Openbaar AI-modelverificatierapport
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Verouderde kwaliteitsscore87/100
CONSISTENT82% beoordelingsvertrouwen
Permanent rapport
https://model-gate.com/nl/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YAnalyse van de beoordelaar
Waarom deze verificatie resultaat heeft opgeleverd
Het openbare rapport weerspiegelt het analytische bewijs dat aan de tester wordt getoond na /chat/verify. Beoordelaarsscores zijn rubriekbeoordelingen; alleen expliciete goede of foute RECALL-antwoorden kunnen de pure-recall-grens beïnvloeden.
Gedragsdiagnostiek
4 diagnostiekRechter scoort motivering
Voor dit gearchiveerde resultaat werd geen afzonderlijke motivering van de rechter aangehouden.
Voor dit gearchiveerde resultaat werd geen afzonderlijke motivering van de rechter aangehouden.
Voor dit gearchiveerde resultaat werd geen afzonderlijke motivering van de rechter aangehouden.
Voor dit gearchiveerde resultaat werd geen afzonderlijke motivering van de rechter aangehouden.
Historische benchmarknoot: deze gearchiveerde algemene score v1.4 maakte gebruik van de voormalige vaste diagnostische aggregatie. Deze wordt behouden voor reproduceerbaarheid en mag niet worden geïnterpreteerd als een v1.5 Model Match-score.
Tijdelijk bewijs
0 RECALL-sondesTijdlijn voor pure herinnering
De daadwerkelijke vragenset werd vóór het geteste modelverzoek geschud. Ontbrekende generatieslots zijn geen modelonthoudingen. De tijdlijn reconstrueert hun doelmaanden voor controleerbaarheid. Alleen expliciete RECALL-antwoorden zijn afkapbewijs; INFERENCE, GUESS en UNKNOWN blijven zichtbaar maar verplaatsen de grens niet.
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
✓ juiste RECALL✕ verkeerde RECALL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0juiste RECALL
0verkeerde RECALL
Tijdelijke vergelijking
CONSISTENTVergelijking van kennisgrenzen
Referentie-uitschakeling2025-05ESTIMATED_WEB · 0%
Nieuwst ondersteunde RECALL—0 in aanmerking komende RECALL-antwoorden
Waargenomen grensOnvoldoende RECALL-bewijsINSUFFICIENT_RECALL_EVIDENCE
AfsnijdingsuitlijningCONSISTENT88/100 · 80% zekerheid
Notities van de beoordelaar
- 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.
Referentie-afgesneden bronnen
Semantisch: juist 20 · onjuist 4 · onbekend 0. Uitgesloten van de afsluiting: 0.
Gedragsidentiteit
CONSISTENT · 82%Identiteitssignalen
Identiteit wordt afgeleid uit de consistentie tussen het geclaimde model en het waargenomen kennis/antwoordprofiel. Het is bewijs, geen attest op afstand of cryptografisch bewijs van de serveergewichten.
Positieve signalen
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Negatieve signalen
- 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.
Beoordeel identiteitsredenen
- 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.
Reactie van getest model
Woordelijk geëxtraheerde modeltekst
Gepubliceerde beoordeling
De uitdaging, de antwoordsleutel en de genormaliseerde beoordeling van de rechter zijn beschikbaar. Exacte tekst van het geteste model is niet beschikbaar voor publicatie, tenzij deze is behouden met de opt-in van de tester. Het publiceren van een beoordeling zorgt niet voor die toestemming en herstelt geen weggegooide tekst.
Volledige benchmarklijst
Vraag-voor-vraag bewijs
Alle toegelaten vragen worden weergegeven met het verwachte antwoord, de beschikbare bron, de basis van het geteste model, het semantische oordeel en de geschiktheidslimiet. Vragen zonder cijfer zijn geen modelonthoudingen. Een correcte GIDS of INFERTIE blijft semantisch correct, maar wordt uitgesloten van puur terugroep-cutoff-bewijs.
✕K01UNKNOWNuitgesloten van de afsluiting
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Verwacht antwoordOblique SevilleSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: WRONGGerapporteerd vertrouwen: 75%
Notitie van de beoordelaar: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNuitgesloten van de afsluiting
Which team won the UEFA Women's Euro 2025 final?
Verwacht antwoordEnglandSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: WRONGGerapporteerd vertrouwen: 85%
Notitie van de beoordelaar: Expected England; answered Spain.
✓K03UNKNOWNuitgesloten van de afsluiting
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Verwacht antwoordmpoxSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches mpox.
✓K04UNKNOWNuitgesloten van de afsluiting
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Verwacht antwoordAlphaFold 3Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches AlphaFold 3.
✓K05UNKNOWNuitgesloten van de afsluiting
What model did OpenAI release as a unified system with built-in thinking?
Verwacht antwoordGPT-5Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches GPT-5.
✓K06UNKNOWNuitgesloten van de afsluiting
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Verwacht antwoordWindowsSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Microsoft Windows is accepted.
✕K07UNKNOWNuitgesloten van de afsluiting
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Verwacht antwoordOdysseusSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: WRONGGerapporteerd vertrouwen: 80%
Notitie van de beoordelaar: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNuitgesloten van de afsluiting
What was the name of Japan's lunar lander that successfully reached the Moon?
Verwacht antwoordSLIMSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches SLIM.
✓K09UNKNOWNuitgesloten van de afsluiting
Who became the first private astronaut to perform a spacewalk?
Verwacht antwoordJared IsaacmanSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches Jared Isaacman.
✓K10UNKNOWNuitgesloten van de afsluiting
Which country was appointed host of the 2034 FIFA World Cup?
Verwacht antwoordSaudi ArabiaSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches Saudi Arabia.
✓K11UNKNOWNuitgesloten van de afsluiting
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Verwacht antwoordMare CrisiumSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches Mare Crisium.
✓K12UNKNOWNuitgesloten van de afsluiting
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Verwacht antwoordDeepSeek-R1Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches DeepSeek-R1.
✓K13UNKNOWNuitgesloten van de afsluiting
What was the name of the second malaria vaccine prequalified by WHO?
Verwacht antwoordR21/Matrix-MSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches R21/Matrix-M.
✓K14UNKNOWNuitgesloten van de afsluiting
Which album won Album of the Year at the 67th Grammy Awards?
Verwacht antwoordCowboy CarterSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches Cowboy Carter.
✓K15UNKNOWNuitgesloten van de afsluiting
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Verwacht antwoord523Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 85%
Notitie van de beoordelaar: Matches 523.
✓K16UNKNOWNuitgesloten van de afsluiting
How many grams of lunar material did the Chang'e-6 mission collect?
Verwacht antwoord1,935.3 gramsSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches 1,935.3 grams.
✓K17UNKNOWNuitgesloten van de afsluiting
Which rocket launched NASA's Europa Clipper spacecraft?
Verwacht antwoordFalcon HeavySource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches Falcon Heavy.
✓K18UNKNOWNuitgesloten van de afsluiting
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Verwacht antwoordGaia BH3Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches Gaia BH3.
✕K19UNKNOWNuitgesloten van de afsluiting
Who was awarded the 2025 Nobel Peace Prize?
Verwacht antwoordMaria Corina MachadoSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: WRONGGerapporteerd vertrouwen: 70%
Notitie van de beoordelaar: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNuitgesloten van de afsluiting
What annual climate-finance goal for developing countries did COP29 set for 2035?
Verwacht antwoordUS$300 billion per yearSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches $300 billion per year.
✓K21UNKNOWNuitgesloten van de afsluiting
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Verwacht antwoordFram2Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 90%
Notitie van de beoordelaar: Matches Fram2.
✓K22UNKNOWNuitgesloten van de afsluiting
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Verwacht antwoordArticle 19Source ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 75%
Notitie van de beoordelaar: Matches Article 19.
✓K23UNKNOWNuitgesloten van de afsluiting
Which new Mario Kart game launched alongside Nintendo Switch 2?
Verwacht antwoordMario Kart WorldSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches Mario Kart World.
✓K24UNKNOWNuitgesloten van de afsluiting
What model did OpenAI introduce with a 128K context window at its first DevDay?
Verwacht antwoordGPT-4 TurboSource ↗
Beproefd model antwoord—Exacte modelreactie is niet beschikbaar voor publicatie.
Oordeel van de beoordelaar: CORRECTGerapporteerd vertrouwen: 95%
Notitie van de beoordelaar: Matches GPT-4 Turbo.
Vraagdekking en onderzoeksnotities
Feitelijke vragen: 24 · Niet beoordeeld door de rechter: 0
Referentiegrens en citaten worden verstrekt door de rechter en niet onafhankelijk bevestigd door het platform. Onderzoeksnotities bestraffen het geteste model niet.
Metagegevens uitvoeren
Reproduceerbaarheidsdetails
Uitvoerings-ID
0B0HVDB2FRJEJC90BRG4D7JV1YBenchmark
model-verification-single-request-v1.2Beoordelingsmodel
gpt-5.6-solGevraagd protocol
openai_chatGedetecteerd antwoordschema
Legacy / not recordedCompatibiliteit van protocollen
WEDSTRIJD / erfenisModeluitvoer
Not recordedInvoertokens
Not recordedUitvoertokens
Not recordedReden van beëindiging
Not recordedHTTP-status
200Externe latentie
88,304 msReactiebytes
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dBelangrijke beperking
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.
Voer een onafhankelijke verificatie uit
Test hetzelfde eindpunt zelf of blader door andere openbare rapporten voordat u vertrouwt op een geadverteerde modelidentiteit.