Raport z weryfikacji publicznego modelu AI
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Starszy Wynik Jakości87/100
CONSISTENT82% pewność oceny
Raport stały
https://model-gate.com/pl/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YAnaliza oceniającego
Dlaczego ta weryfikacja otrzymała swój wynik
Raport publiczny odzwierciedla dowody analityczne przedstawione testerowi po /chat/verify. Oceny sędziowskie to oceny rubrykowe; tylko wyraźne poprawne lub błędne odpowiedzi RECALL mogą wpływać na granicę odcięcia czystego przypominania.
Diagnostyka behawioralna
4 diagnostykaUzasadnienie oceny sędziego
Nie zachowano odrębnego uzasadnienia sędziowskiego dla tego zarchiwizowanego wyniku.
Nie zachowano odrębnego uzasadnienia sędziowskiego dla tego zarchiwizowanego wyniku.
Nie zachowano odrębnego uzasadnienia sędziowskiego dla tego zarchiwizowanego wyniku.
Nie zachowano odrębnego uzasadnienia sędziowskiego dla tego zarchiwizowanego wyniku.
Notatka dotycząca historycznego testu porównawczego: w tym zarchiwizowanym ogólnym wyniku wersji 1.4 wykorzystano poprzednią stałą agregację diagnostyczną. Jest on zachowywany w celu zapewnienia powtarzalności i nie należy go interpretować jako wyniku dopasowania modelu v1.5.
Dowody tymczasowe
0 PRZYWOŁAJ sondyOś czasu czystego przypominania
Rzeczywisty zestaw pytań został przetasowany przed żądaniem testowanego modelu. Brakujące miejsca dla pokoleń nie są modelowym wstrzymaniem się od głosu. Oś czasu rekonstruuje docelowe miesiące w celu umożliwienia kontroli. Tylko wyraźne odpowiedzi RECALL stanowią dowód graniczny; WNIOSEK, DOMYŚLENIE i NIEZNANE pozostają widoczne, ale nie przesuwają granicy.
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
✓ prawidłowe PRZYPOMNIENIE✕ błędne PRZYPOMNIENIE~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0prawidłowe PRZYPOMNIENIE
0błędne PRZYPOMNIENIE
Porównanie czasowe
CONSISTENTPorównanie granic wiedzy
Odcięcie odniesienia2025-05ESTIMATED_WEB · 0%
Najnowsze obsługiwane RECALL—0 kwalifikujące się odpowiedzi PRZYWOŁAJ
Obserwowana granicaNiewystarczające dowody WYCOFANIAINSUFFICIENT_RECALL_EVIDENCE
Wyrównanie odcięciaCONSISTENT88/100 · 80% pewność
Uwagi oceniającego
- 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.
Źródła odcięcia odniesienia
Semantyczny: poprawne 20 · niepoprawne 4 · nieznane 0. Wykluczone z odcięcia: 0.
Tożsamość behawioralna
CONSISTENT · 82%Sygnały tożsamości
Tożsamość wnioskuje się na podstawie zgodności między deklarowanym modelem a obserwowanym profilem wiedzy/odpowiedzi. Jest to dowód, a nie zdalne poświadczenie lub kryptograficzny dowód wag serwowania.
Pozytywne sygnały
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Negatywne sygnały
- 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.
Uzasadnienie tożsamości sędziego
- 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.
Reakcja testowanego modelu
Dosłownie wyodrębniony tekst modelu
Opublikowana ocena
Dostępne są wyzwanie, klucz odpowiedzi i znormalizowana ocena sędziego. Dokładny tekst testowanego modelu nie jest dostępny do publikacji, chyba że został zachowany po wyrażeniu zgody przez testera. Publikacja oceny nie tworzy tej zgody ani nie przywraca odrzuconego tekstu.
Pełna lista testów porównawczych
Dowody pytanie po pytaniu
Wszystkie dopuszczone pytania są pokazane wraz z oczekiwaną odpowiedzią, dostępnym źródłem, podstawą testowanego modelu, werdyktem semantycznym i kwalifikowalnością graniczną. Pytania bez oceny nie są modelowym wstrzymaniem się od głosu. Prawidłowe DOMYŚLENIE lub WNIOSEK pozostaje poprawne semantycznie, ale jest wykluczone z dowodu granicznego opartego na czystym przypomnieniu.
✕K01UNKNOWNwyłączone z odcięcia
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Oczekiwana odpowiedźOblique SevilleSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: WRONGZgłoszone zaufanie: 75%
Uwaga oceniającego: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNwyłączone z odcięcia
Which team won the UEFA Women's Euro 2025 final?
Oczekiwana odpowiedźEnglandSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: WRONGZgłoszone zaufanie: 85%
Uwaga oceniającego: Expected England; answered Spain.
✓K03UNKNOWNwyłączone z odcięcia
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Oczekiwana odpowiedźmpoxSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches mpox.
✓K04UNKNOWNwyłączone z odcięcia
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Oczekiwana odpowiedźAlphaFold 3Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches AlphaFold 3.
✓K05UNKNOWNwyłączone z odcięcia
What model did OpenAI release as a unified system with built-in thinking?
Oczekiwana odpowiedźGPT-5Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches GPT-5.
✓K06UNKNOWNwyłączone z odcięcia
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Oczekiwana odpowiedźWindowsSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Microsoft Windows is accepted.
✕K07UNKNOWNwyłączone z odcięcia
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Oczekiwana odpowiedźOdysseusSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: WRONGZgłoszone zaufanie: 80%
Uwaga oceniającego: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNwyłączone z odcięcia
What was the name of Japan's lunar lander that successfully reached the Moon?
Oczekiwana odpowiedźSLIMSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches SLIM.
✓K09UNKNOWNwyłączone z odcięcia
Who became the first private astronaut to perform a spacewalk?
Oczekiwana odpowiedźJared IsaacmanSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Jared Isaacman.
✓K10UNKNOWNwyłączone z odcięcia
Which country was appointed host of the 2034 FIFA World Cup?
Oczekiwana odpowiedźSaudi ArabiaSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Saudi Arabia.
✓K11UNKNOWNwyłączone z odcięcia
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Oczekiwana odpowiedźMare CrisiumSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches Mare Crisium.
✓K12UNKNOWNwyłączone z odcięcia
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Oczekiwana odpowiedźDeepSeek-R1Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches DeepSeek-R1.
✓K13UNKNOWNwyłączone z odcięcia
What was the name of the second malaria vaccine prequalified by WHO?
Oczekiwana odpowiedźR21/Matrix-MSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches R21/Matrix-M.
✓K14UNKNOWNwyłączone z odcięcia
Which album won Album of the Year at the 67th Grammy Awards?
Oczekiwana odpowiedźCowboy CarterSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Cowboy Carter.
✓K15UNKNOWNwyłączone z odcięcia
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Oczekiwana odpowiedź523Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 85%
Uwaga oceniającego: Matches 523.
✓K16UNKNOWNwyłączone z odcięcia
How many grams of lunar material did the Chang'e-6 mission collect?
Oczekiwana odpowiedź1,935.3 gramsSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches 1,935.3 grams.
✓K17UNKNOWNwyłączone z odcięcia
Which rocket launched NASA's Europa Clipper spacecraft?
Oczekiwana odpowiedźFalcon HeavySource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Falcon Heavy.
✓K18UNKNOWNwyłączone z odcięcia
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Oczekiwana odpowiedźGaia BH3Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches Gaia BH3.
✕K19UNKNOWNwyłączone z odcięcia
Who was awarded the 2025 Nobel Peace Prize?
Oczekiwana odpowiedźMaria Corina MachadoSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: WRONGZgłoszone zaufanie: 70%
Uwaga oceniającego: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNwyłączone z odcięcia
What annual climate-finance goal for developing countries did COP29 set for 2035?
Oczekiwana odpowiedźUS$300 billion per yearSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches $300 billion per year.
✓K21UNKNOWNwyłączone z odcięcia
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Oczekiwana odpowiedźFram2Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches Fram2.
✓K22UNKNOWNwyłączone z odcięcia
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Oczekiwana odpowiedźArticle 19Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 75%
Uwaga oceniającego: Matches Article 19.
✓K23UNKNOWNwyłączone z odcięcia
Which new Mario Kart game launched alongside Nintendo Switch 2?
Oczekiwana odpowiedźMario Kart WorldSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Mario Kart World.
✓K24UNKNOWNwyłączone z odcięcia
What model did OpenAI introduce with a 128K context window at its first DevDay?
Oczekiwana odpowiedźGPT-4 TurboSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches GPT-4 Turbo.
Zakres pytań i notatki z badań
Pytania merytoryczne: 24 · Nie ocenione przez sędziego: 0
Punkty odniesienia i cytaty są dostarczane przez sędziego i nie są niezależnie potwierdzane przez platformę. Notatki z badań nie penalizują testowanego modelu.
Uruchom metadane
Szczegóły dotyczące powtarzalności
ID uruchomienia
0B0HVDB2FRJEJC90BRG4D7JV1YBenchmark
model-verification-single-request-v1.2Model oceniający
gpt-5.6-solŻądany protokół
openai_chatWykryto schemat odpowiedzi
Legacy / not recordedZgodność protokołu
MECZ / dziedzictwoWyjście modelu
Not recordedTokeny wejściowe
Not recordedTokeny wyjściowe
Not recordedPowód zakończenia
Not recordedStan HTTP
200Opóźnienie zewnętrzne
88,304 msBajty odpowiedzi
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dWażne ograniczenie
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.
Przeprowadź niezależną weryfikację
Zanim zaczniesz polegać na reklamowanej tożsamości modelu, przetestuj sam ten sam punkt końcowy lub przejrzyj inne publiczne raporty.