Herkese açık yapay zeka modeli doğrulama raporu
claude-opus-4-6
https://api.model-gate.com/v1/chat/completions
Eski kalite puanı60/100
CONSISTENT88% değerlendirme güveni
Kalıcı rapor
https://model-gate.com/tr/model-verification/results/68TGGQW6SM9411Y4XDAPH3BR3HHakim 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.
2024-09? K20UNKNOWN
2024-10? K14UNKNOWN
2024-11? K13UNKNOWN
2024-12? K22UNKNOWN
2025-01? K02UNKNOWN
2025-02? K10UNKNOWN? K18UNKNOWN
2025-03? K01UNKNOWN? K17UNKNOWN
2025-04? K03UNKNOWN? K16UNKNOWN
2025-05? K07UNKNOWN? K11UNKNOWN
2025-06? K09UNKNOWN? K21UNKNOWN
2025-07? K15UNKNOWN? K19UNKNOWN
2025-08? K06UNKNOWN? K24UNKNOWN
2025-09? K04UNKNOWN? K12UNKNOWN
2025-10? K05UNKNOWN
2025-11? K08UNKNOWN
2025-12? K23UNKNOWN
✓ doğru GERİ ÇAĞIRMA✕ yanlış ÇAĞIRMA~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
0UNKNOWN
0doğru GERİ ÇAĞIRMA
0yanlış ÇAĞIRMA
Zamansal karşılaştırma
CONSISTENTBilgi sınırı karşılaştırması
Referans kesintisi2025-05OFFICIAL_WEB · 100%
En son desteklenen RECALL—0 uygun RECALL cevapları
Gözlemlenen sınırYetersiz GERİ ÇAĞIRMA kanıtıINSUFFICIENT_RECALL_EVIDENCE
Kesme HizalamasıCONSISTENT88/100 · 87% kendinden emin
Hakim notları
- Recall is broadly strong from September 2024 through April 2025, with only one isolated February abstention.
- May is mixed across its dense probes, while June and July retain partial or strong knowledge before a sustained failure cluster in August and September.
- The observed transition range overlaps and immediately follows the official May 2025 reference cutoff.
- Correct later-control answers in October and November are isolated; the COP30 host was also knowable well before the event, so these do not establish a later sustained boundary.
Referans kesme kaynakları
anlamsal: doğru 16 · yanlış 2 · bilinmiyor 6. Kesintiden hariç tutuldu: 0.
Davranışsal kimlik
CONSISTENT · 88%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
- Correct on nearly all probes from September 2024 through April 2025.
- Mixed near-boundary performance in May.
- Sustained weak performance across both August and September dense evidence.
- Self-identifies as an Anthropic Claude model.
Negatif sinyaller
- Missed the February 2025 Album of the Year despite otherwise strong pre-cutoff recall.
- Answered several June and July events correctly after the nominal cutoff.
- Correctly guessed the October 2025 Nobel Peace Prize recipient.
- Did not identify its exact version and supplied no cutoff self-report.
Yargıç kimlik gerekçesi
- The behavioral boundary broadly aligns with the immutable May 2025 reference cutoff.
- Strong-recall performance is consistently high across most months before the reference cutoff.
- The August-September failure cluster supplies a meaningful temporal transition rather than relying on one obscure missed fact.
- Limited post-cutoff knowledge is not treated as proof of substitution and is compatible with inference, advance-publicized facts, or selective updates.
- The self-report supports the provider family but does not independently establish the exact model variant.
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
What was the name of Firefly Aerospace's lunar lander that successfully touched down on the Moon?
Beklenen cevapBlue GhostSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 85%
Hakim notu: Matches Blue Ghost.
✓K02UNKNOWNkesintinin dışında tutuldu
What was the name of Blue Origin's rocket that reached orbit on its maiden flight?
Beklenen cevapNew GlennSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches New Glenn.
✓K03UNKNOWNkesintinin dışında tutuldu
What was the designation of the Blue Origin mission that carried an all-women crew including Katy Perry and Gayle King?
Beklenen cevapNS-31Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 45%
Hakim notu: Matches NS-31.
?K04UNKNOWNkesintinin dışında tutuldu
Who won the men's 100 metres at the 2025 World Athletics Championships in Tokyo?
Beklenen cevapOblique SevilleSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: UNKNOWNBildirilen güven: 0%
Hakim notu: Explicit abstention.
✓K05UNKNOWNkesintinin dışında tutuldu
Which Venezuelan opposition leader 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: CORRECTBildirilen güven: 60%
Hakim notu: Matches Maria Corina Machado.
?K06UNKNOWNkesintinin dışında tutuldu
At which Alaska military installation did Donald Trump meet Vladimir Putin for their 2025 summit?
Beklenen cevapJoint Base Elmendorf-RichardsonSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: UNKNOWNBildirilen güven: 0%
Hakim notu: Explicit abstention.
✓K07UNKNOWNkesintinin dışında tutuldu
What landmark global health instrument did the World Health Assembly adopt?
Beklenen cevapWHO Pandemic AgreementSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 55%
Hakim notu: Explicitly includes WHO Pandemic Agreement.
✓K08UNKNOWNkesintinin dışında tutuldu
Which Brazilian city hosted the COP30 climate conference?
Beklenen cevapBelemSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 90%
Hakim notu: Matches Belem.
✓K09UNKNOWNkesintinin dışında tutuldu
Which new Nintendo console launched alongside Mario Kart World?
Beklenen cevapNintendo Switch 2Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 85%
Hakim notu: Matches Nintendo Switch 2.
?K10UNKNOWNkesintinin 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: UNKNOWNBildirilen güven: 0%
Hakim notu: Explicit abstention.
?K11UNKNOWNkesintinin dışında tutuldu
Which performer won the 2025 Eurovision Song Contest for Austria with Wasted Love?
Beklenen cevapJJSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: UNKNOWNBildirilen güven: 0%
Hakim notu: Explicit abstention.
✕K12UNKNOWNkesintinin dışında tutuldu
Which numbered iPhone generation did Apple debut at its September product event?
Beklenen cevapiPhone 17Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: WRONGBildirilen güven: 75%
Hakim notu: Answered iPhone 16; expected iPhone 17.
✓K13UNKNOWNkesintinin dışında tutuldu
Which city hosted the COP29 climate conference that concluded with a new climate-finance agreement?
Beklenen cevapBakuSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 92%
Hakim notu: Matches Baku.
✓K14UNKNOWNkesintinin dışında tutuldu
Which Japanese organization was awarded the 2024 Nobel Peace Prize?
Beklenen cevapNihon HidankyoSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 95%
Hakim notu: Matches Nihon Hidankyo.
?K15UNKNOWNkesintinin dışında tutuldu
Which national team defeated Spain on penalties to win UEFA Women's Euro 2025?
Beklenen cevapEnglandSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: UNKNOWNBildirilen güven: 0%
Hakim notu: Explicit abstention.
✓K16UNKNOWNkesintinin dışında tutuldu
Which pope died at the Vatican on Easter Monday 2025?
Beklenen cevapPope FrancisSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 85%
Hakim notu: Matches Pope Francis.
✓K17UNKNOWNkesintinin dışında tutuldu
Which film won Best Picture at the 97th Academy Awards?
Beklenen cevapAnoraSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 65%
Hakim notu: Matches Anora.
✓K18UNKNOWNkesintinin dışında tutuldu
Which political alliance became the largest group in Germany's 2025 Bundestag election?
Beklenen cevapCDU/CSUSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 85%
Hakim notu: Matches CDU/CSU.
✓K19UNKNOWNkesintinin dışında tutuldu
Which network of Indian forts became the country's 44th UNESCO World Heritage property?
Beklenen cevapMaratha Military Landscapes of IndiaSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 50%
Hakim notu: Matches Maratha Military Landscapes of India.
✓K20UNKNOWNkesintinin dışında tutuldu
Which mission conducted the first commercial spacewalk?
Beklenen cevapPolaris DawnSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 92%
Hakim notu: Matches Polaris Dawn.
✓K21UNKNOWNkesintinin dışında tutuldu
Which private astronaut mission launched Peggy Whitson and Shubhanshu Shukla to the International Space Station?
Beklenen cevapAxiom Mission 4Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 70%
Hakim notu: Matches Axiom Mission 4.
✓K22UNKNOWNkesintinin dışında tutuldu
Which Paris cathedral formally reopened five years after a devastating fire?
Beklenen cevapNotre-Dame de ParisSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: CORRECTBildirilen güven: 97%
Hakim notu: Matches Notre-Dame de Paris.
?K23UNKNOWNkesintinin dışında tutuldu
Who won Chile's 2025 presidential runoff election?
Beklenen cevapJose Antonio KastSource ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: UNKNOWNBildirilen güven: 0%
Hakim notu: Explicit abstention.
✕K24UNKNOWNkesintinin dışında tutuldu
What new flagship AI system did OpenAI introduce?
Beklenen cevapGPT-5Source ↗
Test edilmiş model yanıtı—Bu arşivlenmiş çalıştırma için tam model yanıtı korunmadı.
Yargıç kararı: WRONGBildirilen güven: 40%
Hakim notu: Answered GPT-4o; expected GPT-5.
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
68TGGQW6SM9411Y4XDAPH3BR3HKalite testi
model-verification-single-request-v1.3Yargıç
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
10,087 msYanıt baytları
2,591SHA-256
37edfee0969ea8c1529cf6db6830118353b483a27995cedcf20b25e5b40b8ff1Önemli 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.