Raport z weryfikacji publicznego modelu AI
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Starszy Wynik Jakości87/100
SUSPICIOUS76% pewność oceny
Raport stały
https://model-gate.com/pl/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Analiza 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.
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
✓ prawidłowe PRZYPOMNIENIE✕ błędne PRZYPOMNIENIE~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0prawidłowe PRZYPOMNIENIE
0błędne PRZYPOMNIENIE
Porównanie czasowe
LATER_THAN_REFERENCEPorównanie granic wiedzy
Odcięcie odniesienia2025-05ESTIMATED_WEB · 45%
Najnowsze obsługiwane RECALL—0 kwalifikujące się odpowiedzi PRZYWOŁAJ
Obserwowana granicaNiewystarczające dowody WYCOFANIAINSUFFICIENT_RECALL_EVIDENCE
Wyrównanie odcięciaLATER_THAN_REFERENCE28/100 · 55% pewność
Uwagi oceniającego
- 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.
Źródła odcięcia odniesienia
Semantyczny: poprawne 21 · niepoprawne 3 · nieznane 0. Wykluczone z odcięcia: 0.
Tożsamość behawioralna
SUSPICIOUS · 76%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
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Negatywne sygnały
- 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.
Uzasadnienie tożsamości sędziego
- 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.
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
Which Venezuelan opposition leader 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: 75%
Uwaga oceniającego: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNwyłączone z odcięcia
Which two countries signed a joint peace declaration at the White House?
Oczekiwana odpowiedźArmenia and AzerbaijanSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 62%
Uwaga oceniającego: Matches Armenia and Azerbaijan.
✓K03UNKNOWNwyłączone z odcięcia
What papal name did Cardinal Robert Francis Prevost take after his election?
Oczekiwana odpowiedźLeo XIVSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 85%
Uwaga oceniającego: Matches Pope Leo XIV.
✓K04UNKNOWNwyłączone z odcięcia
Which city hosted the first G20 Leaders' Summit held on the African continent?
Oczekiwana odpowiedźJohannesburgSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 80%
Uwaga oceniającego: Matches Johannesburg.
✓K05UNKNOWNwyłączone z odcięcia
Which film won Best Picture at the 97th Academy Awards?
Oczekiwana odpowiedźAnoraSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Anora.
✓K06UNKNOWNwyłączone z odcięcia
Which mission completed the first commercial spacewalk?
Oczekiwana odpowiedźPolaris DawnSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 88%
Uwaga oceniającego: Matches Polaris Dawn.
✓K07UNKNOWNwyłączone z odcięcia
Which team won the 2025 NBA championship?
Oczekiwana odpowiedźOklahoma City ThunderSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 45%
Uwaga oceniającego: Matches Oklahoma City Thunder.
✓K08UNKNOWNwyłączone z odcięcia
Which flagship model did OpenAI release in its API platform?
Oczekiwana odpowiedźGPT-5Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 80%
Uwaga oceniającego: Matches GPT-5.
✕K09UNKNOWNwyłączone z odcięcia
Which footballer won The Best FIFA Men's Player award for 2025?
Oczekiwana odpowiedźOusmane DembeleSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: WRONGZgłoszone zaufanie: 48%
Uwaga oceniającego: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNwyłączone z odcięcia
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Oczekiwana odpowiedźCDU/CSUSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches CDU/CSU.
✓K11UNKNOWNwyłączone z odcięcia
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Oczekiwana odpowiedźInternational Criminal CourtSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 100%
Uwaga oceniającego: Matches the International Criminal Court.
✓K12UNKNOWNwyłączone z odcięcia
Which commercial lunar lander successfully touched down in Mare Crisium?
Oczekiwana odpowiedźBlue GhostSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 88%
Uwaga oceniającego: Matches Blue Ghost.
✓K13UNKNOWNwyłączone z odcięcia
Which Blue Origin rocket reached orbit on its maiden launch?
Oczekiwana odpowiedźNew GlennSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches New Glenn.
✓K14UNKNOWNwyłączone z odcięcia
Which standard iPhone generation did Apple unveil at its September product event?
Oczekiwana odpowiedźiPhone 17Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches iPhone 17.
✓K15UNKNOWNwyłączone z odcięcia
Which pontiff died at the Vatican on Easter Monday?
Oczekiwana odpowiedźPope FrancisSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 98%
Uwaga oceniającego: Matches Pope Francis.
✓K16UNKNOWNwyłączone z odcięcia
Which party retained a parliamentary majority in Moldova's election?
Oczekiwana odpowiedźParty of Action and SolidaritySource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 72%
Uwaga oceniającego: Matches the Party of Action and Solidarity.
✓K17UNKNOWNwyłączone z odcięcia
What landmark global health accord did the World Health Assembly adopt?
Oczekiwana odpowiedźWHO Pandemic AgreementSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 75%
Uwaga oceniającego: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNwyłączone z odcięcia
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Oczekiwana odpowiedźOasisSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Oasis.
✓K19UNKNOWNwyłączone z odcięcia
Which album won Album of the Year at the 2025 Grammy Awards?
Oczekiwana odpowiedźCowboy CarterSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 90%
Uwaga oceniającego: Matches Cowboy Carter.
✓K20UNKNOWNwyłączone z odcięcia
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Oczekiwana odpowiedźNS-31Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 92%
Uwaga oceniającego: Matches NS-31.
✓K21UNKNOWNwyłączone z odcięcia
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Oczekiwana odpowiedźNotre-Dame de ParisSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 98%
Uwaga oceniającego: Matches Notre-Dame de Paris.
✓K22UNKNOWNwyłączone z odcięcia
Which new Nintendo console launched worldwide?
Oczekiwana odpowiedźNintendo Switch 2Source ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Nintendo Switch 2.
✓K23UNKNOWNwyłączone z odcięcia
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Oczekiwana odpowiedźNihon HidankyoSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: CORRECTZgłoszone zaufanie: 95%
Uwaga oceniającego: Matches Nihon Hidankyo.
✕K24UNKNOWNwyłączone z odcięcia
Which national team won UEFA Women's Euro 2025?
Oczekiwana odpowiedźEnglandSource ↗
Odpowiedź na testowany model—Dokładna odpowiedź modelu nie jest dostępna do publikacji.
Werdykt oceniającego: WRONGZgłoszone zaufanie: 65%
Uwaga oceniającego: Expected England, not Spain.
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
A8T2GNQWKPJS4M16YAF7M0PGP4Benchmark
model-verification-single-request-v1.3Model 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
222,372 msBajty odpowiedzi
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Ważne 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.