Verejná správa o overení modelu AI
claude-opus-5
https://madclaude.cloud/v1/messages
Skóre modelového zápasu8/100
HIGHLY_INCONSISTENT98% dôvera v hodnotenie
Dôkazy: SUFFICIENTStála správa
https://model-gate.com/sk/model-verification/results/V8Y3ZFEZK23179GX0M3MN6D36FAnalýza hodnotiteľa
Prečo toto overenie dostalo svoj výsledok
Verejná správa odzrkadľuje analytické dôkazy zobrazené testerovi po /chat/verify. Skóre sudcov sú hodnotenia rubriky; iba explicitné správne alebo nesprávne odpovede RECALL môžu ovplyvniť hranicu čistého stiahnutia.
Diagnostika správania
4 diagnostikaZdôvodnenie bodovania rozhodcu
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.
Benchmarky modelovej zhody nespriemerujú tieto štyri diagnostické skóre do identity modelu. Titulné skóre zo zhody modelov pochádza z rubriky identity sudcu; Odolnosť voči halucináciám a kalibrácia môžu zostať vysoké, aj keď je zhoda nárokovaného modelu veľmi nízka.
Časový dôkaz
0 RECALL sondyČistá časová os
Skutočný súbor otázok bol zamiešaný pred požiadavkou testovaného modelu. Chýbajúce generačné sloty nie sú modelovým zdržaním sa hlasovania. Časová os rekonštruuje ich cieľové mesiace pre auditovateľnosť. Iba explicitné odpovede RECALL sú hraničným dôkazom; INFERENCE, GUESS a UNKNOWN zostávajú viditeľné, ale neposúvajú hranicu.
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
✓ správne RECALL✕ nesprávne RECALL~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0správne RECALL
0nesprávne RECALL
Časové porovnanie
UNKNOWNPorovnanie hranice vedomostí
Referenčná hranica2026-05OFFICIAL_WEB · 99%
Najnovšie podporované RECALL—0 oprávnené odpovede RECALL
Pozorovaná hranicaNedostatočné dôkazy RECALLINSUFFICIENT_RECALL_EVIDENCE
Cutoff zarovnanieUNKNOWN0% istota
Poznámky hodnotiteľa
- 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.
Referenčné medzné zdroje
Sémantický: správne 0 · nesprávne 0 · neznáme 24. Vylúčené z prerušenia: 24.
Behaviorálna identita
HIGHLY_INCONSISTENT · 98%Signály identity
Identita sa odvodzuje z konzistentnosti medzi nárokovaným modelom a pozorovaným profilom vedomostí/odpovedí. Je to dôkaz, nie diaľkové potvrdenie alebo kryptografický dôkaz o hmotnosti podávania.
Pozitívne signály
- The self-reported model name and provider match the claim, but self-report is weak identity evidence.
- The response avoided fabricated factual answers.
Negatívne signály
- 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.
Dostatočnosť dôkazov: 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.
Zdôvodnenie identity sudcu
- 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.
Odozva testovaného modelu
Doslovne extrahovaný text modelu
Zverejnené prihlásením testera
Toto je presný text modelu extrahovaný z úspešnej externej odpovede API a dodaný sudcovi. Hlavičky HTTP, externý kľúč API a kompletná obálka odpovede poskytovateľa tu nie sú uložené.
```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"
}
]
}
```Kompletný zoznam benchmarkov
Dôkazy otázka po otázke
Všetky prijaté otázky sú zobrazené s očakávanou odpoveďou, dostupným zdrojom, základom testovaného modelu, sémantickým verdiktom a oprávnenosťou na obmedzenie. Nehodnotené otázky nie sú modelovým zdržaním sa hlasovania. Správny GUESS alebo INFERENCE zostáva sémanticky správny, ale je vylúčený z čistého dôkazu o medznej hodnote stiahnutia.
?K01UNKNOWNvylúčené z prerušenia
Which film won Best Picture at the 98th Academy Awards?
Očakávaná odpoveďOne Battle After AnotherSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K02UNKNOWNvylúčené z prerušenia
According to Webb findings released in January 2026, where are crystalline silicates forged around a very young star?
Očakávaná odpoveďIn the hot inner part of its surrounding diskSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K03UNKNOWNvylúčené z prerušenia
Which team won Super Bowl LX?
Očakávaná odpoveďSeattle SeahawksSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K04UNKNOWNvylúčené z prerušenia
What regulatory decision did the FDA announce for the Tregzi cellular immunotherapy?
Očakávaná odpoveďIt approved TregziSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K05UNKNOWNvylúčené z prerušenia
Who won the 2026 Wimbledon men's singles title?
Očakávaná odpoveďJannik SinnerSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K06UNKNOWNvylúčené z prerušenia
Who won the 2025 Tour Championship and FedExCup?
Očakávaná odpoveďTommy FleetwoodSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K07UNKNOWNvylúčené z prerušenia
Which performer won the 2026 Eurovision Song Contest?
Očakávaná odpoveďDARASource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K08UNKNOWNvylúčené z prerušenia
Which team won the 2025 NBA Finals?
Očakávaná odpoveďOklahoma City ThunderSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K09UNKNOWNvylúčené z prerušenia
Which country won the 2026 World Baseball Classic?
Očakávaná odpoveďVenezuelaSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K10UNKNOWNvylúčené z prerušenia
Which team won the 2026 NBA Finals?
Očakávaná odpoveďNew York KnicksSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K11UNKNOWNvylúčené z prerušenia
Who won New York City's 2025 mayoral election?
Očakávaná odpoveďZohran MamdaniSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K12UNKNOWNvylúčené z prerušenia
Who won the 2026 Australian Open women's singles title?
Očakávaná odpoveďElena RybakinaSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K13UNKNOWNvylúčené z prerušenia
Which club won the 2026 UEFA Super Cup?
Očakávaná odpoveďParis Saint-GermainSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K14UNKNOWNvylúčené z prerušenia
What mishap classification did NASA assign to Boeing Starliner's Crewed Flight Test?
Očakávaná odpoveďType A mishapSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K15UNKNOWNvylúčené z prerušenia
Which country won the 2026 FIFA World Cup?
Očakávaná odpoveďSpainSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K16UNKNOWNvylúčené z prerušenia
Which club won the 2026 UEFA Champions League final?
Očakávaná odpoveďParis Saint-GermainSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K17UNKNOWNvylúčené z prerušenia
Which country won the 2026 Little League Baseball World Series?
Očakávaná odpoveďCuraçaoSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K18UNKNOWNvylúčené z prerušenia
Which school won the 2026 NCAA Division I men's basketball championship?
Očakávaná odpoveďMichiganSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K19UNKNOWNvylúčené z prerušenia
Who won the 2026 Masters Tournament?
Očakávaná odpoveďRory McIlroySource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K20UNKNOWNvylúčené z prerušenia
Who received the 2025 Nobel Peace Prize?
Očakávaná odpoveďMaría Corina MachadoSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K21UNKNOWNvylúčené z prerušenia
Who clinched the 2025 Formula One World Drivers' Championship?
Očakávaná odpoveďLando NorrisSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K22UNKNOWNvylúčené z prerušenia
In the Google search-antitrust remedies ruling, which browser did the judge decline to force Google to sell?
Očakávaná odpoveďChromeSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K23UNKNOWNvylúčené z prerušenia
Which performer won the 2025 Eurovision Song Contest?
Očakávaná odpoveďJJSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
?K24UNKNOWNvylúčené z prerušenia
Who won the 2025 Wimbledon gentlemen's singles title?
Očakávaná odpoveďJannik SinnerSource ↗
Odpoveď testovaného modeluUNKNOWN0% · UNKNOWN
Verdikt hodnotiteľa: UNKNOWNHlásená dôvera: 0%
Poznámka hodnotiteľa: Explicit abstention.
Pokrytie otázok a výskumné poznámky
Faktické otázky: 24 · Nehodnotené sudcom: 0
Referenčný limit a citácie poskytuje sudca, platforma ich nezávisle nepotvrdzuje. Výskumné poznámky nepenalizujú testovaný model.
Spustite metadáta
Podrobnosti o reprodukovateľnosti
ID spustenia
V8Y3ZFEZK23179GX0M3MN6D36FBenchmark
model-verification-single-request-v1.5Hodnotiaci model
gpt-5.6-solPožadovaný protokol
openai_chatSchéma zistenej odozvy
anthropic_messagesKompatibilita protokolov
MISMATCH · obnovenýVýstup modelu
Not recordedVstupné tokeny
Not recordedVýstupné tokeny
Not recordedDôvod ukončenia
Not recordedStav HTTP
200Vonkajšia latencia
19,443 msByty odpovede
3,656SHA-256
2989988b859c9bb90c50291bd34b6ed7423cf3b8c28c3d3915f4f245e99aaaebDôležité obmedzenie
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.
Spustite nezávislé overenie
Otestujte si ten istý koncový bod sami alebo si prezrite iné verejné správy predtým, ako sa spoľahnete na inzerovanú identitu modelu.