Herkese açık yapay zeka modeli doğrulama raporu
deepseek-v4-flash
https://api.model-gate.com/v1/chat/completions
Eski kalite puanı87/100
CONSISTENT82% değerlendirme güveni
Kalıcı rapor
https://model-gate.com/tr/model-verification/results/0B0HVDB2FRJEJC90BRG4D7JV1YHakim analizi
Bu doğrulamanın sonucu neden alındı?
Herkese açık rapor, /chat/verify sonrasında test uzmanına gösterilen analitik kanıtları yansıtır. Hakem puanları değerlendirme tablosu değerlendirmeleridir; yalnızca açık doğru veya yanlış RECALL yanıtları saf hatırlama kesme sınırını etkileyebilir.
Davranış teşhisi
4 teşhisHakem puanlama mantığı
Arşivlenen bu sonuç için ayrı bir yargıç gerekçesi korunmadı.
Arşivlenen bu sonuç için ayrı bir yargıç gerekçesi korunmadı.
Arşivlenen bu sonuç için ayrı bir yargıç gerekçesi korunmadı.
Arşivlenen bu sonuç için ayrı bir yargıç gerekçesi korunmadı.
Tarihsel karşılaştırma notu: Bu arşivlenmiş v1.4 genel puanı, önceki sabit tanı toplamayı kullanmıştır. Tekrarlanabilirlik amacıyla saklanır ve v1.5 Model Eşleştirme puanı olarak yorumlanmamalıdır.
Zamansal kanıt
0 PROBLARI GERİ ÇAĞIRSaf hatırlama zaman çizelgesi
Gerçek soru seti, test edilen model talebinden önce karıştırıldı. Eksik nesil slotları model çekimserliği değildir. Zaman çizelgesi, denetlenebilirlik açısından hedef ayları yeniden yapılandırır. Yalnızca açık RECALL yanıtları kesme kanıtıdır; ÇIKARMA, TAHMİN ve BİLİNMEYEN görünür kalır ancak sınırı değiştirmez.
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
✓ doğru GERİ ÇAĞIRMA✕ yanlış ÇAĞIRMA~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0doğru GERİ ÇAĞIRMA
0yanlış ÇAĞIRMA
Zamansal karşılaştırma
CONSISTENTBilgi sınırı karşılaştırması
Referans kesintisi2025-05ESTIMATED_WEB · 0%
En son desteklenen RECALL—0 uygun RECALL cevapları
Gözlemlenen sınırYetersiz GERİ ÇAĞIRMA kanıtıINSUFFICIENT_RECALL_EVIDENCE
Kesme HizalamasıCONSISTENT88/100 · 80% kendinden emin
Hakim notları
- 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.
Referans kesme kaynakları
anlamsal: doğru 20 · yanlış 4 · bilinmiyor 0. Kesintiden hariç tutuldu: 0.
Davranışsal kimlik
CONSISTENT · 82%Kimlik sinyalleri
Kimlik, iddia edilen model ile gözlemlenen bilgi/cevap profili arasındaki tutarlılıktan çıkarılır. Bu, servis ağırlıklarının uzaktan tasdiki veya kriptografik kanıtı değil, kanıtıdır.
Olumlu sinyaller
- Excellent recall across late 2023 through May 2025.
- Correct near-cutoff answer for the WHO Pandemic Agreement.
- No pattern of early knowledge degradation.
Negatif sinyaller
- 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.
Yargıç kimlik gerekçesi
- 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.
Test edilmiş model yanıtı
Verbatim model metnini çıkardı
Arşivlenmiş özet
Bu çalıştırma, tam raporun saklanmasını etkinleştirmeden önce gerçekleşir. Soru, cevap anahtarı ve normalleştirilmiş jüri değerlendirmesi mevcuttur, ancak tam olarak test edilmiş model yanıt metni, o kıyaslama dönemi gizlilik politikası tarafından kasıtlı olarak atılmıştır.
Karşılaştırma listesinin tamamını tamamlayın
Soru bazında kanıt
Kabul edilen tüm sorular beklenen yanıt, mevcut kaynak, test edilmiş model esası, anlamsal karar ve kesme uygunluğuyla birlikte gösterilir. Not verilmeyen sorular örnek çekimserlik değildir. Doğru bir TAHMİN veya ÇIKARIM anlamsal olarak doğru kalır ancak saf hatırlama kesme kanıtlarının dışında bırakılır.
✕K01UNKNOWNkesintinin dışında tutuldu
Who won the men's 100 metres at the World Athletics Championships in Tokyo?
Beklenen cevapOblique SevilleSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: WRONGBildirilen güven: 75%
Hakim notu: Expected Oblique Seville; answered Kishane Thompson.
✕K02UNKNOWNkesintinin dışında tutuldu
Which team won the UEFA Women's Euro 2025 final?
Beklenen cevapEnglandSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: WRONGBildirilen güven: 85%
Hakim notu: Expected England; answered Spain.
✓K03UNKNOWNkesintinin dışında tutuldu
Which disease's African upsurge did WHO declare a public health emergency of international concern?
Beklenen cevapmpoxSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches mpox.
✓K04UNKNOWNkesintinin dışında tutuldu
What molecular-structure prediction model did Google DeepMind and Isomorphic Labs introduce?
Beklenen cevapAlphaFold 3Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches AlphaFold 3.
✓K05UNKNOWNkesintinin dışında tutuldu
What model did OpenAI release as a unified system with built-in thinking?
Beklenen cevapGPT-5Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches GPT-5.
✓K06UNKNOWNkesintinin dışında tutuldu
Which operating system was affected by the faulty CrowdStrike Falcon content update?
Beklenen cevapWindowsSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Microsoft Windows is accepted.
✕K07UNKNOWNkesintinin dışında tutuldu
What was the nickname of Intuitive Machines' Nova-C lander that touched down on the Moon?
Beklenen cevapOdysseusSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: WRONGBildirilen güven: 80%
Hakim notu: Expected Odysseus; Odie is not an accepted answer.
✓K08UNKNOWNkesintinin dışında tutuldu
What was the name of Japan's lunar lander that successfully reached the Moon?
Beklenen cevapSLIMSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches SLIM.
✓K09UNKNOWNkesintinin dışında tutuldu
Who became the first private astronaut to perform a spacewalk?
Beklenen cevapJared IsaacmanSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches Jared Isaacman.
✓K10UNKNOWNkesintinin dışında tutuldu
Which country was appointed host of the 2034 FIFA World Cup?
Beklenen cevapSaudi ArabiaSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches Saudi Arabia.
✓K11UNKNOWNkesintinin dışında tutuldu
In which lunar mare did Firefly Aerospace's Blue Ghost land?
Beklenen cevapMare CrisiumSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches Mare Crisium.
✓K12UNKNOWNkesintinin dışında tutuldu
What model did DeepSeek begin serving through its deepseek-reasoner endpoint?
Beklenen cevapDeepSeek-R1Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches DeepSeek-R1.
✓K13UNKNOWNkesintinin dışında tutuldu
What was the name of the second malaria vaccine prequalified by WHO?
Beklenen cevapR21/Matrix-MSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches R21/Matrix-M.
✓K14UNKNOWNkesintinin dışında tutuldu
Which album won Album of the Year at the 67th Grammy Awards?
Beklenen cevapCowboy CarterSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches Cowboy Carter.
✓K15UNKNOWNkesintinin dışında tutuldu
How many European Parliament members voted in favor of the Artificial Intelligence Act?
Beklenen cevap523Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 85%
Hakim notu: Matches 523.
✓K16UNKNOWNkesintinin dışında tutuldu
How many grams of lunar material did the Chang'e-6 mission collect?
Beklenen cevap1,935.3 gramsSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches 1,935.3 grams.
✓K17UNKNOWNkesintinin dışında tutuldu
Which rocket launched NASA's Europa Clipper spacecraft?
Beklenen cevapFalcon HeavySource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches Falcon Heavy.
✓K18UNKNOWNkesintinin dışında tutuldu
What designation was given to the newly identified 33-solar-mass stellar black hole in the Milky Way?
Beklenen cevapGaia BH3Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches Gaia BH3.
✕K19UNKNOWNkesintinin dışında tutuldu
Who was awarded the 2025 Nobel Peace Prize?
Beklenen cevapMaria Corina MachadoSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: WRONGBildirilen güven: 70%
Hakim notu: Expected Maria Corina Machado; answered an institution.
✓K20UNKNOWNkesintinin dışında tutuldu
What annual climate-finance goal for developing countries did COP29 set for 2035?
Beklenen cevapUS$300 billion per yearSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches $300 billion per year.
✓K21UNKNOWNkesintinin dışında tutuldu
What was the name of the first human spaceflight to orbit over Earth's polar regions?
Beklenen cevapFram2Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches Fram2.
✓K22UNKNOWNkesintinin dışında tutuldu
Under which article of the WHO Constitution was the Pandemic Agreement adopted?
Beklenen cevapArticle 19Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 75%
Hakim notu: Matches Article 19.
✓K23UNKNOWNkesintinin dışında tutuldu
Which new Mario Kart game launched alongside Nintendo Switch 2?
Beklenen cevapMario Kart WorldSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches Mario Kart World.
✓K24UNKNOWNkesintinin dışında tutuldu
What model did OpenAI introduce with a 128K context window at its first DevDay?
Beklenen cevapGPT-4 TurboSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches GPT-4 Turbo.
Soru kapsamı ve araştırma notları
Gerçek sorular: 24 · Hakim tarafından notlandırılmadı: 0
Referans kesintisi ve alıntılar hakim tarafından sağlanır, platform tarafından bağımsız olarak onaylanmaz. Araştırma notları test edilen modeli cezalandırmaz.
Meta verileri çalıştır
Tekrarlanabilirlik ayrıntıları
Çalıştırma kimliği
0B0HVDB2FRJEJC90BRG4D7JV1YKalite testi
model-verification-single-request-v1.2Yargıç
gpt-5.6-solİstenen protokol
openai_chatAlgılanan yanıt şeması
Legacy / not recordedProtokol uyumluluğu
MAÇ / eskiModeli çıktısı
Not recordedGiriş jetonları
Not recordedÇıkış jetonları
Not recordedBitiş nedeni
Not recordedHTTP durumu
200Harici gecikme
88,304 msYanıt baytları
2,460SHA-256
f22e63d94e67fbd4fdfa25a27a37ae4b3402f94fc6801d14c2a4e638f85cfd9dÖnemli sınırlama
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.
Bağımsız bir doğrulama çalıştırın
Reklamı yapılan bir model kimliğine güvenmeden önce aynı uç noktayı kendiniz test edin veya diğer genel raporlara göz atın.