公開AIモデル検証レポート
claude-opus-5
https://madclaude.cloud/v1/messages
従来の品質スコア38/100
SUSPICIOUS65% 評価の信頼性
永久報告書
https://model-gate.com/ja/model-verification/results/MBAJ09XSXC0CSHVAV73EJTBTRQ評価モデルの分析
この検証結果が得られた理由
公開レポートは、/chat/verify の後にテスターに示される分析証拠を反映しています。審査員のスコアはルーブリック評価です。純粋なリコールのカットオフ境界に影響を与えることができるのは、明示的な正解または不正解の RECALL の回答のみです。
行動診断
4つの診断ジャッジの採点根拠
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.
過去のベンチマークのメモ: このアーカイブされた v1.4 の全体スコアでは、以前の固定診断集計が使用されています。これは再現性のために保持されており、v1.5 のモデル マッチ スコアとして解釈しないでください。
一時的な証拠
0 リコールプローブ純粋な想起のタイムライン
実際の質問セットは、テスト済みモデルのリクエストの前にシャッフルされました。世代スロットの欠落はモデル棄権ではありません。タイムラインは、監査可能性を考慮して目標月を再構成します。明示的な「RECALL」の回答のみが完全な証拠となります。 INFERENCE、GUESS、UNKNOWN は表示されたままですが、境界は移動しません。
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
✓ 正しいリコール✕ 間違ったリコール~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0正しいリコール
0間違ったリコール
時間的比較
UNKNOWN知識のカットオフ比較
基準カットオフ2026-05OFFICIAL_WEB · 100%
サポートされている最新の RECALL—0 適格な RECALL 回答
観察された境界不十分なRECALL証拠INSUFFICIENT_RECALL_EVIDENCE
カットオフアライメントUNKNOWN0% 確信度
評価メモ
- 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.
リファレンスカットオフソース
セマンティック: 正解 0 · 不正解 0 · 不明 24. カットオフから除外されます: 24.
行動同一性
SUSPICIOUS · 65%アイデンティティシグナル
同一性は、主張されたモデルと観察された知識/回答プロファイルの間の一貫性から推測されます。これは証拠であり、リモート認証や分量の暗号による証明ではありません。
ポジティブなシグナル
- The response is internally consistent and avoids fabrication.
- All required answer IDs are present and recoverable.
負の信号
- 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.
裁判官のアイデンティティの理論的根拠
- 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.
テスト済みモデルの応答
逐語的に抽出されたモデルテキスト
テスターのオプトインによって公開
これは、成功した外部 API 応答から抽出され、審査員に提供される正確なモデル テキストです。 HTTP ヘッダー、外部 API キー、および完全なプロバイダー応答エンベロープはここには保存されません。
```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"
}
]
}
```完全なベンチマークリスト
質問ごとの証拠
認められたすべての質問は、予想される回答、利用可能なソース、テストされたモデルの基礎、意味論的判定、およびカットオフ適格性とともに表示されます。採点されていない質問は模範棄権にはなりません。正しい GUESS または INFERENCE は、意味的には正しいままですが、純粋な想起のカットオフ証拠からは除外されます。
?K01UNKNOWNカットオフから除外される
Who won Colombia's 2026 presidential runoff election?
予想される答えAbelardo de la EspriellaSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K02UNKNOWNカットオフから除外される
Who won the 2026 Masters Tournament?
予想される答えRory McIlroySource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K03UNKNOWNカットオフから除外される
Which party won Hungary's 2026 parliamentary election?
予想される答えTisza PartySource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K04UNKNOWNカットオフから除外される
Which instability did the Inouye Solar Telescope provide the first experimental confirmation of in the Sun's photosphere?
予想される答えKelvin-Helmholtz instabilitySource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K05UNKNOWNカットオフから除外される
Who was declared the winner of Zambia's 2026 presidential election?
予想される答えHakainde HichilemaSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K06UNKNOWNカットオフから除外される
Which series won Outstanding Drama Series at the 77th Emmy Awards?
予想される答えThe PittSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K07UNKNOWNカットオフから除外される
Who clinched the 2025 Formula One World Drivers' Championship at the Abu Dhabi Grand Prix?
予想される答えLando NorrisSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K08UNKNOWNカットオフから除外される
Which film won Best Motion Picture — Drama at the 2026 Golden Globes?
予想される答えHamnetSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K09UNKNOWNカットオフから除外される
Who won the 2025 Wimbledon gentlemen's singles title?
予想される答えJannik SinnerSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K10UNKNOWNカットオフから除外される
Which club won the 2025 UEFA Super Cup?
予想される答えParis Saint-GermainSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K11UNKNOWNカットオフから除外される
Which country won the 2026 World Baseball Classic?
予想される答えVenezuelaSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K12UNKNOWNカットオフから除外される
Which team won Super Bowl LX?
予想される答えSeattle SeahawksSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K13UNKNOWNカットオフから除外される
Which artist won Album of the Year at the 2026 Grammy Awards?
予想される答えBad BunnySource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K14UNKNOWNカットオフから除外される
Who won New York City's 2025 mayoral election?
予想される答えZohran MamdaniSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K15UNKNOWNカットオフから除外される
Who received the 2025 Nobel Peace Prize?
予想される答えMaria Corina MachadoSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K16UNKNOWNカットオフから除外される
Who won the 2026 Wimbledon ladies' singles title?
予想される答えLinda NoskovaSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K17UNKNOWNカットオフから除外される
Who won the 2026 Australian Open women's singles title?
予想される答えElena RybakinaSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K18UNKNOWNカットオフから除外される
Which country won the 2026 FIFA World Cup?
予想される答えSpainSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K19UNKNOWNカットオフから除外される
Which film won Best Picture at the 98th Academy Awards?
予想される答えOne Battle After AnotherSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K20UNKNOWNカットオフから除外される
Which team won the 2025 NBA championship?
予想される答えOklahoma City ThunderSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K21UNKNOWNカットオフから除外される
Which cardinal was elected pope and took the name Leo XIV in the May 2025 conclave?
予想される答えRobert Francis PrevostSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K22UNKNOWNカットオフから除外される
Which film won the Palme d'Or at the 2026 Cannes Film Festival?
予想される答えFjordSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K23UNKNOWNカットオフから除外される
Which team won the 2026 NBA championship?
予想される答えNew York KnicksSource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
?K24UNKNOWNカットオフから除外される
Which performer won the 2026 Eurovision Song Contest?
予想される答えDARASource ↗
テスト済みの模範解答UNKNOWN0% · UNKNOWN
評価結果: UNKNOWN報告された信頼性: 0%
評価メモ: Explicit abstention.
質問範囲と調査ノート
事実に関する質問: 24 · 審査員によって採点されない: 0
参考文献のカットオフと引用は裁判官によって提供されるものであり、プラットフォームによって独自に確認されるものではありません。研究ノートは、テストされたモデルにペナルティを与えるものではありません。
メタデータの実行
再現性の詳細
実行ID
MBAJ09XSXC0CSHVAV73EJTBTRQベンチマーク
model-verification-single-request-v1.4評価モデル
gpt-5.6-sol要求されたプロトコル
openai_chat検出された応答スキーマ
anthropic_messagesプロトコルの互換性
不一致 · 回復しましたモデルの出力
Not recorded入力トークン
Not recorded出力トークン
Not recorded終了理由
Not recordedHTTPステータス
200外部レイテンシ
15,654 ms応答バイト
3,702SHA-256
d783ad1531895d72131fa6c7040adf91ec505a5a1cf65146e95e2eb001047f04重要な制限事項
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.