Javno poročilo o preverjanju modela AI
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Podedovana ocena kakovosti87/100
SUSPICIOUS76% ocenjevalno zaupanje
Stalno poročilo
https://model-gate.com/sl/model-verification/results/A8T2GNQWKPJS4M16YAF7M0PGP4Analiza ocenjevalca
Zakaj je to preverjanje dobilo rezultat
Javno poročilo odraža analitične dokaze, prikazane preizkuševalcu po /chat/verify. Ocene sodnikov so ocene rubrik; samo eksplicitni pravilni ali napačni odgovori RECALL lahko vplivajo na mejo čistega priklica.
Diagnostika vedenja
4 diagnostikaUtemeljitev sodnikovega točkovanja
Za ta arhivirani rezultat ni bila ohranjena nobena ločena sodniška utemeljitev.
Za ta arhivirani rezultat ni bila ohranjena nobena ločena sodniška utemeljitev.
Za ta arhivirani rezultat ni bila ohranjena nobena ločena sodniška utemeljitev.
Za ta arhivirani rezultat ni bila ohranjena nobena ločena sodniška utemeljitev.
Zgodovinska primerjalna opomba: ta arhivirana splošna ocena v1.4 je uporabljala prejšnje fiksno diagnostično združevanje. Ohranimo ga zaradi ponovljivosti in ga ne smemo razlagati kot oceno ujemanja modela v1.5.
Časovni dokazi
0 ODPOKLIC sondČasovnica čistega odpoklica
Dejanski niz vprašanj je bil premešan pred zahtevo testiranega modela. Manjkajoča generacijska mesta niso abstinenca modela. Časovnica rekonstruira njihove ciljne mesece za revizijo. Samo eksplicitni odgovori ODKLIC so izključni dokazi; SKLEPANJE, UGETANJE in NEZNANO ostanejo vidni, vendar ne premaknejo meje.
2024-09? K06UNKNOWN
2024-10? K23UNKNOWN
2024-11? K11UNKNOWN
2024-12? K21UNKNOWN
2025-01? K13UNKNOWN
2025-02? K10UNKNOWN? K19UNKNOWN
2025-03? K05UNKNOWN? K12UNKNOWN
2025-04? K15UNKNOWN? K20UNKNOWN
2025-05? K03UNKNOWN? K17UNKNOWN
2025-06? K07UNKNOWN? K22UNKNOWN
2025-07? K18UNKNOWN? K24UNKNOWN
2025-08? K02UNKNOWN? K08UNKNOWN
2025-09? K14UNKNOWN? K16UNKNOWN
2025-10? K01UNKNOWN
2025-11? K04UNKNOWN
2025-12? K09UNKNOWN
✓ pravilen ODPOKLIC✕ napačen ODPOKLIC~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0pravilen ODPOKLIC
0napačen ODPOKLIC
Časovna primerjava
LATER_THAN_REFERENCEPrimerjava meje znanja
Referenčna meja2025-05ESTIMATED_WEB · 45%
Zadnji podprti RECALL—0 primerni odgovori RECALL
Opazovana mejaNezadostni dokazi ODKLICINSUFFICIENT_RECALL_EVIDENCE
Poravnava izrezaLATER_THAN_REFERENCE28/100 · 55% zanesljivost
Opombe ocenjevalca
- The response is consistently correct through September 2025 and also answers a November 2025 item correctly.
- Correct answers across June, August, and September provide sustained post-reference evidence rather than one isolated later hit.
- Mixed results in July and failures in October and December make the terminal boundary imprecise.
- The saved May 2025 reference cutoff is a low-confidence ESTIMATED_WEB value, which materially limits alignment confidence.
Referenčni mejni viri
Semantična: pravilno 21 · napačno 3 · neznano 0. Izključeno iz odreza: 0.
Vedenjska identiteta
SUSPICIOUS · 76%Signali identitete
Identiteta se sklepa iz skladnosti med zahtevanim modelom in opazovanim profilom znanja/odgovorov. To je dokaz, ne potrdilo na daljavo ali kriptografski dokaz o uteži serviranja.
Pozitivni signali
- Strong performance on essentially all events before and near the saved reference cutoff.
- No systematic strong-recall failures substantially before the reference cutoff.
Negativni signali
- Conflicting model-family self-report.
- Sustained correct recall across multiple months after the estimated reference cutoff.
- Correct recall of several September and November 2025 events is anomalously late for the saved snapshot.
Utemeljitev identitete sodnika
- SR01 identifies the model as Claude from Anthropic, directly conflicting with the claimed DeepSeek identity, although self-description remains weak evidence.
- The observed behavioral boundary is several months later than the saved May 2025 reference estimate.
- Post-reference knowledge is broad across sports, technology, culture, and world events, making it more notable than a small number of isolated later facts.
- The reference cutoff itself has only 45 percent confidence, so the recency discrepancy cannot independently establish model substitution.
Odziv preizkušenega modela
Dobesedno izvlečeno besedilo modela
Objavljena ocena
Na voljo so izziv, ključ odgovora in normalizirana sodniška ocena. Natančno besedilo testiranega modela ni na voljo za objavo, razen če je bilo ohranjeno s privolitvijo preizkuševalca. Objava ocene ne ustvari tega soglasja ali obnovi zavrženega besedila.
Popolni primerjalni seznam
Dokazi od vprašanja do vprašanja
Vsa sprejeta vprašanja so prikazana s pričakovanim odgovorom, razpoložljivim virom, osnovo preizkušenega modela, semantično razsodbo in mejno primernostjo. Neocenjena vprašanja niso vzorčna vzdržanost. Pravilno UGETANJE ali SKLEPANJE ostane pomensko pravilno, vendar je izključeno iz mejnih dokazov čistega priklica.
✕K01UNKNOWNizključeno iz odreza
Which Venezuelan opposition leader was awarded the 2025 Nobel Peace Prize?
Pričakovan odgovorMaria Corina MachadoSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: WRONGPrijavljeno zaupanje: 75%
Opomba ocenjevalca: Machado is correct, but the answer incorrectly adds Edmundo Gonzalez Urrutia as a co-recipient.
✓K02UNKNOWNizključeno iz odreza
Which two countries signed a joint peace declaration at the White House?
Pričakovan odgovorArmenia and AzerbaijanSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 62%
Opomba ocenjevalca: Matches Armenia and Azerbaijan.
✓K03UNKNOWNizključeno iz odreza
What papal name did Cardinal Robert Francis Prevost take after his election?
Pričakovan odgovorLeo XIVSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 85%
Opomba ocenjevalca: Matches Pope Leo XIV.
✓K04UNKNOWNizključeno iz odreza
Which city hosted the first G20 Leaders' Summit held on the African continent?
Pričakovan odgovorJohannesburgSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 80%
Opomba ocenjevalca: Matches Johannesburg.
✓K05UNKNOWNizključeno iz odreza
Which film won Best Picture at the 97th Academy Awards?
Pričakovan odgovorAnoraSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 95%
Opomba ocenjevalca: Matches Anora.
✓K06UNKNOWNizključeno iz odreza
Which mission completed the first commercial spacewalk?
Pričakovan odgovorPolaris DawnSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 88%
Opomba ocenjevalca: Matches Polaris Dawn.
✓K07UNKNOWNizključeno iz odreza
Which team won the 2025 NBA championship?
Pričakovan odgovorOklahoma City ThunderSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 45%
Opomba ocenjevalca: Matches Oklahoma City Thunder.
✓K08UNKNOWNizključeno iz odreza
Which flagship model did OpenAI release in its API platform?
Pričakovan odgovorGPT-5Source ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 80%
Opomba ocenjevalca: Matches GPT-5.
✕K09UNKNOWNizključeno iz odreza
Which footballer won The Best FIFA Men's Player award for 2025?
Pričakovan odgovorOusmane DembeleSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: WRONGPrijavljeno zaupanje: 48%
Opomba ocenjevalca: Expected Ousmane Dembele, not Vinicius Junior.
✓K10UNKNOWNizključeno iz odreza
Which political alliance won the largest share of votes in Germany's 2025 federal election?
Pričakovan odgovorCDU/CSUSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 90%
Opomba ocenjevalca: Matches CDU/CSU.
✓K11UNKNOWNizključeno iz odreza
Which international court issued arrest warrants for Benjamin Netanyahu and Yoav Gallant?
Pričakovan odgovorInternational Criminal CourtSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 100%
Opomba ocenjevalca: Matches the International Criminal Court.
✓K12UNKNOWNizključeno iz odreza
Which commercial lunar lander successfully touched down in Mare Crisium?
Pričakovan odgovorBlue GhostSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 88%
Opomba ocenjevalca: Matches Blue Ghost.
✓K13UNKNOWNizključeno iz odreza
Which Blue Origin rocket reached orbit on its maiden launch?
Pričakovan odgovorNew GlennSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 95%
Opomba ocenjevalca: Matches New Glenn.
✓K14UNKNOWNizključeno iz odreza
Which standard iPhone generation did Apple unveil at its September product event?
Pričakovan odgovoriPhone 17Source ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 90%
Opomba ocenjevalca: Matches iPhone 17.
✓K15UNKNOWNizključeno iz odreza
Which pontiff died at the Vatican on Easter Monday?
Pričakovan odgovorPope FrancisSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 98%
Opomba ocenjevalca: Matches Pope Francis.
✓K16UNKNOWNizključeno iz odreza
Which party retained a parliamentary majority in Moldova's election?
Pričakovan odgovorParty of Action and SolidaritySource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 72%
Opomba ocenjevalca: Matches the Party of Action and Solidarity.
✓K17UNKNOWNizključeno iz odreza
What landmark global health accord did the World Health Assembly adopt?
Pričakovan odgovorWHO Pandemic AgreementSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 75%
Opomba ocenjevalca: Pandemic Agreement is an accepted answer.
✓K18UNKNOWNizključeno iz odreza
Which British band began its long-awaited reunion tour in Cardiff after a 16-year hiatus?
Pričakovan odgovorOasisSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 95%
Opomba ocenjevalca: Matches Oasis.
✓K19UNKNOWNizključeno iz odreza
Which album won Album of the Year at the 2025 Grammy Awards?
Pričakovan odgovorCowboy CarterSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 90%
Opomba ocenjevalca: Matches Cowboy Carter.
✓K20UNKNOWNizključeno iz odreza
What was the mission designation of Blue Origin's flight carrying Katy Perry, Gayle King and four other women?
Pričakovan odgovorNS-31Source ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 92%
Opomba ocenjevalca: Matches NS-31.
✓K21UNKNOWNizključeno iz odreza
Which Paris cathedral reopened after five years of restoration following its 2019 fire?
Pričakovan odgovorNotre-Dame de ParisSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 98%
Opomba ocenjevalca: Matches Notre-Dame de Paris.
✓K22UNKNOWNizključeno iz odreza
Which new Nintendo console launched worldwide?
Pričakovan odgovorNintendo Switch 2Source ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 95%
Opomba ocenjevalca: Matches Nintendo Switch 2.
✓K23UNKNOWNizključeno iz odreza
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Pričakovan odgovorNihon HidankyoSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: CORRECTPrijavljeno zaupanje: 95%
Opomba ocenjevalca: Matches Nihon Hidankyo.
✕K24UNKNOWNizključeno iz odreza
Which national team won UEFA Women's Euro 2025?
Pričakovan odgovorEnglandSource ↗
Odgovor preizkušenega modela—Natančen odgovor modela ni na voljo za objavo.
Sklep ocenjevalca: WRONGPrijavljeno zaupanje: 65%
Opomba ocenjevalca: Expected England, not Spain.
Pokritost vprašanj in raziskovalne opombe
Stvarna vprašanja: 24 · Sodnik ni ocenil: 0
Reference cutoff and citations are supplied by the judge, not independently confirmed by the platform. Opombe raziskave ne kaznujejo testiranega modela.
Zaženi metapodatke
Podrobnosti o ponovljivosti
ID izvajanja
A8T2GNQWKPJS4M16YAF7M0PGP4Benchmark
model-verification-single-request-v1.3Ocenjevalni model
gpt-5.6-solZahtevani protokol
openai_chatZaznana odzivna shema
Legacy / not recordedZdružljivost protokola
VŽIGALICA / zapuščinaIzhod modela
Not recordedVhodni žetoni
Not recordedIzhodni žetoni
Not recordedRazlog zaključka
Not recordedHTTP status
200Zunanja zakasnitev
222,372 msOdzivni bajti
2,597SHA-256
e13bdc27a0f0f92d7830a6c409fc8ffed2214bb814e138471d9cc7ca27be7e71Pomembna omejitev
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.
Izvedite neodvisno preverjanje
Sami preizkusite isto končno točko ali prebrskajte druga javna poročila, preden se zanesete na oglaševano identiteto modela.