Offentlig AI-modellverifieringsrapport
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Äldre kvalitetspoäng100/100
PLAUSIBLE60% bedömningsförtroende
Permanent rapport
https://model-gate.com/sv/model-verification/results/A57ZK57ERM62N3S1XETMXFKK0XBedömarens analys
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.
Månatlig tidslinje är inte tillgänglig för detta arkiverade benchmarkresultat.
✓ korrekt Återkallelse✕ fel Återkallelse~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0korrekt Återkallelse
0fel Återkallelse
Tidsjämförelse
UNKNOWNJämförelse av kunskapsgränser
ReferensgränsUNKNOWNUNKNOWN · 0%
Senast stödda RECALL—0 kvalificerade RECALL-svar
Observerad gränsOtillräckligt RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
Cutoff AlignmentUNKNOWN0% säkerhet
Bedömarens anteckningar
- 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.
Semantisk: rätt 16 · fel 0 · okänt 0. Utesluten från cutoff: 0.
Beteendeidentitet
PLAUSIBLE · 60%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
- Perfect performance across all supplied Class A recall items.
- Correct recall of multiple DeepSeek model releases and specifications.
- No systematic early knowledge failures.
Negativa signaler
- 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.
Domarens identitetsmotiv
- 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.
Testad modellsvar
Ordagrant extraherad modelltext
Publicerad bedömning
Utmaningen, svarsnyckeln och normaliserad domarbedömning finns tillgängliga. Exakt testad modelltext är inte tillgänglig för publicering såvida den inte behölls med testarens opt-in. Att publicera en bedömning skapar inte det samtycket eller återställer kasserad text.
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
Which human Go player was AlphaGo's opponent in the three-game match completed on 2017-05-27?
Förväntat svarKe Jie
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Ke Jie.
✓K02UNKNOWNutesluten från cutoff
The first published image of a black hole, announced on 2019-04-10, depicted the black hole in which galaxy?
Förväntat svarMessier 87
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: M87 galaxy is semantically equivalent to Messier 87.
✓K03UNKNOWNutesluten från cutoff
Which two scientists were awarded the 2020 Nobel Prize in Chemistry for developing a method for genome editing?
Förväntat svarEmmanuelle Charpentier and Jennifer A. Doudna
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Both required scientists are correctly named.
✓K04UNKNOWNutesluten från cutoff
Which research organization developed the AlphaFold2 system whose CASP14 performance was announced on 2020-11-30?
Förväntat svarDeepMind
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer DeepMind.
✓K05UNKNOWNutesluten från cutoff
Which launch vehicle carried the James Webb Space Telescope into space on 2021-12-25?
Förväntat svarAriane 5
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Ariane 5.
✓K06UNKNOWNutesluten från cutoff
What was the name of the asteroid moonlet struck by NASA's DART spacecraft on 2022-09-26?
Förväntat svarDimorphos
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Dimorphos.
✓K07UNKNOWNutesluten från cutoff
In which ocean did the Artemis I Orion capsule splash down on 2022-12-11?
Förväntat svarPacific Ocean
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Pacific Ocean.
✓K08UNKNOWNutesluten från cutoff
On 2023-03-01, OpenAI made an API available for which speech-recognition model?
Förväntat svarWhisper
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Whisper.
✓K09UNKNOWNutesluten från cutoff
What was the name of the Chandrayaan-3 lander that reached the lunar surface on 2023-08-23?
Förväntat svarVikram
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Vikram.
✓K10UNKNOWNutesluten från cutoff
Samples from which asteroid were returned to Earth by the OSIRIS-REx capsule on 2023-09-24?
Förväntat svarBennu
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Bennu.
✓K11UNKNOWNutesluten från cutoff
What was the name of the code-focused model family publicly introduced by DeepSeek on 2023-11-02?
Förväntat svarDeepSeek Coder
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: DeepSeek-Coder is an accepted spelling.
✓K12UNKNOWNutesluten från cutoff
What two parameter scales were offered in the DeepSeek LLM family announced on 2023-11-29?
Förväntat svar7B and 67B
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Both parameter scales match: 7B and 67B.
✓K13UNKNOWNutesluten från cutoff
How many total parameters and how many activated parameters per token did DeepSeek-V2 have when announced on 2024-05-06?
Förväntat svar236B total parameters and 21B activated parameters per token
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Correctly gives 236B total and 21B activated per token.
✓K14UNKNOWNutesluten från cutoff
What maximum context length was supported by DeepSeek-Coder-V2 when announced on 2024-06-17?
Förväntat svar128K tokens
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer 128K tokens.
✓K15UNKNOWNutesluten från cutoff
Which company built the Odysseus lunar lander that touched down on 2024-02-22?
Förväntat svarIntuitive Machines
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Matches accepted answer Intuitive Machines.
✓K16UNKNOWNutesluten från cutoff
What two parameter sizes were offered for the initially released Llama 3 models announced on 2024-04-18?
Förväntat svar8B and 70B
Testad modellsvar—Exakt modellsvar är inte tillgängligt för publicering.
Bedömarens utlåtande: CORRECTRapporterade förtroende: 100%
Bedömarens anteckning: Both initially released sizes match: 8B and 70B.
Frågetäckning och forskningsanteckningar
Faktafrågor: 16 · 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
Körnings-ID
A57ZK57ERM62N3S1XETMXFKK0XBenchmark
model-verification-single-request-v1.1Bedömningsmodell
gpt-5.6-solBegärt protokoll
openai_chatUpptäckt svarsschema
Legacy / not recordedProtokollkompatibilitet
MATCH / arvModellutdata
Not recordedIndatatoken
Not recordedUtdatatoken
Not recordedOrsak till avslut
Not recordedHTTP-status
200Extern latens
28,645 msSvarsbyte
1,859SHA-256
4c1f5cca4a79a53f28e7f6544bfe08208148d53c85569f50c4132e161da06613Viktig begränsning
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.
Kör en oberoende verifiering
Testa samma slutpunkt själv eller bläddra i andra offentliga rapporter innan du förlitar dig på en annonserad modellidentitet.