Publisks AI modeļa verifikācijas ziņojums
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Mantotais kvalitātes rādītājs87/100
CONSISTENT82% novērtējuma pārliecība
Pastāvīgs ziņojums
https://model-gate.com/lv/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YTiesneša analīze
Kāpēc šī pārbaude saņēma savu rezultātu?
Publiskais pārskats atspoguļo analītiskos pierādījumus, kas parādīti testētājam pēc /chat/verify. Tiesnešu rezultāti ir rubrikas vērtējumi; tikai skaidras pareizas vai nepareizas ATGĀDINĀŠANAS atbildes var ietekmēt tīrās atsaukšanas robežu.
Uzvedības diagnostika
4 diagnostikaTiesneša punktu skaitīšanas pamatojums
Šim arhivētajam rezultātam netika saglabāts atsevišķs tiesneša pamatojums.
Šim arhivētajam rezultātam netika saglabāts atsevišķs tiesneša pamatojums.
Šim arhivētajam rezultātam netika saglabāts atsevišķs tiesneša pamatojums.
Šim arhivētajam rezultātam netika saglabāts atsevišķs tiesneša pamatojums.
Vēsturiska etalona piezīme: šajā arhivētajā 1.4 versijas kopējā rādītājā tika izmantots iepriekšējais fiksētais diagnostikas apkopojums. Tas tiek saglabāts reproducējamības labad, un to nedrīkst interpretēt kā v1.5 modeļa atbilstības rezultātu.
Laika pierādījumi
0 ATGĀDINĀT zondesTīras atsaukšanas laika skala
Faktiskais jautājumu kopums tika sajaukts pirms pārbaudītā modeļa pieprasījuma. Trūkstošās paaudzes laika nišas nav modeļa atturēšanās. Laika skala rekonstruē to mērķa mēnešus auditējamībai. Tikai skaidras ATGĀDINĀŠANAS atbildes ir galīgs pierādījums; SECINĀJUMI, MINĒJUMI un NEZINĀMS paliek redzami, bet nepārvieto robežu.
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
✓ pareizi ATGĀDINĀT✕ nepareizi ATGĀDINĀT~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0pareizi ATGĀDINĀT
0nepareizi ATGĀDINĀT
Laika salīdzinājums
CONSISTENTZināšanu robežu salīdzinājums
Atsauces robežvērtība2025-05ESTIMATED_WEB · 0%
Pēdējais atbalstītais RECALL—0 piemērotas ATSAUKŠANAS atbildes
Novērotā robežaNepietiekami ATGĀDINĀŠANAS pierādījumiINSUFFICIENT_RECALL_EVIDENCE
Nogriezuma izlīdzināšanaCONSISTENT88/100 · 80% pārliecība
Tiesnesis atzīmē
- 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.
Atsauces avoti
Semantiskais: pareizi 20 · nepareizi 4 · nezināms 0. Izslēgts no ierobežojuma: 0.
Uzvedības identitāte
CONSISTENT · 82%Identitātes signāli
Identitāte tiek secināta no konsekvences starp apgalvoto modeli un novēroto zināšanu/atbilžu profilu. Tas ir pierādījums, nevis attāls apliecinājums vai kriptogrāfisks pierādījums porcijas svaram.
Pozitīvie signāli
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Negatīvie signāli
- 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.
Tiesneša identitātes pamatojums
- 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.
Pārbaudīta modeļa reakcija
Burtiski izvilkts modeļa teksts
Arhivēts kopsavilkums
Šī izpilde notika pirms izvēles pilna pārskata saglabāšanas. Ir pieejams izaicinājums, atbildes atslēga un normalizēts tiesneša novērtējums, taču precīzs pārbaudītā modeļa atbildes teksts tika apzināti atmests šajā etalonlaika privātuma politikā.
Pilnīgs etalona saraksts
Pierādījumi pēc jautājuma
Visi pieņemtie jautājumi tiek parādīti ar paredzamo atbildi, pieejamo avotu, pārbaudītā modeļa bāzi, semantisko spriedumu un piemērotību robežvērtībām. Jautājumi bez atzīmes nav parauga atturēšanās. Pareizs MINĒJUMS vai SECINĀJUMS paliek pareizs semantiski, bet tiek izslēgts no tīra atsaukšanas ierobežojuma pierādījumiem.
✕K01UNKNOWNizslēgts no atgriešanas
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Gaidāmā atbildeOblique SevilleSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: WRONGZiņots par pārliecību: 75%
Tiesneša piezīme: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNizslēgts no atgriešanas
Which team won the UEFA Women's Euro 2025 final?
Gaidāmā atbildeEnglandSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: WRONGZiņots par pārliecību: 85%
Tiesneša piezīme: Expected England; answered Spain.
✓K03UNKNOWNizslēgts no atgriešanas
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Gaidāmā atbildempoxSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches mpox.
✓K04UNKNOWNizslēgts no atgriešanas
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Gaidāmā atbildeAlphaFold 3Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches AlphaFold 3.
✓K05UNKNOWNizslēgts no atgriešanas
What model did OpenAI release as a unified system with built-in thinking?
Gaidāmā atbildeGPT-5Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches GPT-5.
✓K06UNKNOWNizslēgts no atgriešanas
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Gaidāmā atbildeWindowsSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Microsoft Windows is accepted.
✕K07UNKNOWNizslēgts no atgriešanas
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Gaidāmā atbildeOdysseusSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: WRONGZiņots par pārliecību: 80%
Tiesneša piezīme: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNizslēgts no atgriešanas
What was the name of Japan's lunar lander that successfully reached the Moon?
Gaidāmā atbildeSLIMSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches SLIM.
✓K09UNKNOWNizslēgts no atgriešanas
Who became the first private astronaut to perform a spacewalk?
Gaidāmā atbildeJared IsaacmanSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches Jared Isaacman.
✓K10UNKNOWNizslēgts no atgriešanas
Which country was appointed host of the 2034 FIFA World Cup?
Gaidāmā atbildeSaudi ArabiaSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches Saudi Arabia.
✓K11UNKNOWNizslēgts no atgriešanas
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Gaidāmā atbildeMare CrisiumSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches Mare Crisium.
✓K12UNKNOWNizslēgts no atgriešanas
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Gaidāmā atbildeDeepSeek-R1Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches DeepSeek-R1.
✓K13UNKNOWNizslēgts no atgriešanas
What was the name of the second malaria vaccine prequalified by WHO?
Gaidāmā atbildeR21/Matrix-MSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches R21/Matrix-M.
✓K14UNKNOWNizslēgts no atgriešanas
Which album won Album of the Year at the 67th Grammy Awards?
Gaidāmā atbildeCowboy CarterSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches Cowboy Carter.
✓K15UNKNOWNizslēgts no atgriešanas
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Gaidāmā atbilde523Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 85%
Tiesneša piezīme: Matches 523.
✓K16UNKNOWNizslēgts no atgriešanas
How many grams of lunar material did the Chang'e-6 mission collect?
Gaidāmā atbilde1,935.3 gramsSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches 1,935.3 grams.
✓K17UNKNOWNizslēgts no atgriešanas
Which rocket launched NASA's Europa Clipper spacecraft?
Gaidāmā atbildeFalcon HeavySource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches Falcon Heavy.
✓K18UNKNOWNizslēgts no atgriešanas
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Gaidāmā atbildeGaia BH3Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches Gaia BH3.
✕K19UNKNOWNizslēgts no atgriešanas
Who was awarded the 2025 Nobel Peace Prize?
Gaidāmā atbildeMaria Corina MachadoSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: WRONGZiņots par pārliecību: 70%
Tiesneša piezīme: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNizslēgts no atgriešanas
What annual climate-finance goal for developing countries did COP29 set for 2035?
Gaidāmā atbildeUS$300 billion per yearSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches $300 billion per year.
✓K21UNKNOWNizslēgts no atgriešanas
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Gaidāmā atbildeFram2Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 90%
Tiesneša piezīme: Matches Fram2.
✓K22UNKNOWNizslēgts no atgriešanas
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Gaidāmā atbildeArticle 19Source ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 75%
Tiesneša piezīme: Matches Article 19.
✓K23UNKNOWNizslēgts no atgriešanas
Which new Mario Kart game launched alongside Nintendo Switch 2?
Gaidāmā atbildeMario Kart WorldSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches Mario Kart World.
✓K24UNKNOWNizslēgts no atgriešanas
What model did OpenAI introduce with a 128K context window at its first DevDay?
Gaidāmā atbildeGPT-4 TurboSource ↗
Pārbaudīta modeļa atbilde—Precīza modeļa atbilde šai arhivētajai darbībai netika saglabāta.
Tiesneša spriedums: CORRECTZiņots par pārliecību: 95%
Tiesneša piezīme: Matches GPT-4 Turbo.
Jautājumu pārklājums un izpētes piezīmes
Faktiski jautājumi: 24 · Tiesnesis nav novērtējis: 0
Atsauces robežvērtības un citātus nodrošina tiesnesis, platforma tos neapstiprina neatkarīgi. Izpētes piezīmes nesoda pārbaudīto modeli.
Palaist metadatus
Reproducējamības detaļas
Palaist ID
0B0HVDB2FRJEJC90BRG4D7JV1YEtalons
model-verification-single-request-v1.2Tiesnesis
gpt-5.6-solPieprasīts protokols
openai_chatAtklāta atbildes shēma
Legacy / not recordedProtokolu saderība
MATCH / mantojumsModeļa izvade
Not recordedIevades marķieri
Not recordedIzvades marķieri
Not recordedPabeidz iemeslu
Not recordedHTTP statuss
200Ārējais latentums
88,304 msAtbildes baiti
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dSvarīgs ierobežojums
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.
Veiciet neatkarīgu verifikāciju
Pārbaudiet to pašu galapunktu pats vai pārlūkojiet citus publiskos pārskatus, pirms paļaujaties uz reklamētā modeļa identitāti.