source ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 80%
Bíró megjegyzés: Matches GPT-5.
✕K09UNKNOWNkizárva a levágásból
Which footballer won The Best FIFA Men's Player award for 2025?
Várható válaszOusmane DembeleSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: WRONGBizalmat jelentett: 48%
Bíró megjegyzés: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNkizárva a levágásból
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Várható válaszCDU/CSUSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 90%
Bíró megjegyzés: Matches CDU/CSU.
✓K11UNKNOWNkizárva a levágásból
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Várható válaszInternational Criminal CourtSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 100%
Bíró megjegyzés: Matches the International Criminal Court.
✓K12UNKNOWNkizárva a levágásból
Which commercial lunar lander successfully touched down in Mare Crisium?
Várható válaszBlue GhostSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 88%
Bíró megjegyzés: Matches Blue Ghost.
✓K13UNKNOWNkizárva a levágásból
Which Blue Origin rocket reached orbit on its maiden launch?
Várható válaszNew GlennSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 95%
Bíró megjegyzés: Matches New Glenn.
✓K14UNKNOWNkizárva a levágásból
Which standard iPhone generation did Apple unveil at its September product event?
Várható válasziPhone 17Source ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 90%
Bíró megjegyzés: Matches iPhone 17.
✓K15UNKNOWNkizárva a levágásból
Which pontiff died at the Vatican on Easter Monday?
Várható válaszPope FrancisSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 98%
Bíró megjegyzés: Matches Pope Francis.
✓K16UNKNOWNkizárva a levágásból
Which party retained a parliamentary majority in Moldova's election?
Várható válaszParty of Action and SolidaritySource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 72%
Bíró megjegyzés: Matches the Party of Action and Solidarity.
✓K17UNKNOWNkizárva a levágásból
What landmark global health accord did the World Health Assembly adopt?
Várható válaszWHO Pandemic AgreementSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 75%
Bíró megjegyzés: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNkizárva a levágásból
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Várható válaszOasisSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 95%
Bíró megjegyzés: Matches Oasis.
✓K19UNKNOWNkizárva a levágásból
Which album won Album of the Year at the 2025 Grammy Awards?
Várható válaszCowboy CarterSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 90%
Bíró megjegyzés: Matches Cowboy Carter.
✓K20UNKNOWNkizárva a levágásból
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Várható válaszNS-31Source ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 92%
Bíró megjegyzés: Matches NS-31.
✓K21UNKNOWNkizárva a levágásból
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Várható válaszNotre-Dame de ParisSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 98%
Bíró megjegyzés: Matches Notre-Dame de Paris.
✓K22UNKNOWNkizárva a levágásból
Which new Nintendo console launched worldwide?
Várható válaszNintendo Switch 2Source ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 95%
Bíró megjegyzés: Matches Nintendo Switch 2.
✓K23UNKNOWNkizárva a levágásból
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Várható válaszNihon HidankyoSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: CORRECTBizalmat jelentett: 95%
Bíró megjegyzés: Matches Nihon Hidankyo.
✕K24UNKNOWNkizárva a levágásból
Which national team won UEFA Women's Euro 2025?
Várható válaszEnglandSource ↗
Tesztelt modell válasz—A pontos modellválasz nem maradt meg ennél az archivált futtatásnál.
Bírói ítélet: WRONGBizalmat jelentett: 65%
Bíró megjegyzés: Expected England, not Spain.
Kérdések lefedettsége és kutatási jegyzetek
Tény kérdések: 24 · Nem minősítette a bíró: 0
A referencia határértéket és az idézeteket a bíró biztosítja, a platform független módon nem erősíti meg. A kutatási jegyzetek nem büntetik a tesztelt modellt.
Futtassa a metaadatokat
A reprodukálhatóság részletei
Futtatási azonosító
A8T2GNQWKPJS4M16YAF7M0PGP4Benchmark
model-verification-single-request-v1.3Bíró
gpt-5.6-solKért protokoll
openai_chatÉszlelt válaszséma
Legacy / not recordedProtokoll kompatibilitás
MATCH / örökségModell kimenet
Not recordedBeviteli tokenek
Not recordedKimeneti tokenek
Not recordedFejezd be az okot
Not recordedHTTP állapot
200Külső késleltetés
222,372 msVálasz bájtok
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Fontos korlátozás
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.
Futtasson le egy független ellenőrzést
Tesztelje saját maga ugyanazt a végpontot, vagy böngésszen más nyilvános jelentésekben, mielőtt a meghirdetett modellazonosságra hagyatkozna.