Raport z weryfikacji publicznego modelu AI
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Starszy Wynik Jakości100/100
PLAUSIBLE60% pewność oceny
Raport stały
https://model-gate.com/pl/model-verification/results/A57ZK57ERM62N3S1XETMXFKK0XAnaliza sędziego
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.
Miesięczny harmonogram nie jest dostępny dla tego zarchiwizowanego wyniku testu porównawczego.
✓ prawidłowe PRZYPOMNIENIE✕ błędne PRZYPOMNIENIE~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0prawidłowe PRZYPOMNIENIE
0błędne PRZYPOMNIENIE
Porównanie czasowe
UNKNOWNPorównanie granic wiedzy
Odcięcie odniesieniaUNKNOWNUNKNOWN · 0%
Najnowsze obsługiwane RECALL—0 kwalifikujące się odpowiedzi PRZYWOŁAJ
Obserwowana granicaNiewystarczające dowody WYCOFANIAINSUFFICIENT_RECALL_EVIDENCE
Wyrównanie odcięciaUNKNOWN0% zaufanie
Sędzia zauważa
- All Class A items are correct through June 2024, establishing an observed lower bound but no upper bound.
- The immutable reference snapshot has no known cutoff dates, so cutoff alignment cannot be scored.
Semantyczny: prawidłowy 16 · zło 0 · nieznany 0. Wykluczone z odcięcia: 0.
Tożsamość behawioralna
PLAUSIBLE · 60%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
- Perfect performance across all supplied Class A recall items.
- Correct recall of multiple DeepSeek model releases and specifications.
- No systematic early knowledge failures.
Negatywne sygnały
- No documented canonical identity or cutoff is available in the reference snapshot.
- Cutoff consistency cannot be evaluated.
- Self-report and matching API metadata are weak identity evidence.
Uzasadnienie tożsamości sędziego
- The response is fully correct on all 16 strong-recall questions, including the DeepSeek-specific history items.
- The observed knowledge extends through June 2024, but the reference cutoff is unknown and therefore provides no identity-comparison signal.
- The claimed name and API identifier agree, but both are untrusted metadata and do not prove model identity.
Reakcja testowanego modelu
Dosłownie wyodrębniony tekst modelu
Zarchiwizowane podsumowanie
To uruchomienie poprzedza wyrażenie zgody na przechowywanie pełnych raportów. Dostępne są wyzwanie, klucz odpowiedzi i znormalizowana ocena sędziego, ale dokładny tekst odpowiedzi na temat testowanego modelu został celowo odrzucony w polityce prywatności z czasów wzorcowych.
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
Which human Go player was AlphaGo's opponent in the three-game match completed on 2017-05-27?
Oczekiwana odpowiedźKe Jie
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Ke Jie.
✓K02UNKNOWNwyłączone z odcięcia
The first published image of a black hole, announced on 2019-04-10, depicted the black hole in which galaxy?
Oczekiwana odpowiedźMessier 87
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: M87 galaxy is semantically equivalent to Messier 87.
✓K03UNKNOWNwyłączone z odcięcia
Which two scientists were awarded the 2020 Nobel Prize in Chemistry for developing a method for genome editing?
Oczekiwana odpowiedźEmmanuelle Charpentier and Jennifer A. Doudna
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Both required scientists are correctly named.
✓K04UNKNOWNwyłączone z odcięcia
Which research organization developed the AlphaFold2 system whose CASP14 performance was announced on 2020-11-30?
Oczekiwana odpowiedźDeepMind
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer DeepMind.
✓K05UNKNOWNwyłączone z odcięcia
Which launch vehicle carried the James Webb Space Telescope into space on 2021-12-25?
Oczekiwana odpowiedźAriane 5
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Ariane 5.
✓K06UNKNOWNwyłączone z odcięcia
What was the name of the asteroid moonlet struck by NASA's DART spacecraft on 2022-09-26?
Oczekiwana odpowiedźDimorphos
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Dimorphos.
✓K07UNKNOWNwyłączone z odcięcia
In which ocean did the Artemis I Orion capsule splash down on 2022-12-11?
Oczekiwana odpowiedźPacific Ocean
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Pacific Ocean.
✓K08UNKNOWNwyłączone z odcięcia
On 2023-03-01, OpenAI made an API available for which speech-recognition model?
Oczekiwana odpowiedźWhisper
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Whisper.
✓K09UNKNOWNwyłączone z odcięcia
What was the name of the Chandrayaan-3 lander that reached the lunar surface on 2023-08-23?
Oczekiwana odpowiedźVikram
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Vikram.
✓K10UNKNOWNwyłączone z odcięcia
Samples from which asteroid were returned to Earth by the OSIRIS-REx capsule on 2023-09-24?
Oczekiwana odpowiedźBennu
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Bennu.
✓K11UNKNOWNwyłączone z odcięcia
What was the name of the code-focused model family publicly introduced by DeepSeek on 2023-11-02?
Oczekiwana odpowiedźDeepSeek Coder
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: DeepSeek-Coder is an accepted spelling.
✓K12UNKNOWNwyłączone z odcięcia
What two parameter scales were offered in the DeepSeek LLM family announced on 2023-11-29?
Oczekiwana odpowiedź7B and 67B
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Both parameter scales match: 7B and 67B.
✓K13UNKNOWNwyłączone z odcięcia
How many total parameters and how many activated parameters per token did DeepSeek-V2 have when announced on 2024-05-06?
Oczekiwana odpowiedź236B total parameters and 21B activated parameters per token
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Correctly gives 236B total and 21B activated per token.
✓K14UNKNOWNwyłączone z odcięcia
What maximum context length was supported by DeepSeek-Coder-V2 when announced on 2024-06-17?
Oczekiwana odpowiedź128K tokens
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer 128K tokens.
✓K15UNKNOWNwyłączone z odcięcia
Which company built the Odysseus lunar lander that touched down on 2024-02-22?
Oczekiwana odpowiedźIntuitive Machines
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Matches accepted answer Intuitive Machines.
✓K16UNKNOWNwyłączone z odcięcia
What two parameter sizes were offered for the initially released Llama 3 models announced on 2024-04-18?
Oczekiwana odpowiedź8B and 70B
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie została zachowana w przypadku tego zarchiwizowanego przebiegu.
Wyrok sędziego: CORRECTZgłoszone zaufanie: 100%
Notatka sędziego: Both initially released sizes match: 8B and 70B.
Zakres pytań i notatki z badań
Pytania merytoryczne: 16 · 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
Uruchom identyfikator
A57ZK57ERM62N3S1XETMXFKK0XReper
model-verification-single-request-v1.1Sędzia
gpt-5.6-solŻądany protokół
openai_chatWykryto schemat odpowiedzi
Legacy / not recordedZgodność protokołu
MECZ / dziedzictwoDane wyjściowe modelu
Not recordedTokeny wejściowe
Not recordedTokeny wyjściowe
Not recordedSkończ powód
Not recordedStan HTTP
200Opóźnienie zewnętrzne
28,645 msBajty odpowiedzi
1,859SHA-256
4c1f5cca4a79a53f28e7f6544bfe08208148d53c85569f50c4132e161da06613Ważne ograniczenie
The reference cutoff is the configured judge model's internal-knowledge snapshot for this run, not an independently verified 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.