Offentlig AI-modellverifiseringsrapport
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Eldre kvalitetspoeng87/100
SUSPICIOUS76% vurdering tillit
Permanent rapport
https://model-gate.com/no/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Vurderingsmodellens analyse
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.
Atferdsdiagnostikk
4 diagnostikkBegrunnelse 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.
Historisk benchmarknotat: denne arkiverte v1.4 totalpoengsummen brukte den tidligere faste diagnostiske aggregeringen. Den beholdes for reproduserbarhet og må ikke tolkes som en v1.5 Model Match-poengsum.
Tidlige bevis
0 RECALL sonderTidslinje for ren gjenkalling
Selve spørsmålssettet ble blandet før forespørselen om testet modell. Manglende generasjonsspor er ikke modellavhold. Tidslinjen rekonstruerer målmånedene deres for reviderbarhet. Bare eksplisitte RECALL-svar er grensebevis; INFERENS, GJETT og UKJENT forblir synlige, men flytter ikke grensen.
2024-09? K06UNKNOWN
2024-10? K23UNKNOWN
2024-11? K11UNKNOWN
2024-12? K21UNKNOWN
2025-01? K13UNKNOWN
2025-02? K10UNKNOWN? K19UNKNOWN
2025-03? K05UNKNOWN? K12UNKNOWN
2025-04? K15UNKNOWN? K20UNKNOWN
2025-05? K03UNKNOWN? K17UNKNOWN
2025-06? K07UNKNOWN? K22UNKNOWN
2025-07? K18UNKNOWN? K24UNKNOWN
2025-08? K02UNKNOWN? K08UNKNOWN
2025-09? K14UNKNOWN? K16UNKNOWN
2025-10? K01UNKNOWN
2025-11? K04UNKNOWN
2025-12? K09UNKNOWN
✓ riktig RECALL✕ feil RECALL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0riktig RECALL
0feil RECALL
Tidsmessig sammenligning
LATER_THAN_REFERENCESammenligning av kunnskapsgrense
Referanseavskjæring2025-05ESTIMATED_WEB · 45%
Siste støttede RECALL—0 kvalifiserte RECALL-svar
Observert grenseUtilstrekkelig RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
Cutoff-justeringLATER_THAN_REFERENCE28/100 · 55% sikkerhet
Vurderingsnotater
- The response is consistently correct through September 2025 and also answers a November 2025 item correctly.
- Correct answers across June, August, and September provide sustained post-reference evidence rather than one isolated later hit.
- Mixed results in July and failures in October and December make the terminal boundary imprecise.
- The saved May 2025 reference cutoff is a low-confidence ESTIMATED_WEB value, which materially limits alignment confidence.
Referanseavskjæringskilder
Semantisk: riktig 21 · feil 3 · ukjent 0. Ekskludert fra cutoff: 0.
Atferdsidentitet
SUSPICIOUS · 76%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
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Negative signaler
- Conflicting model-family self-report.
- Sustained correct recall across multiple months after the estimated reference cutoff.
- Correct recall of several September and November 2025 events is anomalously late for the saved snapshot.
Begrunnelsen for dommerens identitet
- SR01 identifies the model as Claude from Anthropic, directly conflicting with the claimed DeepSeek identity, although self-description remains weak evidence.
- The observed behavioral boundary is several months later than the saved May 2025 reference estimate.
- Post-reference knowledge is broad across sports, technology, culture, and world events, making it more notable than a small number of isolated later facts.
- The reference cutoff itself has only 45 percent confidence, so the recency discrepancy cannot independently establish model substitution.
Testet modellrespons
Ordrett uttrukket modelltekst
Publisert vurdering
Utfordringen, svarnøkkelen og normalisert dommervurdering er tilgjengelig. Eksakt testet modelltekst er ikke tilgjengelig for publisering med mindre den ble beholdt med tester-opt-in. Å publisere en vurdering skaper ikke det samtykket eller gjenoppretter forkastet tekst.
Komplett benchmark-oppføring
Spørsmål-for-spørsmål bevis
Alle innrømmede spørsmål vises med forventet svar, tilgjengelig kilde, testet modellgrunnlag, semantisk dom og kvalifisering for avskjæring. Spørsmål uten karakter er ikke modellavhold. En korrekt GJETNING eller INFERENS forblir korrekt semantisk, men er ekskludert fra ren gjenkallingsavskjæringsbevis.
✕K01UNKNOWNekskludert fra cutoff
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Forventet svarMaria Corina MachadoSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: WRONGRapporterte tillit: 75%
Vurderingsnotat: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNekskludert fra cutoff
Which two countries signed a joint peace declaration at the White House?
Forventet svarArmenia and AzerbaijanSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 62%
Vurderingsnotat: Matches Armenia and Azerbaijan.
✓K03UNKNOWNekskludert fra cutoff
What papal name did Cardinal Robert Francis Prevost take after his election?
Forventet svarLeo XIVSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 85%
Vurderingsnotat: Matches Pope Leo XIV.
✓K04UNKNOWNekskludert fra cutoff
Which city hosted the first G20 Leaders' Summit held on the African continent?
Forventet svarJohannesburgSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 80%
Vurderingsnotat: Matches Johannesburg.
✓K05UNKNOWNekskludert fra cutoff
Which film won Best Picture at the 97th Academy Awards?
Forventet svarAnoraSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 95%
Vurderingsnotat: Matches Anora.
✓K06UNKNOWNekskludert fra cutoff
Which mission completed the first commercial spacewalk?
Forventet svarPolaris DawnSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 88%
Vurderingsnotat: Matches Polaris Dawn.
✓K07UNKNOWNekskludert fra cutoff
Which team won the 2025 NBA championship?
Forventet svarOklahoma City ThunderSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 45%
Vurderingsnotat: Matches Oklahoma City Thunder.
✓K08UNKNOWNekskludert fra cutoff
Which flagship model did OpenAI release in its API platform?
Forventet svarGPT-5Source ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 80%
Vurderingsnotat: Matches GPT-5.
✕K09UNKNOWNekskludert fra cutoff
Which footballer won The Best FIFA Men's Player award for 2025?
Forventet svarOusmane DembeleSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: WRONGRapporterte tillit: 48%
Vurderingsnotat: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNekskludert fra cutoff
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Forventet svarCDU/CSUSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 90%
Vurderingsnotat: Matches CDU/CSU.
✓K11UNKNOWNekskludert fra cutoff
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Forventet svarInternational Criminal CourtSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 100%
Vurderingsnotat: Matches the International Criminal Court.
✓K12UNKNOWNekskludert fra cutoff
Which commercial lunar lander successfully touched down in Mare Crisium?
Forventet svarBlue GhostSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 88%
Vurderingsnotat: Matches Blue Ghost.
✓K13UNKNOWNekskludert fra cutoff
Which Blue Origin rocket reached orbit on its maiden launch?
Forventet svarNew GlennSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 95%
Vurderingsnotat: Matches New Glenn.
✓K14UNKNOWNekskludert fra cutoff
Which standard iPhone generation did Apple unveil at its September product event?
Forventet svariPhone 17Source ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 90%
Vurderingsnotat: Matches iPhone 17.
✓K15UNKNOWNekskludert fra cutoff
Which pontiff died at the Vatican on Easter Monday?
Forventet svarPope FrancisSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 98%
Vurderingsnotat: Matches Pope Francis.
✓K16UNKNOWNekskludert fra cutoff
Which party retained a parliamentary majority in Moldova's election?
Forventet svarParty of Action and SolidaritySource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 72%
Vurderingsnotat: Matches the Party of Action and Solidarity.
✓K17UNKNOWNekskludert fra cutoff
What landmark global health accord did the World Health Assembly adopt?
Forventet svarWHO Pandemic AgreementSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 75%
Vurderingsnotat: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNekskludert fra cutoff
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Forventet svarOasisSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 95%
Vurderingsnotat: Matches Oasis.
✓K19UNKNOWNekskludert fra cutoff
Which album won Album of the Year at the 2025 Grammy Awards?
Forventet svarCowboy CarterSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 90%
Vurderingsnotat: Matches Cowboy Carter.
✓K20UNKNOWNekskludert fra cutoff
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Forventet svarNS-31Source ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 92%
Vurderingsnotat: Matches NS-31.
✓K21UNKNOWNekskludert fra cutoff
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Forventet svarNotre-Dame de ParisSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 98%
Vurderingsnotat: Matches Notre-Dame de Paris.
✓K22UNKNOWNekskludert fra cutoff
Which new Nintendo console launched worldwide?
Forventet svarNintendo Switch 2Source ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 95%
Vurderingsnotat: Matches Nintendo Switch 2.
✓K23UNKNOWNekskludert fra cutoff
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Forventet svarNihon HidankyoSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: CORRECTRapporterte tillit: 95%
Vurderingsnotat: Matches Nihon Hidankyo.
✕K24UNKNOWNekskludert fra cutoff
Which national team won UEFA Women's Euro 2025?
Forventet svarEnglandSource ↗
Testet modellsvar—Nøyaktig modellsvar er ikke tilgjengelig for publisering.
Vurderingsresultat: WRONGRapporterte tillit: 65%
Vurderingsnotat: Expected England, not Spain.
Spørsmålsdekning og forskningsnotater
Faktiske spørsmål: 24 · Ikke vurdert av dommer: 0
Referanseavskjæring og sitater er levert av dommeren, ikke uavhengig bekreftet av plattformen. Forskningsnotater straffer ikke den testede modellen.
Kjør metadata
Reproduserbarhetsdetaljer
Kjørings-ID
A8T2GNQWKPJS4M16YAF7M0PGP4Benchmark
model-verification-single-request-v1.3Vurderingsmodell
gpt-5.6-solForespurt protokoll
openai_chatOppdaget svarskjema
Legacy / not recordedProtokollkompatibilitet
KAMP / arvModellutdata
Not recordedInndatatokener
Not recordedUtdatatokener
Not recordedÅrsak til avslutning
Not recordedHTTP-status
200Ekstern ventetid
222,372 msSvarbytes
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Viktig 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.