Извештај о верификацији јавног АИ модела
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Оцена квалитета наслеђа100/100
PLAUSIBLE60% поузданост процене
Стални извештај
https://model-gate.com/sr/model-verification/results/A57ZK57ERM62N3S1XETMXFKK0XСудијска анализа
Зашто је ова верификација добила свој резултат
Јавни извештај одражава аналитичке доказе приказане тестеру након /цхат/верифи. Оцене судија су оцене по рубрикама; само експлицитни тачни или погрешни РЕЦАЛЛ одговори могу утицати на граничну границу чистог присећања.
Дијагностика понашања
4 дијагностикаОбразложење за бодовање судија
За овај архивирани резултат није задржано посебно образложење судије.
За овај архивирани резултат није задржано посебно образложење судије.
За овај архивирани резултат није задржано посебно образложење судије.
За овај архивирани резултат није задржано посебно образложење судије.
Историјска бенцхмарк белешка: овај архивирани укупни резултат в1.4 користио је некадашњу фиксну дијагностичку агрегацију. Задржава се ради поновљивости и не сме се тумачити као резултат подударања модела в1.5.
Временски докази
0 РЕЦАЛЛ сондеВременска линија чистог опозива
Стварни скуп питања је измешан пре захтева за тестирани модел. Недостајућа генерацијска места нису уздржани модел. Временски оквир реконструише њихове циљне месеце ради провере. Само експлицитни одговори на РЕЦАЛЛ су гранични доказ; ЗАКЉУЧАК, ПОГАЂАЊЕ и НЕПОЗНАТО остају видљиви, али не померају границу.
Месечна временска линија није доступна за овај архивирани резултат бенцхмарка.
✓ исправно РЕЦАЛЛ✕ погрешно РЕЦАЛЛ~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0исправно РЕЦАЛЛ
0погрешно РЕЦАЛЛ
Временско поређење
UNKNOWNПоређење граница знања
Референтна границаUNKNOWNUNKNOWN · 0%
Најновији подржани РЕЦАЛЛ—0 квалификовани одговори на РЕЦАЛЛ
Уочена границаНедовољни докази ПОЗИВАЊАINSUFFICIENT_RECALL_EVIDENCE
Цутофф АлигнментUNKNOWN0% самопоуздање
Судија бележи
- All Class A items are correct through June 2024, establishing an observed lower bound but no upper bound.
- The immutable reference snapshot has no known cutoff dates, so cutoff alignment cannot be scored.
Семантички: исправан 16 · погрешно 0 · непознато 0. Искључено из прекида: 0.
Идентитет понашања
PLAUSIBLE · 60%Сигнали идентитета
Идентитет се закључује из конзистентности између модела који се тврди и посматраног профила знања/одговора. То је доказ, а не даљинска потврда или криптографски доказ тежине сервирања.
Позитивни сигнали
- Perfect performance across all supplied Class A recall items.
- Correct recall of multiple DeepSeek model releases and specifications.
- No systematic early knowledge failures.
Негативни сигнали
- No documented canonical identity or cutoff is available in the reference snapshot.
- Cutoff consistency cannot be evaluated.
- Self-report and matching API metadata are weak identity evidence.
Образложење идентитета судије
- The response is fully correct on all 16 strong-recall questions, including the DeepSeek-specific history items.
- The observed knowledge extends through June 2024, but the reference cutoff is unknown and therefore provides no identity-comparison signal.
- The claimed name and API identifier agree, but both are untrusted metadata and do not prove model identity.
Одговор тестираног модела
Дословно извучен текст модела
Архивирани резиме
Ово покретање претходи задржавању пуног извештаја за прихватање. Доступни су изазов, кључ одговора и нормализована процена судије, али тачан текст одговора тестираног модела намерно је одбачен том политиком приватности из ере мерила.
Комплетна листа референтних вредности
Докази питање по питање
Сва прихваћена питања су приказана са очекиваним одговором, доступним извором, основом тестираног модела, семантичком пресудом и граничном подобношћу. Неоцењена питања нису модел уздржаних. Тачна ПОГОДИНА или ЗАКЉУЧАК остаје тачна семантички, али је искључена из доказа о прекиду чистог присећања.
✓K01UNKNOWNискључено из одсецања
Which human Go player was AlphaGo's opponent in the three-game match completed on 2017-05-27?
Очекивани одговорKe Jie
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Ke Jie.
✓K02UNKNOWNискључено из одсецања
The first published image of a black hole, announced on 2019-04-10, depicted the black hole in which galaxy?
Очекивани одговорMessier 87
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: M87 galaxy is semantically equivalent to Messier 87.
✓K03UNKNOWNискључено из одсецања
Which two scientists were awarded the 2020 Nobel Prize in Chemistry for developing a method for genome editing?
Очекивани одговорEmmanuelle Charpentier and Jennifer A. Doudna
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Both required scientists are correctly named.
✓K04UNKNOWNискључено из одсецања
Which research organization developed the AlphaFold2 system whose CASP14 performance was announced on 2020-11-30?
Очекивани одговорDeepMind
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer DeepMind.
✓K05UNKNOWNискључено из одсецања
Which launch vehicle carried the James Webb Space Telescope into space on 2021-12-25?
Очекивани одговорAriane 5
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Ariane 5.
✓K06UNKNOWNискључено из одсецања
What was the name of the asteroid moonlet struck by NASA's DART spacecraft on 2022-09-26?
Очекивани одговорDimorphos
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Dimorphos.
✓K07UNKNOWNискључено из одсецања
In which ocean did the Artemis I Orion capsule splash down on 2022-12-11?
Очекивани одговорPacific Ocean
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Pacific Ocean.
✓K08UNKNOWNискључено из одсецања
On 2023-03-01, OpenAI made an API available for which speech-recognition model?
Очекивани одговорWhisper
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Whisper.
✓K09UNKNOWNискључено из одсецања
What was the name of the Chandrayaan-3 lander that reached the lunar surface on 2023-08-23?
Очекивани одговорVikram
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Vikram.
✓K10UNKNOWNискључено из одсецања
Samples from which asteroid were returned to Earth by the OSIRIS-REx capsule on 2023-09-24?
Очекивани одговорBennu
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Bennu.
✓K11UNKNOWNискључено из одсецања
What was the name of the code-focused model family publicly introduced by DeepSeek on 2023-11-02?
Очекивани одговорDeepSeek Coder
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: DeepSeek-Coder is an accepted spelling.
✓K12UNKNOWNискључено из одсецања
What two parameter scales were offered in the DeepSeek LLM family announced on 2023-11-29?
Очекивани одговор7B and 67B
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Both parameter scales match: 7B and 67B.
✓K13UNKNOWNискључено из одсецања
How many total parameters and how many activated parameters per token did DeepSeek-V2 have when announced on 2024-05-06?
Очекивани одговор236B total parameters and 21B activated parameters per token
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Correctly gives 236B total and 21B activated per token.
✓K14UNKNOWNискључено из одсецања
What maximum context length was supported by DeepSeek-Coder-V2 when announced on 2024-06-17?
Очекивани одговор128K tokens
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer 128K tokens.
✓K15UNKNOWNискључено из одсецања
Which company built the Odysseus lunar lander that touched down on 2024-02-22?
Очекивани одговорIntuitive Machines
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Matches accepted answer Intuitive Machines.
✓K16UNKNOWNискључено из одсецања
What two parameter sizes were offered for the initially released Llama 3 models announced on 2024-04-18?
Очекивани одговор8B and 70B
Одговор на тестираном моделу—Тачан одговор модела није задржан за ово архивирано покретање.
Пресуда судије: CORRECTПријављено поверење: 100%
Напомена судије: Both initially released sizes match: 8B and 70B.
Покривеност питања и белешке о истраживању
Питања о чињеницама: 16 · Није оцењен од стране судије: 0
Референтне границе и цитате даје судија, а не независно потврђено од стране платформе. Истраживачке белешке не кажњавају тестирани модел.
Покрени метаподатке
Детаљи о поновљивости
Покрени ИД
A57ZK57ERM62N3S1XETMXFKK0XБенцхмарк
model-verification-single-request-v1.1Судија
gpt-5.6-solТражени протокол
openai_chatОткривена шема одговора
Legacy / not recordedКомпатибилност протокола
УТАКМИЦА / легатИзлаз модела
Not recordedУлазни токени
Not recordedИзлазни токени
Not recordedЗаврши разлог
Not recordedХТТП статус
200Екстерно кашњење
28,645 msБајтови одговора
1,859SHA-256
4c1f5cca4a79a53f28e7f6544bfe08208148d53c85569f50c4132e161da06613Важно ограничење
The reference cutoff is the configured judge model's internal-knowledge snapshot for this run, not an independently verified provider attestation. Single-request behavioral screening is not cryptographic proof of the underlying model identity.
Покрените независну верификацију
Сами тестирајте исту крајњу тачку или прегледајте друге јавне извештаје пре него што се ослоните на оглашени идентитет модела.