Relatório de verificação de modelo de IA pública
claude-opus-4-6
https://api.model-gate.com/v1/chat/completions
Índice de qualidade legado60/100
CONSISTENT88% confiança na avaliação
Relatório permanente
https://model-gate.com/pt/model-verification/results/68TGGQW6SM9411Y4XDAPH3BR3HAnálise do juiz
Por que esta verificação recebeu seu resultado
O relatório público reflete a evidência analítica mostrada ao testador após /chat/verify. As pontuações dos juízes são avaliações de rubricas; apenas respostas RECALL corretas ou erradas explícitas podem influenciar o limite de corte de recordação pura.
Diagnóstico de comportamento
4 diagnósticosJustificativa de pontuação do juiz
Nenhuma justificativa separada do juiz foi mantida para este resultado arquivado.
Nenhuma justificativa separada do juiz foi mantida para este resultado arquivado.
Nenhuma justificativa separada do juiz foi mantida para este resultado arquivado.
Nenhuma justificativa separada do juiz foi mantida para este resultado arquivado.
Nota de referência histórica: esta pontuação geral arquivada da versão 1.4 usou a antiga agregação de diagnóstico fixa. Ela é mantida para fins de reprodutibilidade e não deve ser interpretada como uma pontuação de Model Match v1.5.
Evidência temporal
0 Sondas RECALLLinha do tempo de recall puro
O conjunto de perguntas real foi embaralhado antes da solicitação do modelo testado. Os slots de geração ausentes não são abstenções modelo. A linha do tempo reconstrói os meses-alvo para auditabilidade. Somente respostas RECALL explícitas são evidências de corte; INFERENCE, GUESS e UNKNOWN permanecem visíveis, mas não movem o limite.
2024-09? K20UNKNOWN
2024-10? K14UNKNOWN
2024-11? K13UNKNOWN
2024-12? K22UNKNOWN
2025-01? K02UNKNOWN
2025-02? K10UNKNOWN? K18UNKNOWN
2025-03? K01UNKNOWN? K17UNKNOWN
2025-04? K03UNKNOWN? K16UNKNOWN
2025-05? K07UNKNOWN? K11UNKNOWN
2025-06? K09UNKNOWN? K21UNKNOWN
2025-07? K15UNKNOWN? K19UNKNOWN
2025-08? K06UNKNOWN? K24UNKNOWN
2025-09? K04UNKNOWN? K12UNKNOWN
2025-10? K05UNKNOWN
2025-11? K08UNKNOWN
2025-12? K23UNKNOWN
✓ RECALL correto✕ RECALL errado~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0RECALL correto
0RECALL errado
Comparação temporal
CONSISTENTComparação de limite de conhecimento
Corte de referência2025-05OFFICIAL_WEB · 100%
RECALL suportado mais recente—0 respostas RECALL elegíveis
Limite observadoEvidência de RECALL insuficienteINSUFFICIENT_RECALL_EVIDENCE
Alinhamento de corteCONSISTENT88/100 · 87% confiança
Notas do juiz
- Recall is broadly strong from September 2024 through April 2025, with only one isolated February abstention.
- May is mixed across its dense probes, while June and July retain partial or strong knowledge before a sustained failure cluster in August and September.
- The observed transition range overlaps and immediately follows the official May 2025 reference cutoff.
- Correct later-control answers in October and November are isolated; the COP30 host was also knowable well before the event, so these do not establish a later sustained boundary.
Fontes de corte de referência
Semântica: correto 16 · errado 2 · desconhecido 6. Excluído do corte: 0.
Identidade comportamental
CONSISTENT · 88%Sinais de identidade
A identidade é inferida a partir da consistência entre o modelo reivindicado e o perfil de conhecimento/resposta observado. É uma evidência, não um atestado remoto ou prova criptográfica dos pesos da porção.
Sinais positivos
- Correct on nearly all probes from September 2024 through April 2025.
- Mixed near-boundary performance in May.
- Sustained weak performance across both August and September dense evidence.
- Self-identifies as an Anthropic Claude model.
Sinais negativos
- Missed the February 2025 Album of the Year despite otherwise strong pre-cutoff recall.
- Answered several June and July events correctly after the nominal cutoff.
- Correctly guessed the October 2025 Nobel Peace Prize recipient.
- Did not identify its exact version and supplied no cutoff self-report.
Justificativa de identidade do juiz
- The behavioral boundary broadly aligns with the immutable May 2025 reference cutoff.
- Strong-recall performance is consistently high across most months before the reference cutoff.
- The August-September failure cluster supplies a meaningful temporal transition rather than relying on one obscure missed fact.
- Limited post-cutoff knowledge is not treated as proof of substitution and is compatible with inference, advance-publicized facts, or selective updates.
- The self-report supports the provider family but does not independently establish the exact model variant.
Resposta do modelo testado
Texto do modelo extraído literalmente
Resumo arquivado
Essa execução é anterior à retenção de relatório completo opcional. O desafio, a resposta e a avaliação normalizada do juiz estão disponíveis, mas o texto exato da resposta do modelo testado foi intencionalmente descartado pela política de privacidade da era do benchmark.
Listagem completa de benchmarks
Evidência pergunta por pergunta
Todas as questões admitidas são mostradas com a resposta esperada, fonte disponível, base do modelo testado, veredicto semântico e elegibilidade de corte. Perguntas não avaliadas não são abstenções modelo. Uma GUESS ou INFERENCE correta permanece semanticamente correta, mas é excluída da evidência de corte de recordação pura.
✓K01UNKNOWNexcluído do corte
What was the name of Firefly Aerospace's lunar lander that successfully touched down on the Moon?
Resposta esperadaBlue GhostSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 85%
Nota do juiz: Matches Blue Ghost.
✓K02UNKNOWNexcluído do corte
What was the name of Blue Origin's rocket that reached orbit on its maiden flight?
Resposta esperadaNew GlennSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 90%
Nota do juiz: Matches New Glenn.
✓K03UNKNOWNexcluído do corte
What was the designation of the Blue Origin mission that carried an all-women crew including Katy Perry and Gayle King?
Resposta esperadaNS-31Source ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 45%
Nota do juiz: Matches NS-31.
?K04UNKNOWNexcluído do corte
Who won the men's 100 metres at the 2025 World Athletics Championships in Tokyo?
Resposta esperadaOblique SevilleSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: UNKNOWNConfiança relatada: 0%
Nota do juiz: Explicit abstention.
✓K05UNKNOWNexcluído do corte
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Resposta esperadaMaria Corina MachadoSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 60%
Nota do juiz: Matches Maria Corina Machado.
?K06UNKNOWNexcluído do corte
At which Alaska military installation did Donald Trump meet Vladimir Putin for their 2025 summit?
Resposta esperadaJoint Base Elmendorf-RichardsonSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: UNKNOWNConfiança relatada: 0%
Nota do juiz: Explicit abstention.
✓K07UNKNOWNexcluído do corte
What landmark global health instrument did the World Health Assembly adopt?
Resposta esperadaWHO Pandemic AgreementSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 55%
Nota do juiz: Explicitly includes WHO Pandemic Agreement.
✓K08UNKNOWNexcluído do corte
Which Brazilian city hosted the COP30 climate conference?
Resposta esperadaBelemSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 90%
Nota do juiz: Matches Belem.
✓K09UNKNOWNexcluído do corte
Which new Nintendo console launched alongside Mario Kart World?
Resposta esperadaNintendo Switch 2Source ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 85%
Nota do juiz: Matches Nintendo Switch 2.
?K10UNKNOWNexcluído do corte
Which album won Album of the Year at the 67th Grammy Awards?
Resposta esperadaCowboy CarterSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: UNKNOWNConfiança relatada: 0%
Nota do juiz: Explicit abstention.
?K11UNKNOWNexcluído do corte
Which performer won the 2025 Eurovision Song Contest for Austria with Wasted Love?
Resposta esperadaJJSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: UNKNOWNConfiança relatada: 0%
Nota do juiz: Explicit abstention.
✕K12UNKNOWNexcluído do corte
Which numbered iPhone generation did Apple debut at its September product event?
Resposta esperadaiPhone 17Source ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: WRONGConfiança relatada: 75%
Nota do juiz: Answered iPhone 16; expected iPhone 17.
✓K13UNKNOWNexcluído do corte
Which city hosted the COP29 climate conference that concluded with a new climate-finance agreement?
Resposta esperadaBakuSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 92%
Nota do juiz: Matches Baku.
✓K14UNKNOWNexcluído do corte
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Resposta esperadaNihon HidankyoSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 95%
Nota do juiz: Matches Nihon Hidankyo.
?K15UNKNOWNexcluído do corte
Which national team defeated Spain on penalties to win UEFA Women's Euro 2025?
Resposta esperadaEnglandSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: UNKNOWNConfiança relatada: 0%
Nota do juiz: Explicit abstention.
✓K16UNKNOWNexcluído do corte
Which pope died at the Vatican on Easter Monday 2025?
Resposta esperadaPope FrancisSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 85%
Nota do juiz: Matches Pope Francis.
✓K17UNKNOWNexcluído do corte
Which film won Best Picture at the 97th Academy Awards?
Resposta esperadaAnoraSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 65%
Nota do juiz: Matches Anora.
✓K18UNKNOWNexcluído do corte
Which political alliance became the largest group in Germany's 2025 Bundestag election?
Resposta esperadaCDU/CSUSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 85%
Nota do juiz: Matches CDU/CSU.
✓K19UNKNOWNexcluído do corte
Which network of Indian forts became the country's 44th UNESCO World Heritage property?
Resposta esperadaMaratha Military Landscapes of IndiaSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 50%
Nota do juiz: Matches Maratha Military Landscapes of India.
✓K20UNKNOWNexcluído do corte
Which mission conducted the first commercial spacewalk?
Resposta esperadaPolaris DawnSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 92%
Nota do juiz: Matches Polaris Dawn.
✓K21UNKNOWNexcluído do corte
Which private astronaut mission launched Peggy Whitson and Shubhanshu Shukla to the International Space Station?
Resposta esperadaAxiom Mission 4Source ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 70%
Nota do juiz: Matches Axiom Mission 4.
✓K22UNKNOWNexcluído do corte
Which Paris cathedral formally reopened five years after a devastating fire?
Resposta esperadaNotre-Dame de ParisSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: CORRECTConfiança relatada: 97%
Nota do juiz: Matches Notre-Dame de Paris.
?K23UNKNOWNexcluído do corte
Who won Chile's 2025 presidential runoff election?
Resposta esperadaJose Antonio KastSource ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: UNKNOWNConfiança relatada: 0%
Nota do juiz: Explicit abstention.
✕K24UNKNOWNexcluído do corte
What new flagship AI system did OpenAI introduce?
Resposta esperadaGPT-5Source ↗
Resposta do modelo testado—A resposta exata do modelo não foi retida para esta execução arquivada.
Veredicto do juiz: WRONGConfiança relatada: 40%
Nota do juiz: Answered GPT-4o; expected GPT-5.
Cobertura de perguntas e notas de pesquisa
Perguntas factuais: 24 · Não avaliado pelo juiz: 0
O corte de referência e as citações são fornecidos pelo juiz, não confirmados de forma independente pela plataforma. As notas de pesquisa não penalizam o modelo testado.
Executar metadados
Detalhes de reprodutibilidade
ID de execução
68TGGQW6SM9411Y4XDAPH3BR3HReferência
model-verification-single-request-v1.3Juiz
gpt-5.6-solProtocolo solicitado
openai_chatEsquema de resposta detectado
Legacy / not recordedCompatibilidade de protocolo
PARTIDA / legadoSaída do modelo
Not recordedTokens de entrada
Not recordedTokens de saída
Not recordedFinalizar motivo
Not recordedEstado HTTP
200Latência externa
10,087 msBytes de resposta
2,591SHA-256
37edfee0969ea8c1529cf6db6830118353b483a27995cedcf20b25e5b40b8ff1Limitação importante
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.
Execute uma verificação independente
Teste você mesmo o mesmo endpoint ou navegue em outros relatórios públicos antes de confiar em uma identidade de modelo anunciada.