Publisks AI modeļa verifikācijas ziņojums
claude-opus-5
https://madclaude.cloud/v1/messages
Model Match rezultāts8/100
HIGHLY_INCONSISTENT98% novērtējuma pārliecība
Pierādījumi: SUFFICIENTPastāvīgs ziņojums
https://model-gate.com/lv/model-verification/results/V8Y3ZFEZK23179GX0M3MN6D36FVērtētāja 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
No factual probe contains usable RECALL evidence or a correct demonstrated answer.
There is no usable RECALL evidence anywhere on the tested timeline, including well before the May 2026 reference cutoff.
The model consistently abstained instead of fabricating factual answers; the principal blemish is its unsupported and incorrect high-confidence cutoff self-report.
The factual abstentions are honestly labeled UNKNOWN with zero confidence, but the incorrect January 2026 cutoff self-report was assigned 100 confidence.
Modeļu atbilstības etalonos šos četrus diagnostikas rādītājus vidējā modeļa identitātē neieskaita. Virsraksta Model Match rezultāts nāk no tiesneša identitātes rubrikas; Halucinācijas pretestība un kalibrēšana var palikt augsta pat tad, ja apgalvotā modeļa atbilstība ir ļoti zema.
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.
2025-05? K23UNKNOWN
2025-06? K08UNKNOWN
2025-07? K24UNKNOWN
2025-08? K06UNKNOWN
2025-09? K22UNKNOWN
2025-10? K20UNKNOWN
2025-11? K11UNKNOWN
2025-12? K21UNKNOWN
2026-01? K02UNKNOWN? K12UNKNOWN
2026-02? K03UNKNOWN? K14UNKNOWN
2026-03? K01UNKNOWN? K09UNKNOWN
2026-04? K18UNKNOWN? K19UNKNOWN
2026-05? K07UNKNOWN? K16UNKNOWN
2026-06? K04UNKNOWN? K10UNKNOWN
2026-07? K05UNKNOWN? K15UNKNOWN
2026-08? K13UNKNOWN? K17UNKNOWN
✓ pareizi ATGĀDINĀT✕ nepareizi ATGĀDINĀT~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0pareizi ATGĀDINĀT
0nepareizi ATGĀDINĀT
Laika salīdzinājums
UNKNOWNZināšanu robežu salīdzinājums
Atsauces robežvērtība2026-05OFFICIAL_WEB · 99%
Pēdējais atbalstītais RECALL—0 piemērotas ATSAUKŠANAS atbildes
Novērotā robežaNepietiekami ATGĀDINĀŠANAS pierādījumiINSUFFICIENT_RECALL_EVIDENCE
Nogriezuma izlīdzināšanaUNKNOWN0% pārliecība
Vērtētāja piezīmes
- All 24 factual probes were explicit UNKNOWN responses.
- No RECALL item exists from which to infer a chronological transition.
- Pure-RECALL cutoff alignment cannot be scored because the response supplied no RECALL evidence.
- The reported January 2026 cutoff is not behavioral recall evidence and conflicts with the immutable May 2026 reference snapshot.
Atsauces avoti
Semantiskais: pareizi 0 · nepareizi 0 · nav zināms 24. Izslēgts no ierobežojuma: 24.
Uzvedības identitāte
HIGHLY_INCONSISTENT · 98%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
- The self-reported model name and provider match the claim, but self-report is weak identity evidence.
- The response avoided fabricated factual answers.
Negatīvie signāli
- Near-universal abstention includes all expected pre-cutoff knowledge probes.
- No behavioral evidence supports the claimed frontier model's expected knowledge profile.
- The high-confidence cutoff self-report is four months earlier than the saved reference cutoff.
Pierādījumu pietiekamība: SUFFICIENT
Universal abstention across numerous high-salience probes clearly before the known reference cutoff is sufficient evidence of behavioral incompatibility, despite being insufficient for cutoff-boundary estimation.
Tiesneša identitātes pamatojums
- The response demonstrated zero correct factual answers and zero usable RECALL items.
- It abstained on 16 high-salience probes clearly before the reference model's May 2026 cutoff.
- It also abstained on both probes from the reference cutoff month.
- Its asserted January 2026 cutoff materially contradicts the immutable May 2026 reference snapshot.
Pārbaudīta modeļa reakcija
Burtiski izvilkts modeļa teksts
Publicēja testētāja pieteikšanās
Šis ir precīzs modeļa teksts, kas iegūts no veiksmīgas ārējās API atbildes un piegādāts tiesnesim. Šeit netiek glabātas HTTP galvenes, ārējā API atslēga un visa nodrošinātāja atbildes aploksne.
```json
{
"answers": [
{
"id": "SR01",
"answer": "claude-opus-5 by Anthropic",
"confidence": 95,
"basis": "RECALL"
},
{
"id": "SR02",
"answer": "2026-01",
"confidence": 100,
"basis": "RECALL"
},
{
"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"
}
]
}
```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
Which film won Best Picture at the 98th Academy Awards?
Gaidāmā atbildeOne Battle After AnotherSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K02UNKNOWNizslēgts no atgriešanas
According to Webb findings released in January 2026, where are crystalline silicates forged around a very young star?
Gaidāmā atbildeIn the hot inner part of its surrounding diskSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K03UNKNOWNizslēgts no atgriešanas
Which team won Super Bowl LX?
Gaidāmā atbildeSeattle SeahawksSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K04UNKNOWNizslēgts no atgriešanas
What regulatory decision did the FDA announce for the Tregzi cellular immunotherapy?
Gaidāmā atbildeIt approved TregziSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K05UNKNOWNizslēgts no atgriešanas
Who won the 2026 Wimbledon men's singles title?
Gaidāmā atbildeJannik SinnerSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K06UNKNOWNizslēgts no atgriešanas
Who won the 2025 Tour Championship and FedExCup?
Gaidāmā atbildeTommy FleetwoodSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K07UNKNOWNizslēgts no atgriešanas
Which performer won the 2026 Eurovision Song Contest?
Gaidāmā atbildeDARASource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K08UNKNOWNizslēgts no atgriešanas
Which team won the 2025 NBA Finals?
Gaidāmā atbildeOklahoma City ThunderSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K09UNKNOWNizslēgts no atgriešanas
Which country won the 2026 World Baseball Classic?
Gaidāmā atbildeVenezuelaSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K10UNKNOWNizslēgts no atgriešanas
Which team won the 2026 NBA Finals?
Gaidāmā atbildeNew York KnicksSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K11UNKNOWNizslēgts no atgriešanas
Who won New York City's 2025 mayoral election?
Gaidāmā atbildeZohran MamdaniSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K12UNKNOWNizslēgts no atgriešanas
Who won the 2026 Australian Open women's singles title?
Gaidāmā atbildeElena RybakinaSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K13UNKNOWNizslēgts no atgriešanas
Which club won the 2026 UEFA Super Cup?
Gaidāmā atbildeParis Saint-GermainSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K14UNKNOWNizslēgts no atgriešanas
What mishap classification did NASA assign to Boeing Starliner's Crewed Flight Test?
Gaidāmā atbildeType A mishapSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K15UNKNOWNizslēgts no atgriešanas
Which country won the 2026 FIFA World Cup?
Gaidāmā atbildeSpainSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K16UNKNOWNizslēgts no atgriešanas
Which club won the 2026 UEFA Champions League final?
Gaidāmā atbildeParis Saint-GermainSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K17UNKNOWNizslēgts no atgriešanas
Which country won the 2026 Little League Baseball World Series?
Gaidāmā atbildeCuraçaoSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K18UNKNOWNizslēgts no atgriešanas
Which school won the 2026 NCAA Division I men's basketball championship?
Gaidāmā atbildeMichiganSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K19UNKNOWNizslēgts no atgriešanas
Who won the 2026 Masters Tournament?
Gaidāmā atbildeRory McIlroySource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K20UNKNOWNizslēgts no atgriešanas
Who received the 2025 Nobel Peace Prize?
Gaidāmā atbildeMaría Corina MachadoSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K21UNKNOWNizslēgts no atgriešanas
Who clinched the 2025 Formula One World Drivers' Championship?
Gaidāmā atbildeLando NorrisSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K22UNKNOWNizslēgts no atgriešanas
In the Google search-antitrust remedies ruling, which browser did the judge decline to force Google to sell?
Gaidāmā atbildeChromeSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K23UNKNOWNizslēgts no atgriešanas
Which performer won the 2025 Eurovision Song Contest?
Gaidāmā atbildeJJSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
?K24UNKNOWNizslēgts no atgriešanas
Who won the 2025 Wimbledon gentlemen's singles title?
Gaidāmā atbildeJannik SinnerSource ↗
Pārbaudīta modeļa atbildeUNKNOWN0% · UNKNOWN
Vērtētāja slēdziens: UNKNOWNZiņots par pārliecību: 0%
Vērtētāja piezīme: Explicit abstention.
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
Izpildes ID
V8Y3ZFEZK23179GX0M3MN6D36FEtalons
model-verification-single-request-v1.5Vērtēšanas modelis
gpt-5.6-solPieprasīts protokols
openai_chatAtklāta atbildes shēma
anthropic_messagesProtokolu saderība
MISATCH · atgūtaModeļa izvade
Not recordedIevades tokeni
Not recordedIzvades tokeni
Not recordedPabeigšanas iemesls
Not recordedHTTP statuss
200Ārējais latentums
19,443 msAtbildes baiti
3,656SHA-256
2989988b859c9bb90c50291bd34b6ed7423cf3b8c28c3d3915f4f245e99aaaebSvarīgs ierobežojums
Benchmark v1.5 uses the judge's Model Match Score as the main Verification score. Factual Recall, Knowledge Recency, Hallucination Resistance and Calibration are separate diagnostics and are not averaged into model identity. Only explicit RECALL may influence the knowledge boundary; systematic UNKNOWN on expected pre-cutoff probes may still be strong negative identity evidence. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of model identity.
Veiciet neatkarīgu verifikāciju
Pārbaudiet to pašu galapunktu pats vai pārlūkojiet citus publiskos pārskatus, pirms paļaujaties uz reklamētā modeļa identitāti.