Nyilvános AI-modell-ellenőrzési jelentés
claude-opus-5
https://madclaude.cloud/v1/messages
Legacy minőségi pontszám38/100
SUSPICIOUS65% értékelési bizalom
Állandó jelentés
https://model-gate.com/hu/model-verification/results/MBAJ09XSXC0CSHVAV73EJTBTRQAz értékelő elemzése
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
No item contains usable RECALL evidence, so the response demonstrates no factual recall.
There is no usable recent RECALL evidence at any point in the tested timeline.
The response consistently abstains and makes no unsupported factual assertions.
Every abstention is labeled UNKNOWN with zero confidence, accurately representing the absence of an answer.
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.
2025-05? K21UNKNOWN
2025-06? K20UNKNOWN
2025-07? K09UNKNOWN
2025-08? K10UNKNOWN
2025-09? K06UNKNOWN
2025-10? K15UNKNOWN
2025-11? K14UNKNOWN
2025-12? K07UNKNOWN
2026-01? K08UNKNOWN? K17UNKNOWN
2026-02? K12UNKNOWN? K13UNKNOWN
2026-03? K11UNKNOWN? K19UNKNOWN
2026-04? K02UNKNOWN? K03UNKNOWN
2026-05? K22UNKNOWN? K24UNKNOWN
2026-06? K01UNKNOWN? K23UNKNOWN
2026-07? K16UNKNOWN? K18UNKNOWN
2026-08? K04UNKNOWN? K05UNKNOWN
✓ helyes EMLÉKEZÉS✕ hibás EMLÉKEZÉS~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0helyes EMLÉKEZÉS
0hibás EMLÉKEZÉS
Időbeli összehasonlítás
UNKNOWNTudáshatárok összehasonlítása
Referencia határérték2026-05OFFICIAL_WEB · 100%
Legutóbbi támogatott RECALL—0 jogosult RECALL válaszokat
Megfigyelt határNem elégséges a RECALL bizonyítékINSUFFICIENT_RECALL_EVIDENCE
Cutoff AlignmentUNKNOWN0% bizonyosság
Értékelő megjegyzései
- No answer was reported with a RECALL basis.
- No positive or negative recall sequence exists from which to infer a transition.
- The May 2026 reference cutoff is known, but the tested response supplies no pure-RECALL behavioral evidence for comparison.
- A cutoff boundary cannot be manufactured from explicit abstentions.
Hivatkozási határforrások
Szemantikus: helyes 0 · helytelen 0 · ismeretlen 24. Lezárásból kizárva: 24.
Viselkedési identitás
SUSPICIOUS · 65%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
- The response is internally consistent and avoids fabrication.
- All required answer IDs are present and recoverable.
Negatív jelek
- No factual answer or RECALL evidence was supplied for any of the 24 probes.
- The endpoint's claimed model and API identifier are untrusted self-report and receive no behavioral corroboration.
- The complete lack of demonstrated pre-cutoff knowledge is atypical of the claimed reference snapshot.
A bírói identitás indoklása
- The response provides no behavioral evidence supporting the claimed model identity.
- Universal abstention includes numerous high-salience probes dated before the saved May 2026 reference cutoff.
- Because there are no incorrect recall claims, the evidence supports suspicion rather than a highly inconsistent determination.
Tesztelt modell válasz
Szó szerint kivont modellszöveg
A tesztelő részvétele közzétette
Ez a pontos modellszöveg, amelyet a sikeres külső API-válaszból kinyertek, és eljuttattak a bíróhoz. A HTTP-fejlécek, a külső API-kulcs és a teljes szolgáltatói válaszboríték nem tárolódik itt.
```json
{
"answers": [
{
"id": "SR01",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "SR02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K01",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K03",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K04",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K05",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K06",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K07",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K08",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K13",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K14",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K15",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K22",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K23",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K24",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
}
]
}
```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
Who won Colombia's 2026 presidential runoff election?
Várható válaszAbelardo de la EspriellaSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K02UNKNOWNkizárva a levágásból
Who won the 2026 Masters Tournament?
Várható válaszRory McIlroySource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K03UNKNOWNkizárva a levágásból
Which party won Hungary's 2026 parliamentary election?
Várható válaszTisza PartySource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K04UNKNOWNkizárva a levágásból
Which instability did the Inouye Solar Telescope provide the first experimental confirmation of in the Sun's photosphere?
Várható válaszKelvin-Helmholtz instabilitySource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K05UNKNOWNkizárva a levágásból
Who was declared the winner of Zambia's 2026 presidential election?
Várható válaszHakainde HichilemaSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K06UNKNOWNkizárva a levágásból
Which series won Outstanding Drama Series at the 77th Emmy Awards?
Várható válaszThe PittSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K07UNKNOWNkizárva a levágásból
Who clinched the 2025 Formula One World Drivers' Championship at the Abu Dhabi Grand Prix?
Várható válaszLando NorrisSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K08UNKNOWNkizárva a levágásból
Which film won Best Motion Picture — Drama at the 2026 Golden Globes?
Várható válaszHamnetSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K09UNKNOWNkizárva a levágásból
Who won the 2025 Wimbledon gentlemen's singles title?
Várható válaszJannik SinnerSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K10UNKNOWNkizárva a levágásból
Which club won the 2025 UEFA Super Cup?
Várható válaszParis Saint-GermainSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K11UNKNOWNkizárva a levágásból
Which country won the 2026 World Baseball Classic?
Várható válaszVenezuelaSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K12UNKNOWNkizárva a levágásból
Which team won Super Bowl LX?
Várható válaszSeattle SeahawksSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K13UNKNOWNkizárva a levágásból
Which artist won Album of the Year at the 2026 Grammy Awards?
Várható válaszBad BunnySource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K14UNKNOWNkizárva a levágásból
Who won New York City's 2025 mayoral election?
Várható válaszZohran MamdaniSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K15UNKNOWNkizárva a levágásból
Who received the 2025 Nobel Peace Prize?
Várható válaszMaria Corina MachadoSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K16UNKNOWNkizárva a levágásból
Who won the 2026 Wimbledon ladies' singles title?
Várható válaszLinda NoskovaSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K17UNKNOWNkizárva a levágásból
Who won the 2026 Australian Open women's singles title?
Várható válaszElena RybakinaSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K18UNKNOWNkizárva a levágásból
Which country won the 2026 FIFA World Cup?
Várható válaszSpainSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K19UNKNOWNkizárva a levágásból
Which film won Best Picture at the 98th Academy Awards?
Várható válaszOne Battle After AnotherSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K20UNKNOWNkizárva a levágásból
Which team won the 2025 NBA championship?
Várható válaszOklahoma City ThunderSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K21UNKNOWNkizárva a levágásból
Which cardinal was elected pope and took the name Leo XIV in the May 2025 conclave?
Várható válaszRobert Francis PrevostSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K22UNKNOWNkizárva a levágásból
Which film won the Palme d'Or at the 2026 Cannes Film Festival?
Várható válaszFjordSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K23UNKNOWNkizárva a levágásból
Which team won the 2026 NBA championship?
Várható válaszNew York KnicksSource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
?K24UNKNOWNkizárva a levágásból
Which performer won the 2026 Eurovision Song Contest?
Várható válaszDARASource ↗
Tesztelt modell válaszUNKNOWN0% · UNKNOWN
Értékelői ítélet: UNKNOWNBizalmat jelentett: 0%
Értékelő megjegyzése: Explicit abstention.
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
Futtatásazonosító
MBAJ09XSXC0CSHVAV73EJTBTRQBenchmark
model-verification-single-request-v1.4Értékelő modell
gpt-5.6-solKért protokoll
openai_chatÉszlelt válaszséma
anthropic_messagesProtokoll kompatibilitás
MISMATCH · helyreálltModellkimenet
Not recordedBemeneti tokenek
Not recordedKimeneti tokenek
Not recordedBefejezés oka
Not recordedHTTP állapot
200Külső késleltetés
15,654 msVálasz bájtok
3,702SHA-256
d783ad1531895d72131fa6c7040adf91ec505a5a1cf65146e95e2eb001047f04Fontos korlátozás
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.
Futtasson le egy független ellenőrzést
Tesztelje saját maga ugyanazt a végpontot, vagy böngésszen más nyilvános jelentésekben, mielőtt a meghirdetett modellazonosságra hagyatkozna.