Raport z weryfikacji publicznego modelu AI
claude-opus-5
https://madclaude.cloud/v1/messages
Starszy Wynik Jakości38/100
SUSPICIOUS65% pewność oceny
Raport stały
https://model-gate.com/pl/model-verification/results/MBAJ09XSXC0CSHVAV73EJTBTRQAnaliza 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
No item contains usable RECALL evidence, so the response demonstrates no factual recall.
There is no usable recent RECALL evidence at any point in the tested timeline.
The response consistently abstains and makes no unsupported factual assertions.
Every abstention is labeled UNKNOWN with zero confidence, accurately representing the absence of an answer.
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.
2025-05? K21UNKNOWN
2025-06? K20UNKNOWN
2025-07? K09UNKNOWN
2025-08? K10UNKNOWN
2025-09? K06UNKNOWN
2025-10? K15UNKNOWN
2025-11? K14UNKNOWN
2025-12? K07UNKNOWN
2026-01? K08UNKNOWN? K17UNKNOWN
2026-02? K12UNKNOWN? K13UNKNOWN
2026-03? K11UNKNOWN? K19UNKNOWN
2026-04? K02UNKNOWN? K03UNKNOWN
2026-05? K22UNKNOWN? K24UNKNOWN
2026-06? K01UNKNOWN? K23UNKNOWN
2026-07? K16UNKNOWN? K18UNKNOWN
2026-08? K04UNKNOWN? K05UNKNOWN
✓ prawidłowe PRZYPOMNIENIE✕ błędne PRZYPOMNIENIE~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0prawidłowe PRZYPOMNIENIE
0błędne PRZYPOMNIENIE
Porównanie czasowe
UNKNOWNPorównanie granic wiedzy
Odcięcie odniesienia2026-05OFFICIAL_WEB · 100%
Najnowsze obsługiwane RECALL—0 kwalifikujące się odpowiedzi PRZYWOŁAJ
Obserwowana granicaNiewystarczające dowody WYCOFANIAINSUFFICIENT_RECALL_EVIDENCE
Wyrównanie odcięciaUNKNOWN0% pewność
Uwagi oceniającego
- No answer was reported with a RECALL basis.
- No positive or negative recall sequence exists from which to infer a transition.
- The May 2026 reference cutoff is known, but the tested response supplies no pure-RECALL behavioral evidence for comparison.
- A cutoff boundary cannot be manufactured from explicit abstentions.
Źródła odcięcia odniesienia
Semantyczny: poprawne 0 · niepoprawne 0 · nieznane 24. Wykluczone z odcięcia: 24.
Tożsamość behawioralna
SUSPICIOUS · 65%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
- The response is internally consistent and avoids fabrication.
- All required answer IDs are present and recoverable.
Negatywne sygnały
- No factual answer or RECALL evidence was supplied for any of the 24 probes.
- The endpoint's claimed model and API identifier are untrusted self-report and receive no behavioral corroboration.
- The complete lack of demonstrated pre-cutoff knowledge is atypical of the claimed reference snapshot.
Uzasadnienie tożsamości sędziego
- The response provides no behavioral evidence supporting the claimed model identity.
- Universal abstention includes numerous high-salience probes dated before the saved May 2026 reference cutoff.
- Because there are no incorrect recall claims, the evidence supports suspicion rather than a highly inconsistent determination.
Reakcja testowanego modelu
Dosłownie wyodrębniony tekst modelu
Opublikowano przez zgodę testera
To jest dokładny tekst modelu pobrany z pomyślnej odpowiedzi zewnętrznego interfejsu API i dostarczony sędziemu. Nagłówki HTTP, zewnętrzny klucz API i pełna koperta odpowiedzi dostawcy nie są tutaj przechowywane.
```json
{
"answers": [
{
"id": "SR01",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "SR02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K01",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K03",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K04",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K05",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K06",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K07",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K08",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K09",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K10",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K11",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K12",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K13",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K14",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K15",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K16",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K17",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K18",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K19",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K20",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K21",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K22",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K23",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K24",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
}
]
}
```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 Colombia's 2026 presidential runoff election?
Oczekiwana odpowiedźAbelardo de la EspriellaSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K02UNKNOWNwyłączone z odcięcia
Who won the 2026 Masters Tournament?
Oczekiwana odpowiedźRory McIlroySource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K03UNKNOWNwyłączone z odcięcia
Which party won Hungary's 2026 parliamentary election?
Oczekiwana odpowiedźTisza PartySource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K04UNKNOWNwyłączone z odcięcia
Which instability did the Inouye Solar Telescope provide the first experimental confirmation of in the Sun's photosphere?
Oczekiwana odpowiedźKelvin-Helmholtz instabilitySource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K05UNKNOWNwyłączone z odcięcia
Who was declared the winner of Zambia's 2026 presidential election?
Oczekiwana odpowiedźHakainde HichilemaSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K06UNKNOWNwyłączone z odcięcia
Which series won Outstanding Drama Series at the 77th Emmy Awards?
Oczekiwana odpowiedźThe PittSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K07UNKNOWNwyłączone z odcięcia
Who clinched the 2025 Formula One World Drivers' Championship at the Abu Dhabi Grand Prix?
Oczekiwana odpowiedźLando NorrisSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K08UNKNOWNwyłączone z odcięcia
Which film won Best Motion Picture — Drama at the 2026 Golden Globes?
Oczekiwana odpowiedźHamnetSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K09UNKNOWNwyłączone z odcięcia
Who won the 2025 Wimbledon gentlemen's singles title?
Oczekiwana odpowiedźJannik SinnerSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K10UNKNOWNwyłączone z odcięcia
Which club won the 2025 UEFA Super Cup?
Oczekiwana odpowiedźParis Saint-GermainSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K11UNKNOWNwyłączone z odcięcia
Which country won the 2026 World Baseball Classic?
Oczekiwana odpowiedźVenezuelaSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K12UNKNOWNwyłączone z odcięcia
Which team won Super Bowl LX?
Oczekiwana odpowiedźSeattle SeahawksSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K13UNKNOWNwyłączone z odcięcia
Which artist won Album of the Year at the 2026 Grammy Awards?
Oczekiwana odpowiedźBad BunnySource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K14UNKNOWNwyłączone z odcięcia
Who won New York City's 2025 mayoral election?
Oczekiwana odpowiedźZohran MamdaniSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K15UNKNOWNwyłączone z odcięcia
Who received the 2025 Nobel Peace Prize?
Oczekiwana odpowiedźMaria Corina MachadoSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K16UNKNOWNwyłączone z odcięcia
Who won the 2026 Wimbledon ladies' singles title?
Oczekiwana odpowiedźLinda NoskovaSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K17UNKNOWNwyłączone z odcięcia
Who won the 2026 Australian Open women's singles title?
Oczekiwana odpowiedźElena RybakinaSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K18UNKNOWNwyłączone z odcięcia
Which country won the 2026 FIFA World Cup?
Oczekiwana odpowiedźSpainSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K19UNKNOWNwyłączone z odcięcia
Which film won Best Picture at the 98th Academy Awards?
Oczekiwana odpowiedźOne Battle After AnotherSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K20UNKNOWNwyłączone z odcięcia
Which team won the 2025 NBA championship?
Oczekiwana odpowiedźOklahoma City ThunderSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K21UNKNOWNwyłączone z odcięcia
Which cardinal was elected pope and took the name Leo XIV in the May 2025 conclave?
Oczekiwana odpowiedźRobert Francis PrevostSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K22UNKNOWNwyłączone z odcięcia
Which film won the Palme d'Or at the 2026 Cannes Film Festival?
Oczekiwana odpowiedźFjordSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K23UNKNOWNwyłączone z odcięcia
Which team won the 2026 NBA championship?
Oczekiwana odpowiedźNew York KnicksSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K24UNKNOWNwyłączone z odcięcia
Which performer won the 2026 Eurovision Song Contest?
Oczekiwana odpowiedźDARASource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
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
MBAJ09XSXC0CSHVAV73EJTBTRQBenchmark
model-verification-single-request-v1.4Model oceniający
gpt-5.6-solŻądany protokół
openai_chatWykryto schemat odpowiedzi
anthropic_messagesZgodność protokołu
NIEDOPASOWANIE · odzyskaneWyjście modelu
Not recordedTokeny wejściowe
Not recordedTokeny wyjściowe
Not recordedPowód zakończenia
Not recordedStan HTTP
200Opóźnienie zewnętrzne
15,654 msBajty odpowiedzi
3,702SHA-256
d783ad1531895d72131fa6c7040adf91ec505a5a1cf65146e95e2eb001047f04Ważne ograniczenie
Benchmark v1.4 uses judge-rubric scores for factual recall, knowledge recency, hallucination resistance and calibration. The overall score is their fixed 37.5/25/25/12.5 weighted aggregation. Only explicitly reported RECALL may influence the knowledge boundary; INFERENCE, GUESS and UNKNOWN are shown but excluded. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of model identity.
Przeprowadź niezależną weryfikację
Zanim zaczniesz polegać na reklamowanej tożsamości modelu, przetestuj sam ten sam punkt końcowy lub przejrzyj inne publiczne raporty.