Offentlig AI-modellverifieringsrapport
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Äldre kvalitetspoäng87/100
CONSISTENT82% bedömningsförtroende
Permanent rapport
https://model-gate.com/sv/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YDomaranalys
Varför denna verifiering fick sitt resultat
Den offentliga rapporten speglar de analytiska bevis som visas för testaren efter /chat/verify. Domarpoäng är rubrikbedömningar; endast explicita korrekta eller felaktiga RECALL-svar kan påverka gränsen för ren återkallelse.
Beteendediagnostik
4 diagnostikResonemang för domarpoäng
Ingen separat domarmotivering bibehölls för detta arkiverade resultat.
Ingen separat domarmotivering bibehölls för detta arkiverade resultat.
Ingen separat domarmotivering bibehölls för detta arkiverade resultat.
Ingen separat domarmotivering bibehölls för detta arkiverade resultat.
Historiskt riktmärke: detta arkiverade v1.4-övergripande resultat använde den tidigare fasta diagnostiska aggregeringen. Den behålls för reproducerbarhet och får inte tolkas som en v1.5 Model Match-poäng.
Temporära bevis
0 ÅTERKALLA sonderTidslinje för ren återkallelse
Den faktiska frågeuppsättningen blandades före begäran om testad modell. Saknade generationsplatser är inte modellavståelser. Tidslinjen rekonstruerar deras målmånader för granskning. Endast explicita RECALL-svar är cutoff-bevis; INFERENCE, GUESS och OKÄND förblir synliga men flyttar inte gränsen.
2023-11? K24UNKNOWN
2023-12? K13UNKNOWN
2024-01? K08UNKNOWN
2024-02? K07UNKNOWN
2024-03? K15UNKNOWN
2024-04? K18UNKNOWN
2024-05? K04UNKNOWN
2024-06? K16UNKNOWN
2024-07? K06UNKNOWN
2024-08? K03UNKNOWN
2024-09? K09UNKNOWN
2024-10? K17UNKNOWN
2024-11? K20UNKNOWN
2024-12? K10UNKNOWN
2025-01? K12UNKNOWN
2025-02? K14UNKNOWN
2025-03? K11UNKNOWN
2025-04? K21UNKNOWN
2025-05? K22UNKNOWN
2025-06? K23UNKNOWN
2025-07? K02UNKNOWN
2025-08? K05UNKNOWN
2025-09? K01UNKNOWN
2025-10? K19UNKNOWN
✓ korrekt Återkallelse✕ fel Återkallelse~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0korrekt Återkallelse
0fel Återkallelse
Tidsjämförelse
CONSISTENTJämförelse av kunskapsgränser
Referensgräns2025-05ESTIMATED_WEB · 0%
Senast stödda RECALL—0 kvalificerade RECALL-svar
Observerad gränsOtillräckligt RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
Cutoff AlignmentCONSISTENT88/100 · 80% förtroende
Domaranteckningar
- Strong recall is nearly complete through the May 2025 reference cutoff.
- There is no systematic strong-recall failure substantially before the reference cutoff.
- Correct June and August 2025 answers suggest selective later knowledge, while failures in July, September, and October prevent a clearly later boundary.
Referens-cutoff-källor
Semantisk: rätta 20 · fel 4 · okänd 0. Utesluten från cutoff: 0.
Beteendeidentitet
CONSISTENT · 82%Identitetssignaler
Identitet härleds från överensstämmelse mellan den påstådda modellen och den observerade kunskaps-/svarprofilen. Det är bevis, inte fjärrbevis eller kryptografiskt bevis för serveringsvikterna.
Positiva signaler
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Negativa signaler
- Incorrect February 2024 lunar-lander answer despite high confidence.
- Correct June and August 2025 answers extend beyond the estimated reference cutoff.
- Several post-cutoff answers are confidently wrong, indicating uneven recency.
Domarens identitetsmotiv
- Observed behavior broadly overlaps the saved May 2025 reference cutoff.
- The model answered 20 of 24 Class A items correctly, with only one isolated failure well before the cutoff.
- Post-cutoff knowledge is uneven and can plausibly reflect selective updates rather than model substitution.
Testad modellsvar
Ordagrant extraherad modelltext
Arkiverad sammanfattning
Den här körningen föregår bevarande av fullständiga rapporter för att välja att delta. Utmaningen, svarsnyckeln och den normaliserade domarens bedömning är tillgängliga, men den exakta testade modellens svarstext förkastades avsiktligt av den sekretesspolicyn från benchmark-eran.
Komplett benchmark listning
Bevis från fråga för fråga
Alla antagna frågor visas med det förväntade svaret, tillgänglig källa, testad modellbas, semantiskt omdöme och gränsvärdesberättigande. Obetygsatta frågor är inte modellnedlagda. En korrekt GISSNING eller INFERENS förblir korrekt semantiskt men utesluts från rena återkallande cutoff-bevis.
✕K01UNKNOWNutesluten från cutoff
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Förväntat svarOblique SevilleSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: WRONGRapporterade förtroende: 75%
Domaranteckning: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNutesluten från cutoff
Which team won the UEFA Women's Euro 2025 final?
Förväntat svarEnglandSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: WRONGRapporterade förtroende: 85%
Domaranteckning: Expected England; answered Spain.
✓K03UNKNOWNutesluten från cutoff
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Förväntat svarmpoxSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches mpox.
✓K04UNKNOWNutesluten från cutoff
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Förväntat svarAlphaFold 3Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches AlphaFold 3.
✓K05UNKNOWNutesluten från cutoff
What model did OpenAI release as a unified system with built-in thinking?
Förväntat svarGPT-5Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches GPT-5.
✓K06UNKNOWNutesluten från cutoff
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Förväntat svarWindowsSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Microsoft Windows is accepted.
✕K07UNKNOWNutesluten från cutoff
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Förväntat svarOdysseusSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: WRONGRapporterade förtroende: 80%
Domaranteckning: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNutesluten från cutoff
What was the name of Japan's lunar lander that successfully reached the Moon?
Förväntat svarSLIMSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches SLIM.
✓K09UNKNOWNutesluten från cutoff
Who became the first private astronaut to perform a spacewalk?
Förväntat svarJared IsaacmanSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches Jared Isaacman.
✓K10UNKNOWNutesluten från cutoff
Which country was appointed host of the 2034 FIFA World Cup?
Förväntat svarSaudi ArabiaSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches Saudi Arabia.
✓K11UNKNOWNutesluten från cutoff
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Förväntat svarMare CrisiumSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches Mare Crisium.
✓K12UNKNOWNutesluten från cutoff
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Förväntat svarDeepSeek-R1Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches DeepSeek-R1.
✓K13UNKNOWNutesluten från cutoff
What was the name of the second malaria vaccine prequalified by WHO?
Förväntat svarR21/Matrix-MSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches R21/Matrix-M.
✓K14UNKNOWNutesluten från cutoff
Which album won Album of the Year at the 67th Grammy Awards?
Förväntat svarCowboy CarterSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches Cowboy Carter.
✓K15UNKNOWNutesluten från cutoff
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Förväntat svar523Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 85%
Domaranteckning: Matches 523.
✓K16UNKNOWNutesluten från cutoff
How many grams of lunar material did the Chang'e-6 mission collect?
Förväntat svar1,935.3 gramsSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches 1,935.3 grams.
✓K17UNKNOWNutesluten från cutoff
Which rocket launched NASA's Europa Clipper spacecraft?
Förväntat svarFalcon HeavySource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches Falcon Heavy.
✓K18UNKNOWNutesluten från cutoff
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Förväntat svarGaia BH3Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches Gaia BH3.
✕K19UNKNOWNutesluten från cutoff
Who was awarded the 2025 Nobel Peace Prize?
Förväntat svarMaria Corina MachadoSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: WRONGRapporterade förtroende: 70%
Domaranteckning: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNutesluten från cutoff
What annual climate-finance goal for developing countries did COP29 set for 2035?
Förväntat svarUS$300 billion per yearSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches $300 billion per year.
✓K21UNKNOWNutesluten från cutoff
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Förväntat svarFram2Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Matches Fram2.
✓K22UNKNOWNutesluten från cutoff
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Förväntat svarArticle 19Source ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 75%
Domaranteckning: Matches Article 19.
✓K23UNKNOWNutesluten från cutoff
Which new Mario Kart game launched alongside Nintendo Switch 2?
Förväntat svarMario Kart WorldSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches Mario Kart World.
✓K24UNKNOWNutesluten från cutoff
What model did OpenAI introduce with a 128K context window at its first DevDay?
Förväntat svarGPT-4 TurboSource ↗
Testad modellsvar—Exakt modellsvar behölls inte för denna arkiverade körning.
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Matches GPT-4 Turbo.
Frågetäckning och forskningsanteckningar
Faktafrågor: 24 · Inte betygsatt av domare: 0
Referensgräns och citat tillhandahålls av domaren, inte oberoende bekräftad av plattformen. Forskningsanteckningar straffar inte den testade modellen.
Kör metadata
Reproducerbarhetsdetaljer
Kör ID
0B0HVDB2FRJEJC90BRG4D7JV1YBenchmark
model-verification-single-request-v1.2Bedöma
gpt-5.6-solBegärt protokoll
openai_chatUpptäckt svarsschema
Legacy / not recordedProtokollkompatibilitet
MATCH / arvModellutgång
Not recordedMata in tokens
Not recordedUtdatapolletter
Not recordedAvsluta anledning
Not recordedHTTP-status
200Extern latens
88,304 msSvarsbyte
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dViktig begränsning
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.
Kör en oberoende verifiering
Testa samma slutpunkt själv eller bläddra i andra offentliga rapporter innan du förlitar dig på en annonserad modellidentitet.