← Публичный реестр проверокmodel-verification-single-request-v1.4
Публичный отчёт о проверке модели ИИ

claude-opus-4-6

https://api.model-gate.com/v1/chat/completions

openai_chatgpt-5.6-solSep 8, 2026 07:11 UTC
Оценка качества по прежней методике93/100
CONSISTENT82% уверенность в оценке
Отчёт с постоянной ссылкойhttps://model-gate.com/ru/model-verification/results/HTAMKTZHR951P7JVR0RJDS7TXJ
Telegram ↗X ↗
Знание фактов94
Актуальность знаний92
Устойчивость к галлюцинациям94
Калибровка уверенности93
Заявленная модельclaude-opus-4-6
Модель, определённая оценщикомClaude Opus 4.6Anthropic
Домен эндпоинтаapi.model-gate.com
Поле model во внешнем ответеclaude-opus-4-6
Анализ модели-оценщика

На чём основан результат этой проверки

Публичный отчет отражает аналитические данные, показанные тестировщику после /chat/verify. Судейские оценки представляют собой оценки по рубрикам; только явные правильные или неправильные ответы RECALL могут влиять на границу отсечения чистого воспоминания.

Диагностика поведения

Обоснование выставленных оценок

4 диагностических показателя
Знание фактов94/100

All 12 answers explicitly labeled RECALL are semantically correct, spanning September 2024 through June 2025; the evidence is substantial and contains no wrong RECALL.

Актуальность знаний92/100

Correct RECALL reaches the May 2025 reference region and includes one correct June 2025 item, with no stale or wrong RECALL near the cutoff.

Устойчивость к галлюцинациям94/100

The model abstained consistently on unsupported later events and honestly labeled its one guess; the incorrect Sunlenca brand qualifier is a minor unsupported detail.

Калибровка уверенности93/100

Correct recalled answers received moderate-to-high confidence, abstentions received zero confidence, and the correct guess was explicitly labeled and assigned only 55 confidence.

Примечание по историческому эталону: в этом архивированном общем рейтинге версии 1.4 использовалась прежняя фиксированная диагностическая агрегация. Он сохраняется для воспроизводимости и не должен интерпретироваться как показатель соответствия модели v1.5.

Данные о знаниях по времени

Временная шкала знаний по ответам без подсказок

12 Вопросы RECALL

Фактический набор вопросов был перетасован перед запросом тестируемой модели. Отсутствие мест для поколений не является воздержанием модели. График реконструирует целевые месяцы для проверки. Только явные ответы RECALL являются отсекающими доказательствами; ВЫВОД, УГАДАЙТЕ и НЕИЗВЕСТНО остаются видимыми, но не перемещают границу.

2024-09✓ K02RECALL
2024-10✓ K07RECALL
2024-11✓ K12RECALL
2024-12✓ K06RECALL
2025-01✓ K08RECALL
2025-02✓ K03RECALL✓ K15RECALL
2025-03✓ K05RECALL✓ K24RECALL
2025-04✓ K21RECALL≈ K23GUESS
2025-05✓ K01RECALL? K04UNKNOWN
2025-06✓ K13RECALL? K20UNKNOWN
2025-07? K18UNKNOWN? K22UNKNOWN
2025-08? K16UNKNOWN? K17UNKNOWN
2025-09? K10UNKNOWN? K14UNKNOWN
2025-10? K11UNKNOWN
2025-11? K19UNKNOWN
2025-12? K09UNKNOWN
✓ верных ответов RECALL✕ неверных ответов RECALL~ INFERENCE≈ GUESS? UNKNOWN
12RECALL
0INFERENCE
1GUESS
11UNKNOWN
12верных ответов RECALL
0неверных ответов RECALL
Сравнение по времени

Сравнение временных границ знаний

CONSISTENT
Эталонная граница знаний2025-05OFFICIAL_WEB · 100%
Самые поздние подтверждённые знания RECALL2025-0612 ответов RECALL, пригодных для оценки
Наблюдаемая граница знанийНедостаточно данных RECALLINSUFFICIENT_RECALL_EVIDENCE
Соответствие границы знанийCONSISTENT91/100 · 84% уверенность
Примечания модели-оценщика
  • Positive RECALL extends through June 2025.
  • Later responses are UNKNOWN rather than wrong RECALL, so they cannot establish a pure-recall transition.
  • There is no sustained negative RECALL evidence from which to place a boundary.
  • Correct RECALL reaches May 2025, matching the saved reference cutoff.
  • The isolated correct June 2025 RECALL is an allowed post-cutoff anomaly and is not evidence of substitution.
  • No systematic wrong or stale RECALL appears before the reference cutoff.

Оценка смысла: верно 13 · неверно 0 · неизвестно 11. Не учитывается при оценке границы знаний: 12.

Определение модели по поведению

Признаки соответствия модели

CONSISTENT · 82%

Идентичность выводится из соответствия между заявленной моделью и наблюдаемым профилем знаний/ответов. Это свидетельство, а не удаленная аттестация или криптографическое подтверждение весов обслуживания.

Признаки в пользу соответствия

  • Twelve correct RECALL answers and no wrong RECALL answers.
  • Correct near-cutoff recall for the May 2025 papal election.
  • Cautious abstention on most post-cutoff and late-control probes.
  • Correct provider and model-family self-identification.

Признаки против соответствия

  • The model could not identify the claimed exact variant in its self-report.
  • The reported cutoff of early 2025 is less precise and somewhat earlier than the May 2025 reference.
  • It abstained on the May 2025 Eurovision result despite recalling another event from that month.
  • The lenacapavir answer included the mismatched Sunlenca brand qualifier.
Обоснование определения модели
  • The pure-recall chronology is behaviorally consistent with a May 2025 knowledge cutoff.
  • Recall is accurate through the reference region, while the model mostly abstains on substantially later events.
  • Behavioral evidence supports consistency but cannot verify exact endpoint identity.
Ответ проверяемой модели

Дословный текст ответа модели

Опубликовано с согласия участника проверки

Это точный текст модели, извлеченный из успешного ответа внешнего API и отправленный судье. Заголовки HTTP, внешний ключ API и полный конверт ответа провайдера здесь не хранятся.

```json
{"answers":[{"id":"SR01","answer":"Claude, made by Anthropic. Specific version/variant: I am Claude (likely Claude 3.5 Sonnet or Claude 4/Opus variant), but I cannot confirm the exact version identifier with certainty.","confidence":60,"basis":"INFERENCE"},{"id":"SR02","answer":"Early 2025","confidence":50,"basis":"INFERENCE"},{"id":"K01","answer":"Robert Francis Prevost (taking the name Leo XIV)","confidence":90,"basis":"RECALL"},{"id":"K02","answer":"Shōgun","confidence":95,"basis":"RECALL"},{"id":"K03","answer":"CDU/CSU (Union)","confidence":97,"basis":"RECALL"},{"id":"K04","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K05","answer":"India","confidence":80,"basis":"RECALL"},{"id":"K06","answer":"Gukesh Dommaraju","confidence":97,"basis":"RECALL"},{"id":"K07","answer":"Nihon Hidankyo","confidence":95,"basis":"RECALL"},{"id":"K08","answer":"Jannik Sinner","confidence":97,"basis":"RECALL"},{"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":"Donald Trump","confidence":99,"basis":"RECALL"},{"id":"K13","answer":"Lenacapavir (Sunlenca)","confidence":72,"basis":"RECALL"},{"id":"K14","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K15","answer":"Philadelphia Eagles","confidence":90,"basis":"RECALL"},{"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":"Liberal Party of Canada","confidence":72,"basis":"RECALL"},{"id":"K22","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K23","answer":"Rory McIlroy","confidence":55,"basis":"GUESS"},{"id":"K24","answer":"Anora","confidence":85,"basis":"RECALL"}]}
```
Полный список заданий теста

Данные по каждому вопросу

Все принятые вопросы показаны с указанием ожидаемого ответа, доступного источника, основы проверенной модели, семантического вердикта и приемлемости для исключения. Неклассифицированные вопросы не являются образцовым воздержанием. Правильное ПРЕДПОЛОЖЕНИЕ или ВЫВОД остаются правильными семантически, но исключаются из доказательств, ограничивающих чистое припоминание.

✓K01RECALLданные о границе знаний

Which cardinal was elected pope by the May 2025 conclave?

Ожидаемый ответRobert Francis PrevostSource ↗
Ответ проверяемой моделиRobert Francis Prevost (taking the name Leo XIV)90% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 90%

Примечание модели-оценщика: Robert Francis Prevost and Leo XIV are accepted.

✓K02RECALLданные о границе знаний

Which series won Outstanding Drama Series at the 76th Emmy Awards?

Ожидаемый ответShogunSource ↗
Ответ проверяемой моделиShōgun95% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 95%

Примечание модели-оценщика: Shogun matches the answer key.

✓K03RECALLданные о границе знаний

Which political alliance received the most second votes in Germany's 2025 federal election?

Ожидаемый ответCDU/CSUSource ↗
Ответ проверяемой моделиCDU/CSU (Union)97% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 97%

Примечание модели-оценщика: CDU/CSU is accepted.

?K04UNKNOWNне учитывается при оценке границы знаний

Which performer won the 2025 Eurovision Song Contest?

Ожидаемый ответJJSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

✓K05RECALLданные о границе знаний

Which national team won the 2025 ICC Men's Champions Trophy?

Ожидаемый ответIndiaSource ↗
Ответ проверяемой моделиIndia80% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 80%

Примечание модели-оценщика: India matches the answer key.

✓K06RECALLданные о границе знаний

Who won the 2024 FIDE World Chess Championship?

Ожидаемый ответGukesh DommarajuSource ↗
Ответ проверяемой моделиGukesh Dommaraju97% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 97%

Примечание модели-оценщика: Gukesh Dommaraju matches the answer key.

✓K07RECALLданные о границе знаний

Which organization received the 2024 Nobel Peace Prize?

Ожидаемый ответNihon HidankyoSource ↗
Ответ проверяемой моделиNihon Hidankyo95% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 95%

Примечание модели-оценщика: Nihon Hidankyo matches the answer key.

✓K08RECALLданные о границе знаний

Who won the 2025 Australian Open men's singles title?

Ожидаемый ответJannik SinnerSource ↗
Ответ проверяемой моделиJannik Sinner97% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 97%

Примечание модели-оценщика: Jannik Sinner matches the answer key.

?K09UNKNOWNне учитывается при оценке границы знаний

Who won Chile's 2025 presidential runoff election?

Ожидаемый ответJose Antonio KastSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

?K10UNKNOWNне учитывается при оценке границы знаний

Who won the 2025 US Open women's singles title?

Ожидаемый ответAryna SabalenkaSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

?K11UNKNOWNне учитывается при оценке границы знаний

Who received the 2025 Nobel Peace Prize?

Ожидаемый ответMaria Corina MachadoSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

✓K12RECALLданные о границе знаний

Who won the 2024 United States presidential election?

Ожидаемый ответDonald TrumpSource ↗
Ответ проверяемой моделиDonald Trump99% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 99%

Примечание модели-оценщика: Donald Trump matches the answer key.

✓K13RECALLданные о границе знаний

Which twice-yearly HIV prevention drug received FDA approval in June 2025?

Ожидаемый ответYeztugoSource ↗
Ответ проверяемой моделиLenacapavir (Sunlenca)72% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 72%

Примечание модели-оценщика: Lenacapavir is accepted, though the parenthetical Sunlenca brand is not the prevention brand requested.

?K14UNKNOWNне учитывается при оценке границы знаний

Who won the 2025 US Open men's singles title?

Ожидаемый ответCarlos AlcarazSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

✓K15RECALLданные о границе знаний

Which team won Super Bowl LIX?

Ожидаемый ответPhiladelphia EaglesSource ↗
Ответ проверяемой моделиPhiladelphia Eagles90% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 90%

Примечание модели-оценщика: Philadelphia Eagles matches the answer key.

?K16UNKNOWNне учитывается при оценке границы знаний

Who won the 2025 Tour Championship and FedExCup?

Ожидаемый ответTommy FleetwoodSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

?K17UNKNOWNне учитывается при оценке границы знаний

Which region's team won the 2025 Little League Baseball World Series?

Ожидаемый ответAsia-PacificSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

?K18UNKNOWNне учитывается при оценке границы знаний

Which astronomical survey first reported the comet later confirmed as the third known interstellar object?

Ожидаемый ответATLASSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

?K19UNKNOWNне учитывается при оценке границы знаний

Who won New York City's 2025 mayoral election?

Ожидаемый ответZohran MamdaniSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

?K20UNKNOWNне учитывается при оценке границы знаний

Which team won the 2025 NBA Finals?

Ожидаемый ответOklahoma City ThunderSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

✓K21RECALLданные о границе знаний

Which party won the most House of Commons seats in Canada's 2025 federal election?

Ожидаемый ответLiberal Party of CanadaSource ↗
Ответ проверяемой моделиLiberal Party of Canada72% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 72%

Примечание модели-оценщика: Liberal Party of Canada matches the answer key.

?K22UNKNOWNне учитывается при оценке границы знаний

Who won the 2025 Wimbledon gentlemen's singles title?

Ожидаемый ответJannik SinnerSource ↗
Ответ проверяемой моделиUNKNOWN0% · UNKNOWN
Заключение модели-оценщика: UNKNOWNЗаявленная уверенность: 0%

Примечание модели-оценщика: Explicit abstention.

✓K23GUESSне учитывается при оценке границы знаний

Who won the 2025 Masters Tournament?

Ожидаемый ответRory McIlroySource ↗
Ответ проверяемой моделиRory McIlroy55% · GUESS
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 55%

Примечание модели-оценщика: Rory McIlroy is correct, but the model explicitly labeled it a guess.

✓K24RECALLданные о границе знаний

Which film won Best Picture at the 97th Academy Awards?

Ожидаемый ответAnoraSource ↗
Ответ проверяемой моделиAnora85% · RECALL
Заключение модели-оценщика: CORRECTЗаявленная уверенность: 85%

Примечание модели-оценщика: Anora matches the answer key.

Охват вопросов и примечания к исследованию

Вопросы на знание фактов: 24 · Не оценено моделью-оценщиком: 0

Эталонную границу знаний и ссылки на источники предоставляет модель-оценщик; платформа не подтверждает их независимо. Примечания к исследованию не снижают оценку проверяемой модели.

Метаданные запуска

Сведения для воспроизведения проверки

Идентификатор запускаHTAMKTZHR951P7JVR0RJDS7TXJ
Набор тестовmodel-verification-single-request-v1.4
Модель-оценщикgpt-5.6-sol
Запрошенный протоколopenai_chat
Обнаруженная схема ответаLegacy / not recorded
Совместимость протоколовСООТВЕТСТВИЕ / прежняя методика
Ответ моделиNot recorded
Входные токеныNot recorded
Выходные токеныNot recorded
Причина завершенияNot recorded
Статус HTTP200
Задержка внешнего запроса12,772 ms
Размер ответа, байт2,665
SHA-2566d36e6fd6f6091dd50b513a22a18a9867f152d4fb9361a5fee6b99adb40502f5
Важное ограничение

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.

Провести независимую проверку

Проверьте этот эндпоинт самостоятельно или изучите другие публичные отчёты, прежде чем доверять заявленному названию модели.