Offentlig AI-modellverifiseringsrapport
claude-opus-4-6
https://api.model-gate.com/v1/chat/completions
Samlet kvalitetspoeng60/100
CONSISTENT88% identitetssikkerhet
Permanent rapport
https://model-gate.com/no/model-verification/results/68TGGQW6SM9411Y4XDAPH3BR3HDommeranalyse
Hvorfor denne bekreftelsen mottok resultatet
Den offentlige rapporten gjenspeiler de analytiske bevisene som ble vist til testeren etter /chat/verify. Dommerscore er rubrikkvurderinger; bare eksplisitte korrekte eller gale RECALL-svar kan påvirke grensen for ren-gjenkalling.
Scoring
60/100Begrunnelse for dommerscoring
Ingen egen dommerbegrunnelse ble beholdt for dette arkiverte resultatet.
Ingen egen dommerbegrunnelse ble beholdt for dette arkiverte resultatet.
Ingen egen dommerbegrunnelse ble beholdt for dette arkiverte resultatet.
Ingen egen dommerbegrunnelse ble beholdt for dette arkiverte resultatet.
Samlet kvalitet er den faste 37,5 % Factual Recall + 25 % Knowledge Recency + 25 % Hallusinasjonsmotstand + 12,5 % Kalibreringsaggregering. Identitet og Cutoff Alignment er separate dommervurderinger.
Tidlige bevis
0 RECALL sonder16 måneders tidslinje for ren tilbakekalling
De 24 spørsmålene ble blandet før forespørselen om testet modell. Tidslinjen rekonstruerer målmånedene deres for reviderbarhet. Bare eksplisitte RECALL-svar er grensebevis; INFERENS, GJETT og UKJENT forblir synlige, men flytter ikke grensen.
2024-09? K20UNKNOWN
2024-10? K14UNKNOWN
2024-11? K13UNKNOWN
2024-12? K22UNKNOWN
2025-01? K02UNKNOWN
2025-02? K10UNKNOWN? K18UNKNOWN
2025-03? K01UNKNOWN? K17UNKNOWN
2025-04? K03UNKNOWN? K16UNKNOWN
2025-05? K07UNKNOWN? K11UNKNOWN
2025-06? K09UNKNOWN? K21UNKNOWN
2025-07? K15UNKNOWN? K19UNKNOWN
2025-08? K06UNKNOWN? K24UNKNOWN
2025-09? K04UNKNOWN? K12UNKNOWN
2025-10? K05UNKNOWN
2025-11? K08UNKNOWN
2025-12? K23UNKNOWN
✓ riktig RECALL✕ feil RECALL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0riktig RECALL
0feil RECALL
Tidsmessig sammenligning
CONSISTENTSammenligning av kunnskapsgrense
Referanseavskjæring2025-05OFFICIAL_WEB · 100%
Siste støttede RECALL—0 kvalifiserte RECALL-svar
Observert grenseUtilstrekkelig RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
Cutoff-justeringCONSISTENT88/100 · 87% tillit
Dommer notater
- Recall is broadly strong from September 2024 through April 2025, with only one isolated February abstention.
- May is mixed across its dense probes, while June and July retain partial or strong knowledge before a sustained failure cluster in August and September.
- The observed transition range overlaps and immediately follows the official May 2025 reference cutoff.
- Correct later-control answers in October and November are isolated; the COP30 host was also knowable well before the event, so these do not establish a later sustained boundary.
Referanseavskjæringskilder
Semantisk: korrekt 16 · feil 2 · ukjent 6. Ekskludert fra cutoff: 0.
Atferdsidentitet
CONSISTENT · 88%Identitetssignaler
Identitet utledes fra konsistens mellom den påståtte modellen og den observerte kunnskaps-/svarprofilen. Det er bevis, ikke fjernattestering eller kryptografisk bevis for serveringsvektene.
Positive signaler
- Correct on nearly all probes from September 2024 through April 2025.
- Mixed near-boundary performance in May.
- Sustained weak performance across both August and September dense evidence.
- Self-identifies as an Anthropic Claude model.
Negative signaler
- Missed the February 2025 Album of the Year despite otherwise strong pre-cutoff recall.
- Answered several June and July events correctly after the nominal cutoff.
- Correctly guessed the October 2025 Nobel Peace Prize recipient.
- Did not identify its exact version and supplied no cutoff self-report.
Begrunnelsen for dommerens identitet
- The behavioral boundary broadly aligns with the immutable May 2025 reference cutoff.
- Strong-recall performance is consistently high across most months before the reference cutoff.
- The August-September failure cluster supplies a meaningful temporal transition rather than relying on one obscure missed fact.
- Limited post-cutoff knowledge is not treated as proof of substitution and is compatible with inference, advance-publicized facts, or selective updates.
- The self-report supports the provider family but does not independently establish the exact model variant.
Testet modellrespons
Ordrett uttrukket modelltekst
Arkivert sammendrag
Denne kjøringen går før oppbevaring av full rapport. Utfordringen, svarnøkkelen og den normaliserte dommervurderingen er tilgjengelig, men den eksakte testede modellens svartekst ble med vilje forkastet av personvernreglene fra referansetiden.
Komplett benchmark-oppføring
Spørsmål-for-spørsmål bevis
Alle 24 tidsprober vises med forventet svar, offentlig kilde, testet modellgrunnlag, semantisk dom og kvalifisering for avskjæring. En korrekt GJETNING eller INFERENS forblir korrekt semantisk, men er ekskludert fra ren gjenkallingsavskjæringsbevis.
✓K01UNKNOWNekskludert fra cutoff
What was the name of Firefly Aerospace's lunar lander that successfully touched down on the Moon?
Forventet svarBlue GhostSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 85%
Dommernotat: Matches Blue Ghost.
✓K02UNKNOWNekskludert fra cutoff
What was the name of Blue Origin's rocket that reached orbit on its maiden flight?
Forventet svarNew GlennSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 90%
Dommernotat: Matches New Glenn.
✓K03UNKNOWNekskludert fra cutoff
What was the designation of the Blue Origin mission that carried an all-women crew including Katy Perry and Gayle King?
Forventet svarNS-31Source ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 45%
Dommernotat: Matches NS-31.
?K04UNKNOWNekskludert fra cutoff
Who won the men's 100 metres at the 2025 World Athletics Championships in Tokyo?
Forventet svarOblique SevilleSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: UNKNOWNRapporterte tillit: 0%
Dommernotat: Explicit abstention.
✓K05UNKNOWNekskludert fra cutoff
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Forventet svarMaria Corina MachadoSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 60%
Dommernotat: Matches Maria Corina Machado.
?K06UNKNOWNekskludert fra cutoff
At which Alaska military installation did Donald Trump meet Vladimir Putin for their 2025 summit?
Forventet svarJoint Base Elmendorf-RichardsonSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: UNKNOWNRapporterte tillit: 0%
Dommernotat: Explicit abstention.
✓K07UNKNOWNekskludert fra cutoff
What landmark global health instrument did the World Health Assembly adopt?
Forventet svarWHO Pandemic AgreementSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 55%
Dommernotat: Explicitly includes WHO Pandemic Agreement.
✓K08UNKNOWNekskludert fra cutoff
Which Brazilian city hosted the COP30 climate conference?
Forventet svarBelemSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 90%
Dommernotat: Matches Belem.
✓K09UNKNOWNekskludert fra cutoff
Which new Nintendo console launched alongside Mario Kart World?
Forventet svarNintendo Switch 2Source ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 85%
Dommernotat: Matches Nintendo Switch 2.
?K10UNKNOWNekskludert fra cutoff
Which album won Album of the Year at the 67th Grammy Awards?
Forventet svarCowboy CarterSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: UNKNOWNRapporterte tillit: 0%
Dommernotat: Explicit abstention.
?K11UNKNOWNekskludert fra cutoff
Which performer won the 2025 Eurovision Song Contest for Austria with Wasted Love?
Forventet svarJJSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: UNKNOWNRapporterte tillit: 0%
Dommernotat: Explicit abstention.
✕K12UNKNOWNekskludert fra cutoff
Which numbered iPhone generation did Apple debut at its September product event?
Forventet svariPhone 17Source ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: WRONGRapporterte tillit: 75%
Dommernotat: Answered iPhone 16; expected iPhone 17.
✓K13UNKNOWNekskludert fra cutoff
Which city hosted the COP29 climate conference that concluded with a new climate-finance agreement?
Forventet svarBakuSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 92%
Dommernotat: Matches Baku.
✓K14UNKNOWNekskludert fra cutoff
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Forventet svarNihon HidankyoSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 95%
Dommernotat: Matches Nihon Hidankyo.
?K15UNKNOWNekskludert fra cutoff
Which national team defeated Spain on penalties to win UEFA Women's Euro 2025?
Forventet svarEnglandSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: UNKNOWNRapporterte tillit: 0%
Dommernotat: Explicit abstention.
✓K16UNKNOWNekskludert fra cutoff
Which pope died at the Vatican on Easter Monday 2025?
Forventet svarPope FrancisSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 85%
Dommernotat: Matches Pope Francis.
✓K17UNKNOWNekskludert fra cutoff
Which film won Best Picture at the 97th Academy Awards?
Forventet svarAnoraSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 65%
Dommernotat: Matches Anora.
✓K18UNKNOWNekskludert fra cutoff
Which political alliance became the largest group in Germany's 2025 Bundestag election?
Forventet svarCDU/CSUSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 85%
Dommernotat: Matches CDU/CSU.
✓K19UNKNOWNekskludert fra cutoff
Which network of Indian forts became the country's 44th UNESCO World Heritage property?
Forventet svarMaratha Military Landscapes of IndiaSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 50%
Dommernotat: Matches Maratha Military Landscapes of India.
✓K20UNKNOWNekskludert fra cutoff
Which mission conducted the first commercial spacewalk?
Forventet svarPolaris DawnSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 92%
Dommernotat: Matches Polaris Dawn.
✓K21UNKNOWNekskludert fra cutoff
Which private astronaut mission launched Peggy Whitson and Shubhanshu Shukla to the International Space Station?
Forventet svarAxiom Mission 4Source ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 70%
Dommernotat: Matches Axiom Mission 4.
✓K22UNKNOWNekskludert fra cutoff
Which Paris cathedral formally reopened five years after a devastating fire?
Forventet svarNotre-Dame de ParisSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: CORRECTRapporterte tillit: 97%
Dommernotat: Matches Notre-Dame de Paris.
?K23UNKNOWNekskludert fra cutoff
Who won Chile's 2025 presidential runoff election?
Forventet svarJose Antonio KastSource ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: UNKNOWNRapporterte tillit: 0%
Dommernotat: Explicit abstention.
✕K24UNKNOWNekskludert fra cutoff
What new flagship AI system did OpenAI introduce?
Forventet svarGPT-5Source ↗
Testet modellsvar—Nøyaktig modellrespons ble ikke beholdt for denne arkiverte kjøringen.
Dommer dom: WRONGRapporterte tillit: 40%
Dommernotat: Answered GPT-4o; expected GPT-5.
Kjør metadata
Reproduserbarhetsdetaljer
Kjør ID
68TGGQW6SM9411Y4XDAPH3BR3HBenchmark
model-verification-single-request-v1.3Dømme
gpt-5.6-solProtokoll
openai_chatHTTP-status
200Ekstern ventetid
10,087 msSvarbytes
2,591SHA-256
37edfee0969ea8c1529cf6db6830118353b483a27995cedcf20b25e5b40b8ff1Viktig begrensning
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.
Kjør en uavhengig verifisering
Test det samme endepunktet selv eller bla gjennom andre offentlige rapporter før du stoler på en annonsert modellidentitet.