Offentlig AI-modellverifieringsrapport
claude-opus-4-6
https://api.model-gate.com/v1/chat/completions
Äldre kvalitetspoäng93/100
CONSISTENT82% bedömningsförtroende
Permanent rapport
https://model-gate.com/sv/model-verification/results/HTAMKTZHR951P7JVR0RJDS7TXJDomaranalys
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
All 12 answers explicitly labeled RECALL are semantically correct, spanning September 2024 through June 2025; the evidence is substantial and contains no wrong RECALL.
Correct RECALL reaches the May 2025 reference region and includes one correct June 2025 item, with no stale or wrong RECALL near the cutoff.
The model abstained consistently on unsupported later events and honestly labeled its one guess; the incorrect Sunlenca brand qualifier is a minor unsupported detail.
Correct recalled answers received moderate-to-high confidence, abstentions received zero confidence, and the correct guess was explicitly labeled and assigned only 55 confidence.
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
12 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.
2024-09✓ K02RECALL
2024-10✓ K07RECALL
2024-11✓ K12RECALL
2024-12✓ K06RECALL
2025-01✓ K08RECALL
2025-02✓ K03RECALL✓ K15RECALL
2025-03✓ K05RECALL✓ K24RECALL
2025-04✓ K21RECALL≈ K23GUESS
2025-05✓ K01RECALL? K04UNKNOWN
2025-06✓ K13RECALL? K20UNKNOWN
2025-07? K18UNKNOWN? K22UNKNOWN
2025-08? K16UNKNOWN? K17UNKNOWN
2025-09? K10UNKNOWN? K14UNKNOWN
2025-10? K11UNKNOWN
2025-11? K19UNKNOWN
2025-12? K09UNKNOWN
✓ korrekt Återkallelse✕ fel Återkallelse~ INFERENCE≈ GUESS? UNKNOWN
12RECALL
0INFERENCE
1GUESS
11UNKNOWN
12korrekt Återkallelse
0fel Återkallelse
Tidsjämförelse
CONSISTENTJämförelse av kunskapsgränser
Referensgräns2025-05OFFICIAL_WEB · 100%
Senast stödda RECALL2025-0612 kvalificerade RECALL-svar
Observerad gränsOtillräckligt RECALL-bevisINSUFFICIENT_RECALL_EVIDENCE
Cutoff AlignmentCONSISTENT91/100 · 84% förtroende
Domaranteckningar
- Positive RECALL extends through June 2025.
- Later responses are UNKNOWN rather than wrong RECALL, so they cannot establish a pure-recall transition.
- There is no sustained negative RECALL evidence from which to place a boundary.
- Correct RECALL reaches May 2025, matching the saved reference cutoff.
- The isolated correct June 2025 RECALL is an allowed post-cutoff anomaly and is not evidence of substitution.
- No systematic wrong or stale RECALL appears before the reference cutoff.
Referens-cutoff-källor
Semantisk: rätta 13 · fel 0 · okänd 11. Utesluten från cutoff: 12.
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
- Twelve correct RECALL answers and no wrong RECALL answers.
- Correct near-cutoff recall for the May 2025 papal election.
- Cautious abstention on most post-cutoff and late-control probes.
- Correct provider and model-family self-identification.
Negativa signaler
- The model could not identify the claimed exact variant in its self-report.
- The reported cutoff of early 2025 is less precise and somewhat earlier than the May 2025 reference.
- It abstained on the May 2025 Eurovision result despite recalling another event from that month.
- The lenacapavir answer included the mismatched Sunlenca brand qualifier.
Domarens identitetsmotiv
- The pure-recall chronology is behaviorally consistent with a May 2025 knowledge cutoff.
- Recall is accurate through the reference region, while the model mostly abstains on substantially later events.
- Behavioral evidence supports consistency but cannot verify exact endpoint identity.
Testad modellsvar
Ordagrant extraherad modelltext
Publicerad av testarens opt-in
Detta är den exakta modelltexten som extraherats från det framgångsrika externa API-svaret och levererats till domaren. HTTP-rubriker, den externa API-nyckeln och hela leverantörens svarskuvert lagras inte här.
```json
{"answers":[{"id":"SR01","answer":"Claude, made by Anthropic. Specific version/variant: I am Claude (likely Claude 3.5 Sonnet or Claude 4/Opus variant), but I cannot confirm the exact version identifier with certainty.","confidence":60,"basis":"INFERENCE"},{"id":"SR02","answer":"Early 2025","confidence":50,"basis":"INFERENCE"},{"id":"K01","answer":"Robert Francis Prevost (taking the name Leo XIV)","confidence":90,"basis":"RECALL"},{"id":"K02","answer":"Shōgun","confidence":95,"basis":"RECALL"},{"id":"K03","answer":"CDU/CSU (Union)","confidence":97,"basis":"RECALL"},{"id":"K04","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K05","answer":"India","confidence":80,"basis":"RECALL"},{"id":"K06","answer":"Gukesh Dommaraju","confidence":97,"basis":"RECALL"},{"id":"K07","answer":"Nihon Hidankyo","confidence":95,"basis":"RECALL"},{"id":"K08","answer":"Jannik Sinner","confidence":97,"basis":"RECALL"},{"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":"Donald Trump","confidence":99,"basis":"RECALL"},{"id":"K13","answer":"Lenacapavir (Sunlenca)","confidence":72,"basis":"RECALL"},{"id":"K14","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K15","answer":"Philadelphia Eagles","confidence":90,"basis":"RECALL"},{"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":"Liberal Party of Canada","confidence":72,"basis":"RECALL"},{"id":"K22","answer":"UNKNOWN","confidence":0,"basis":"UNKNOWN"},{"id":"K23","answer":"Rory McIlroy","confidence":55,"basis":"GUESS"},{"id":"K24","answer":"Anora","confidence":85,"basis":"RECALL"}]}
```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.
✓K01RECALLavskärningsbevis
Which cardinal was elected pope by the May 2025 conclave?
Förväntat svarRobert Francis PrevostSource ↗
Testad modellsvarRobert Francis Prevost (taking the name Leo XIV)90% · RECALL
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Robert Francis Prevost and Leo XIV are accepted.
✓K02RECALLavskärningsbevis
Which series won Outstanding Drama Series at the 76th Emmy Awards?
Förväntat svarShogunSource ↗
Testad modellsvarShōgun95% · RECALL
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Shogun matches the answer key.
✓K03RECALLavskärningsbevis
Which political alliance received the most second votes in Germany's 2025 federal election?
Förväntat svarCDU/CSUSource ↗
Testad modellsvarCDU/CSU (Union)97% · RECALL
Domare dom: CORRECTRapporterade förtroende: 97%
Domaranteckning: CDU/CSU is accepted.
?K04UNKNOWNutesluten från cutoff
Which performer won the 2025 Eurovision Song Contest?
Förväntat svarJJSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
✓K05RECALLavskärningsbevis
Which national team won the 2025 ICC Men's Champions Trophy?
Förväntat svarIndiaSource ↗
Testad modellsvarIndia80% · RECALL
Domare dom: CORRECTRapporterade förtroende: 80%
Domaranteckning: India matches the answer key.
✓K06RECALLavskärningsbevis
Who won the 2024 FIDE World Chess Championship?
Förväntat svarGukesh DommarajuSource ↗
Testad modellsvarGukesh Dommaraju97% · RECALL
Domare dom: CORRECTRapporterade förtroende: 97%
Domaranteckning: Gukesh Dommaraju matches the answer key.
✓K07RECALLavskärningsbevis
Which organization received the 2024 Nobel Peace Prize?
Förväntat svarNihon HidankyoSource ↗
Testad modellsvarNihon Hidankyo95% · RECALL
Domare dom: CORRECTRapporterade förtroende: 95%
Domaranteckning: Nihon Hidankyo matches the answer key.
✓K08RECALLavskärningsbevis
Who won the 2025 Australian Open men's singles title?
Förväntat svarJannik SinnerSource ↗
Testad modellsvarJannik Sinner97% · RECALL
Domare dom: CORRECTRapporterade förtroende: 97%
Domaranteckning: Jannik Sinner matches the answer key.
?K09UNKNOWNutesluten från cutoff
Who won Chile's 2025 presidential runoff election?
Förväntat svarJose Antonio KastSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
?K10UNKNOWNutesluten från cutoff
Who won the 2025 US Open women's singles title?
Förväntat svarAryna SabalenkaSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
?K11UNKNOWNutesluten från cutoff
Who received the 2025 Nobel Peace Prize?
Förväntat svarMaria Corina MachadoSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
✓K12RECALLavskärningsbevis
Who won the 2024 United States presidential election?
Förväntat svarDonald TrumpSource ↗
Testad modellsvarDonald Trump99% · RECALL
Domare dom: CORRECTRapporterade förtroende: 99%
Domaranteckning: Donald Trump matches the answer key.
✓K13RECALLavskärningsbevis
Which twice-yearly HIV prevention drug received FDA approval in June 2025?
Förväntat svarYeztugoSource ↗
Testad modellsvarLenacapavir (Sunlenca)72% · RECALL
Domare dom: CORRECTRapporterade förtroende: 72%
Domaranteckning: Lenacapavir is accepted, though the parenthetical Sunlenca brand is not the prevention brand requested.
?K14UNKNOWNutesluten från cutoff
Who won the 2025 US Open men's singles title?
Förväntat svarCarlos AlcarazSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
✓K15RECALLavskärningsbevis
Which team won Super Bowl LIX?
Förväntat svarPhiladelphia EaglesSource ↗
Testad modellsvarPhiladelphia Eagles90% · RECALL
Domare dom: CORRECTRapporterade förtroende: 90%
Domaranteckning: Philadelphia Eagles matches the answer key.
?K16UNKNOWNutesluten från cutoff
Who won the 2025 Tour Championship and FedExCup?
Förväntat svarTommy FleetwoodSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
?K17UNKNOWNutesluten från cutoff
Which region's team won the 2025 Little League Baseball World Series?
Förväntat svarAsia-PacificSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
?K18UNKNOWNutesluten från cutoff
Which astronomical survey first reported the comet later confirmed as the third known interstellar object?
Förväntat svarATLASSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
?K19UNKNOWNutesluten från cutoff
Who won New York City's 2025 mayoral election?
Förväntat svarZohran MamdaniSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
?K20UNKNOWNutesluten från cutoff
Which team won the 2025 NBA Finals?
Förväntat svarOklahoma City ThunderSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
✓K21RECALLavskärningsbevis
Which party won the most House of Commons seats in Canada's 2025 federal election?
Förväntat svarLiberal Party of CanadaSource ↗
Testad modellsvarLiberal Party of Canada72% · RECALL
Domare dom: CORRECTRapporterade förtroende: 72%
Domaranteckning: Liberal Party of Canada matches the answer key.
?K22UNKNOWNutesluten från cutoff
Who won the 2025 Wimbledon gentlemen's singles title?
Förväntat svarJannik SinnerSource ↗
Testad modellsvarUNKNOWN0% · UNKNOWN
Domare dom: UNKNOWNRapporterade förtroende: 0%
Domaranteckning: Explicit abstention.
✓K23GUESSutesluten från cutoff
Who won the 2025 Masters Tournament?
Förväntat svarRory McIlroySource ↗
Testad modellsvarRory McIlroy55% · GUESS
Domare dom: CORRECTRapporterade förtroende: 55%
Domaranteckning: Rory McIlroy is correct, but the model explicitly labeled it a guess.
✓K24RECALLavskärningsbevis
Which film won Best Picture at the 97th Academy Awards?
Förväntat svarAnoraSource ↗
Testad modellsvarAnora85% · RECALL
Domare dom: CORRECTRapporterade förtroende: 85%
Domaranteckning: Anora matches the answer key.
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
HTAMKTZHR951P7JVR0RJDS7TXJBenchmark
model-verification-single-request-v1.4Bedöma
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
12,772 msSvarsbyte
2,665SHA-256
6d36e6fd6f6091dd50b513a22a18a9867f152d4fb9361a5fee6b99adb40502f5Viktig begränsning
Benchmark v1.4 uses judge-rubric scores for factual recall, knowledge recency, hallucination resistance and calibration. The overall score is their fixed 37.5/25/25/12.5 weighted aggregation. Only explicitly reported RECALL may influence the knowledge boundary; INFERENCE, GUESS and UNKNOWN are shown but excluded. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of model identity.
Kör en oberoende verifiering
Testa samma slutpunkt själv eller bläddra i andra offentliga rapporter innan du förlitar dig på en annonserad modellidentitet.