Rapporto di verifica del modello di intelligenza artificiale pubblico
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Punteggio di qualità legacy87/100
CONSISTENT82% fiducia nella valutazione
Rapporto permanente
https://model-gate.com/it/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YAnalisi del giudice
Perché questa verifica ha ricevuto il suo risultato
Il rapporto pubblico rispecchia l'evidenza analitica mostrata al tester dopo /chat/verify. I punteggi dei giudici sono valutazioni delle rubriche; solo le risposte esplicite RECALL corrette o errate possono influenzare il limite di interruzione del puro richiamo.
Diagnostica del comportamento
4 diagnosticaMotivazione del punteggio del giudice
Per questo risultato archiviato non è stata mantenuta alcuna motivazione separata da parte del giudice.
Per questo risultato archiviato non è stata mantenuta alcuna motivazione separata da parte del giudice.
Per questo risultato archiviato non è stata mantenuta alcuna motivazione separata da parte del giudice.
Per questo risultato archiviato non è stata mantenuta alcuna motivazione separata da parte del giudice.
Nota sul benchmark storico: questo punteggio complessivo archiviato v1.4 utilizzava la precedente aggregazione diagnostica fissa. Viene conservato per motivi di riproducibilità e non deve essere interpretato come un punteggio di corrispondenza del modello v1.5.
Evidenze temporali
0 RICHIAMO sondeCronologia di puro ricordo
Il set di domande effettivo è stato mescolato prima della richiesta del modello testato. Gli slot generazionali mancanti non costituiscono un’astensione dal modello. La sequenza temporale ricostruisce i mesi target per la verificabilità. Solo le risposte esplicite RECALL sono prove tagliate; INFERENZA, IMMAGINE e SCONOSCIUTO rimangono visibili ma non spostano il confine.
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
✓ RICHIAMO corretto✕ RICHIAMO sbagliato~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0RICHIAMO corretto
0RICHIAMO sbagliato
Confronto temporale
CONSISTENTConfronto del limite di conoscenza
Taglio di riferimento2025-05ESTIMATED_WEB · 0%
Ultimo RECALL supportato—0 risposte RECALL idonee
Confine osservatoProve RECALL insufficientiINSUFFICIENT_RECALL_EVIDENCE
Allineamento del taglioCONSISTENT88/100 · 80% fiducia
Note del giudice
- 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.
Sorgenti di cut-off di riferimento
Semantico: corretto 20 · sbagliato 4 · sconosciuto 0. Escluso dal taglio: 0.
Identità comportamentale
CONSISTENT · 82%Segnali di identità
L'identità è dedotta dalla coerenza tra il modello affermato e il profilo di conoscenza/risposta osservato. Si tratta di una prova, non di un'attestazione remota o di una prova crittografica dei pesi di servizio.
Segnali positivi
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Segnali negativi
- 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.
Giudicare la logica dell’identità
- 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.
Risposta del modello testato
Testo del modello estratto parola per parola
Riepilogo archiviato
Questa esecuzione è antecedente al consenso esplicito alla conservazione del report completo. Sono disponibili la sfida, la chiave di risposta e la valutazione normalizzata del giudice, ma il testo esatto della risposta del modello testato è stato intenzionalmente scartato dalla politica sulla privacy dell'era del benchmark.
Elenco completo dei benchmark
Prove domanda per domanda
Tutte le domande ammesse vengono visualizzate con la risposta prevista, la fonte disponibile, la base del modello testato, il verdetto semantico e l'idoneità limite. Le domande senza voto non sono astensioni modello. Un'ipotesi o un'inferenza corretta rimane semanticamente corretta ma è esclusa dall'evidenza di esclusione del puro ricordo.
✕K01UNKNOWNescluso dal taglio
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Risposta attesaOblique SevilleSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: WRONGFiducia riportata: 75%
Nota del giudice: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNescluso dal taglio
Which team won the UEFA Women's Euro 2025 final?
Risposta attesaEnglandSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: WRONGFiducia riportata: 85%
Nota del giudice: Expected England; answered Spain.
✓K03UNKNOWNescluso dal taglio
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Risposta attesampoxSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches mpox.
✓K04UNKNOWNescluso dal taglio
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Risposta attesaAlphaFold 3Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches AlphaFold 3.
✓K05UNKNOWNescluso dal taglio
What model did OpenAI release as a unified system with built-in thinking?
Risposta attesaGPT-5Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches GPT-5.
✓K06UNKNOWNescluso dal taglio
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Risposta attesaWindowsSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Microsoft Windows is accepted.
✕K07UNKNOWNescluso dal taglio
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Risposta attesaOdysseusSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: WRONGFiducia riportata: 80%
Nota del giudice: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNescluso dal taglio
What was the name of Japan's lunar lander that successfully reached the Moon?
Risposta attesaSLIMSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches SLIM.
✓K09UNKNOWNescluso dal taglio
Who became the first private astronaut to perform a spacewalk?
Risposta attesaJared IsaacmanSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches Jared Isaacman.
✓K10UNKNOWNescluso dal taglio
Which country was appointed host of the 2034 FIFA World Cup?
Risposta attesaSaudi ArabiaSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches Saudi Arabia.
✓K11UNKNOWNescluso dal taglio
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Risposta attesaMare CrisiumSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches Mare Crisium.
✓K12UNKNOWNescluso dal taglio
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Risposta attesaDeepSeek-R1Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches DeepSeek-R1.
✓K13UNKNOWNescluso dal taglio
What was the name of the second malaria vaccine prequalified by WHO?
Risposta attesaR21/Matrix-MSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches R21/Matrix-M.
✓K14UNKNOWNescluso dal taglio
Which album won Album of the Year at the 67th Grammy Awards?
Risposta attesaCowboy CarterSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches Cowboy Carter.
✓K15UNKNOWNescluso dal taglio
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Risposta attesa523Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 85%
Nota del giudice: Matches 523.
✓K16UNKNOWNescluso dal taglio
How many grams of lunar material did the Chang'e-6 mission collect?
Risposta attesa1,935.3 gramsSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches 1,935.3 grams.
✓K17UNKNOWNescluso dal taglio
Which rocket launched NASA's Europa Clipper spacecraft?
Risposta attesaFalcon HeavySource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches Falcon Heavy.
✓K18UNKNOWNescluso dal taglio
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Risposta attesaGaia BH3Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches Gaia BH3.
✕K19UNKNOWNescluso dal taglio
Who was awarded the 2025 Nobel Peace Prize?
Risposta attesaMaria Corina MachadoSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: WRONGFiducia riportata: 70%
Nota del giudice: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNescluso dal taglio
What annual climate-finance goal for developing countries did COP29 set for 2035?
Risposta attesaUS$300 billion per yearSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches $300 billion per year.
✓K21UNKNOWNescluso dal taglio
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Risposta attesaFram2Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 90%
Nota del giudice: Matches Fram2.
✓K22UNKNOWNescluso dal taglio
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Risposta attesaArticle 19Source ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 75%
Nota del giudice: Matches Article 19.
✓K23UNKNOWNescluso dal taglio
Which new Mario Kart game launched alongside Nintendo Switch 2?
Risposta attesaMario Kart WorldSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches Mario Kart World.
✓K24UNKNOWNescluso dal taglio
What model did OpenAI introduce with a 128K context window at its first DevDay?
Risposta attesaGPT-4 TurboSource ↗
Risposta del modello testato—La risposta esatta del modello non è stata conservata per questa corsa archiviata.
Verdetto del giudice: CORRECTFiducia riportata: 95%
Nota del giudice: Matches GPT-4 Turbo.
Copertura delle domande e note di ricerca
Domande fattuali: 24 · Non valutato dal giudice: 0
Il limite di riferimento e le citazioni sono forniti dal giudice, non confermati in modo indipendente dalla piattaforma. Le note di ricerca non penalizzano il modello testato.
Esegui metadati
Dettagli sulla riproducibilità
Esegui ID
0B0HVDB2FRJEJC90BRG4D7JV1YSegno di riferimento
model-verification-single-request-v1.2Giudice
gpt-5.6-solProtocollo richiesto
openai_chatSchema di risposta rilevato
Legacy / not recordedCompatibilità del protocollo
PARTITA / ereditàUscita del modello
Not recordedGettoni di input
Not recordedGettoni di uscita
Not recordedFinisci la ragione
Not recordedStato HTTP
200Latenza esterna
88,304 msByte di risposta
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dLimitazione 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.
Esegui una verifica indipendente
Testa tu stesso lo stesso endpoint o consulta altri report pubblici prima di fare affidamento sull'identità di un modello pubblicizzato.