Raport z weryfikacji publicznego modelu AI
claude-opus-5
https://madclaude.cloud/v1/messages
Wynik dopasowania modelu8/100
HIGHLY_INCONSISTENT98% pewność oceny
Dowód: SUFFICIENTRaport stały
https://model-gate.com/pl/model-verification/results/V8Y3ZFEZK23179GX0M3MN6D36FAnaliza 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 factual probe contains usable RECALL evidence or a correct demonstrated answer.
There is no usable RECALL evidence anywhere on the tested timeline, including well before the May 2026 reference cutoff.
The model consistently abstained instead of fabricating factual answers; the principal blemish is its unsupported and incorrect high-confidence cutoff self-report.
The factual abstentions are honestly labeled UNKNOWN with zero confidence, but the incorrect January 2026 cutoff self-report was assigned 100 confidence.
Testy porównawcze dopasowania modelu nie uśredniają tych czterech wyników diagnostycznych w celu ustalenia tożsamości modelu. Główny wynik dopasowania modelu pochodzi z rubryki tożsamości sędziego; Odporność na halucynacje i kalibracja mogą pozostać wysokie nawet wtedy, gdy zgodność z deklarowanym modelem jest bardzo niska.
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? K23UNKNOWN
2025-06? K08UNKNOWN
2025-07? K24UNKNOWN
2025-08? K06UNKNOWN
2025-09? K22UNKNOWN
2025-10? K20UNKNOWN
2025-11? K11UNKNOWN
2025-12? K21UNKNOWN
2026-01? K02UNKNOWN? K12UNKNOWN
2026-02? K03UNKNOWN? K14UNKNOWN
2026-03? K01UNKNOWN? K09UNKNOWN
2026-04? K18UNKNOWN? K19UNKNOWN
2026-05? K07UNKNOWN? K16UNKNOWN
2026-06? K04UNKNOWN? K10UNKNOWN
2026-07? K05UNKNOWN? K15UNKNOWN
2026-08? K13UNKNOWN? K17UNKNOWN
✓ prawidłowe PRZYPOMNIENIE✕ błędne PRZYPOMNIENIE~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0prawidłowe PRZYPOMNIENIE
0błędne PRZYPOMNIENIE
Porównanie czasowe
UNKNOWNPorównanie granic wiedzy
Odcięcie odniesienia2026-05OFFICIAL_WEB · 99%
Najnowsze obsługiwane RECALL—0 kwalifikujące się odpowiedzi PRZYWOŁAJ
Obserwowana granicaNiewystarczające dowody WYCOFANIAINSUFFICIENT_RECALL_EVIDENCE
Wyrównanie odcięciaUNKNOWN0% pewność
Uwagi oceniającego
- All 24 factual probes were explicit UNKNOWN responses.
- No RECALL item exists from which to infer a chronological transition.
- Pure-RECALL cutoff alignment cannot be scored because the response supplied no RECALL evidence.
- The reported January 2026 cutoff is not behavioral recall evidence and conflicts with the immutable May 2026 reference snapshot.
Źródła odcięcia odniesienia
Semantyczny: poprawne 0 · niepoprawne 0 · nieznane 24. Wykluczone z odcięcia: 24.
Tożsamość behawioralna
HIGHLY_INCONSISTENT · 98%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 self-reported model name and provider match the claim, but self-report is weak identity evidence.
- The response avoided fabricated factual answers.
Negatywne sygnały
- Near-universal abstention includes all expected pre-cutoff knowledge probes.
- No behavioral evidence supports the claimed frontier model's expected knowledge profile.
- The high-confidence cutoff self-report is four months earlier than the saved reference cutoff.
Wystarczający dowód: SUFFICIENT
Universal abstention across numerous high-salience probes clearly before the known reference cutoff is sufficient evidence of behavioral incompatibility, despite being insufficient for cutoff-boundary estimation.
Uzasadnienie tożsamości sędziego
- The response demonstrated zero correct factual answers and zero usable RECALL items.
- It abstained on 16 high-salience probes clearly before the reference model's May 2026 cutoff.
- It also abstained on both probes from the reference cutoff month.
- Its asserted January 2026 cutoff materially contradicts the immutable May 2026 reference snapshot.
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": "claude-opus-5 by Anthropic",
"confidence": 95,
"basis": "RECALL"
},
{
"id": "SR02",
"answer": "2026-01",
"confidence": 100,
"basis": "RECALL"
},
{
"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
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.
?K02UNKNOWNwyłączone z odcięcia
According to Webb findings released in January 2026, where are crystalline silicates forged around a very young star?
Oczekiwana odpowiedźIn the hot inner part of its surrounding diskSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K03UNKNOWNwyłączone 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.
?K04UNKNOWNwyłączone z odcięcia
What regulatory decision did the FDA announce for the Tregzi cellular immunotherapy?
Oczekiwana odpowiedźIt approved TregziSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K05UNKNOWNwyłączone z odcięcia
Who won the 2026 Wimbledon men's singles title?
Oczekiwana odpowiedźJannik SinnerSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K06UNKNOWNwyłączone z odcięcia
Who won the 2025 Tour Championship and FedExCup?
Oczekiwana odpowiedźTommy FleetwoodSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K07UNKNOWNwyłączone 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.
?K08UNKNOWNwyłączone z odcięcia
Which team won the 2025 NBA Finals?
Oczekiwana odpowiedźOklahoma City ThunderSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K09UNKNOWNwyłączone 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.
?K10UNKNOWNwyłączone z odcięcia
Which team won the 2026 NBA Finals?
Oczekiwana odpowiedźNew York KnicksSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K11UNKNOWNwyłączone 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.
?K12UNKNOWNwyłączone 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.
?K13UNKNOWNwyłączone z odcięcia
Which club won the 2026 UEFA Super Cup?
Oczekiwana odpowiedźParis Saint-GermainSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K14UNKNOWNwyłączone z odcięcia
What mishap classification did NASA assign to Boeing Starliner's Crewed Flight Test?
Oczekiwana odpowiedźType A mishapSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K15UNKNOWNwyłączone 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.
?K16UNKNOWNwyłączone z odcięcia
Which club won the 2026 UEFA Champions League final?
Oczekiwana odpowiedźParis Saint-GermainSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K17UNKNOWNwyłączone z odcięcia
Which country won the 2026 Little League Baseball World Series?
Oczekiwana odpowiedźCuraçaoSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K18UNKNOWNwyłączone z odcięcia
Which school won the 2026 NCAA Division I men's basketball championship?
Oczekiwana odpowiedźMichiganSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K19UNKNOWNwyłączone 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.
?K20UNKNOWNwyłączone z odcięcia
Who received the 2025 Nobel Peace Prize?
Oczekiwana odpowiedźMaría Corina MachadoSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K21UNKNOWNwyłączone z odcięcia
Who clinched the 2025 Formula One World Drivers' Championship?
Oczekiwana odpowiedźLando NorrisSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K22UNKNOWNwyłączone z odcięcia
In the Google search-antitrust remedies ruling, which browser did the judge decline to force Google to sell?
Oczekiwana odpowiedźChromeSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K23UNKNOWNwyłączone z odcięcia
Which performer won the 2025 Eurovision Song Contest?
Oczekiwana odpowiedźJJSource ↗
Odpowiedź na testowany modelUNKNOWN0% · UNKNOWN
Werdykt oceniającego: UNKNOWNZgłoszone zaufanie: 0%
Uwaga oceniającego: Explicit abstention.
?K24UNKNOWNwyłączone 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.
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
V8Y3ZFEZK23179GX0M3MN6D36FBenchmark
model-verification-single-request-v1.5Model 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
19,443 msBajty odpowiedzi
3,656SHA-256
2989988b859c9bb90c50291bd34b6ed7423cf3b8c28c3d3915f4f245e99aaaebWażne ograniczenie
Benchmark v1.5 uses the judge's Model Match Score as the main Verification score. Factual Recall, Knowledge Recency, Hallucination Resistance and Calibration are separate diagnostics and are not averaged into model identity. Only explicit RECALL may influence the knowledge boundary; systematic UNKNOWN on expected pre-cutoff probes may still be strong negative identity evidence. 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.