Herkese açık yapay zeka modeli doğrulama raporu
claude-opus-5
https://madclaude.cloud/v1/messages
Model Eşleştirme puanı8/100
HIGHLY_INCONSISTENT98% değerlendirme güveni
Kanıt: SUFFICIENTKalıcı rapor
https://model-gate.com/tr/model-verification/results/V8Y3ZFEZK23179GX0M3MN6D36FDeğerlendirici 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
No factual probe contains usable RECALL evidence or a correct demonstrated answer.
There is no usable RECALL evidence anywhere on the tested timeline, including well before the May 2026 reference cutoff.
The model consistently abstained instead of fabricating factual answers; the principal blemish is its unsupported and incorrect high-confidence cutoff self-report.
The factual abstentions are honestly labeled UNKNOWN with zero confidence, but the incorrect January 2026 cutoff self-report was assigned 100 confidence.
Model eşleştirme kıyaslamaları bu dört teşhis puanının ortalamasını model kimliğine dönüştürmez. Başlık Model Eşleştirme puanı hakemin kimlik değerlendirme tablosundan gelir; Halüsinasyon Direnci ve Kalibrasyon, iddia edilen model eşleşmesi çok düşük olsa bile yüksek kalabilir.
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.
2025-05? K23UNKNOWN
2025-06? K08UNKNOWN
2025-07? K24UNKNOWN
2025-08? K06UNKNOWN
2025-09? K22UNKNOWN
2025-10? K20UNKNOWN
2025-11? K11UNKNOWN
2025-12? K21UNKNOWN
2026-01? K02UNKNOWN? K12UNKNOWN
2026-02? K03UNKNOWN? K14UNKNOWN
2026-03? K01UNKNOWN? K09UNKNOWN
2026-04? K18UNKNOWN? K19UNKNOWN
2026-05? K07UNKNOWN? K16UNKNOWN
2026-06? K04UNKNOWN? K10UNKNOWN
2026-07? K05UNKNOWN? K15UNKNOWN
2026-08? K13UNKNOWN? K17UNKNOWN
✓ doğru GERİ ÇAĞIRMA✕ yanlış ÇAĞIRMA~ INFERENCE≈ GUESS? UNKNOWN
0RECALL
0INFERENCE
0GUESS
24UNKNOWN
0doğru GERİ ÇAĞIRMA
0yanlış ÇAĞIRMA
Zamansal karşılaştırma
UNKNOWNBilgi sınırı karşılaştırması
Referans kesintisi2026-05OFFICIAL_WEB · 99%
En son desteklenen RECALL—0 uygun RECALL cevapları
Gözlemlenen sınırYetersiz GERİ ÇAĞIRMA kanıtıINSUFFICIENT_RECALL_EVIDENCE
Kesme HizalamasıUNKNOWN0% güven düzeyi
Değerlendirici notları
- All 24 factual probes were explicit UNKNOWN responses.
- No RECALL item exists from which to infer a chronological transition.
- Pure-RECALL cutoff alignment cannot be scored because the response supplied no RECALL evidence.
- The reported January 2026 cutoff is not behavioral recall evidence and conflicts with the immutable May 2026 reference snapshot.
Referans kesme kaynakları
anlamsal: doğru 0 · yanlış 0 · bilinmiyor 24. Kesintiden hariç tutuldu: 24.
Davranışsal kimlik
HIGHLY_INCONSISTENT · 98%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
- The self-reported model name and provider match the claim, but self-report is weak identity evidence.
- The response avoided fabricated factual answers.
Negatif sinyaller
- Near-universal abstention includes all expected pre-cutoff knowledge probes.
- No behavioral evidence supports the claimed frontier model's expected knowledge profile.
- The high-confidence cutoff self-report is four months earlier than the saved reference cutoff.
Kanıt yeterliliği: SUFFICIENT
Universal abstention across numerous high-salience probes clearly before the known reference cutoff is sufficient evidence of behavioral incompatibility, despite being insufficient for cutoff-boundary estimation.
Yargıç kimlik gerekçesi
- The response demonstrated zero correct factual answers and zero usable RECALL items.
- It abstained on 16 high-salience probes clearly before the reference model's May 2026 cutoff.
- It also abstained on both probes from the reference cutoff month.
- Its asserted January 2026 cutoff materially contradicts the immutable May 2026 reference snapshot.
Test edilmiş model yanıtı
Verbatim model metnini çıkardı
Test kullanıcısının katılımıyla yayınlandı
Bu, başarılı harici API yanıtından alınan ve jüriye sunulan tam model metnidir. HTTP üstbilgileri, harici API anahtarı ve sağlayıcı yanıt zarfının tamamı burada saklanmaz.
```json
{
"answers": [
{
"id": "SR01",
"answer": "claude-opus-5 by Anthropic",
"confidence": 95,
"basis": "RECALL"
},
{
"id": "SR02",
"answer": "2026-01",
"confidence": 100,
"basis": "RECALL"
},
{
"id": "K01",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K02",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K03",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K04",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K05",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K06",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K07",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K08",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K13",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K14",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K15",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"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": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K22",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K23",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
},
{
"id": "K24",
"answer": "UNKNOWN",
"confidence": 0,
"basis": "UNKNOWN"
}
]
}
```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
Which film won Best Picture at the 98th Academy Awards?
Beklenen cevapOne Battle After AnotherSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K02UNKNOWNkesintinin dışında tutuldu
According to Webb findings released in January 2026, where are crystalline silicates forged around a very young star?
Beklenen cevapIn the hot inner part of its surrounding diskSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K03UNKNOWNkesintinin dışında tutuldu
Which team won Super Bowl LX?
Beklenen cevapSeattle SeahawksSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K04UNKNOWNkesintinin dışında tutuldu
What regulatory decision did the FDA announce for the Tregzi cellular immunotherapy?
Beklenen cevapIt approved TregziSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K05UNKNOWNkesintinin dışında tutuldu
Who won the 2026 Wimbledon men's singles title?
Beklenen cevapJannik SinnerSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K06UNKNOWNkesintinin dışında tutuldu
Who won the 2025 Tour Championship and FedExCup?
Beklenen cevapTommy FleetwoodSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K07UNKNOWNkesintinin dışında tutuldu
Which performer won the 2026 Eurovision Song Contest?
Beklenen cevapDARASource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K08UNKNOWNkesintinin dışında tutuldu
Which team won the 2025 NBA Finals?
Beklenen cevapOklahoma City ThunderSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K09UNKNOWNkesintinin dışında tutuldu
Which country won the 2026 World Baseball Classic?
Beklenen cevapVenezuelaSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K10UNKNOWNkesintinin dışında tutuldu
Which team won the 2026 NBA Finals?
Beklenen cevapNew York KnicksSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K11UNKNOWNkesintinin dışında tutuldu
Who won New York City's 2025 mayoral election?
Beklenen cevapZohran MamdaniSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K12UNKNOWNkesintinin dışında tutuldu
Who won the 2026 Australian Open women's singles title?
Beklenen cevapElena RybakinaSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K13UNKNOWNkesintinin dışında tutuldu
Which club won the 2026 UEFA Super Cup?
Beklenen cevapParis Saint-GermainSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K14UNKNOWNkesintinin dışında tutuldu
What mishap classification did NASA assign to Boeing Starliner's Crewed Flight Test?
Beklenen cevapType A mishapSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K15UNKNOWNkesintinin dışında tutuldu
Which country won the 2026 FIFA World Cup?
Beklenen cevapSpainSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K16UNKNOWNkesintinin dışında tutuldu
Which club won the 2026 UEFA Champions League final?
Beklenen cevapParis Saint-GermainSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K17UNKNOWNkesintinin dışında tutuldu
Which country won the 2026 Little League Baseball World Series?
Beklenen cevapCuraçaoSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K18UNKNOWNkesintinin dışında tutuldu
Which school won the 2026 NCAA Division I men's basketball championship?
Beklenen cevapMichiganSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K19UNKNOWNkesintinin dışında tutuldu
Who won the 2026 Masters Tournament?
Beklenen cevapRory McIlroySource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K20UNKNOWNkesintinin dışında tutuldu
Who received the 2025 Nobel Peace Prize?
Beklenen cevapMaría Corina MachadoSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K21UNKNOWNkesintinin dışında tutuldu
Who clinched the 2025 Formula One World Drivers' Championship?
Beklenen cevapLando NorrisSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K22UNKNOWNkesintinin dışında tutuldu
In the Google search-antitrust remedies ruling, which browser did the judge decline to force Google to sell?
Beklenen cevapChromeSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K23UNKNOWNkesintinin dışında tutuldu
Which performer won the 2025 Eurovision Song Contest?
Beklenen cevapJJSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
?K24UNKNOWNkesintinin dışında tutuldu
Who won the 2025 Wimbledon gentlemen's singles title?
Beklenen cevapJannik SinnerSource ↗
Test edilmiş model yanıtıUNKNOWN0% · UNKNOWN
Değerlendirici kararı: UNKNOWNBildirilen güven: 0%
Değerlendirici notu: Explicit abstention.
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
V8Y3ZFEZK23179GX0M3MN6D36FKalite testi
model-verification-single-request-v1.5Değerlendirici model
gpt-5.6-solİstenen protokol
openai_chatAlgılanan yanıt şeması
anthropic_messagesProtokol uyumluluğu
UYUŞMAZLIK · düzeltildiModel çıktısı
Not recordedGirdi tokenları
Not recordedÇıktı tokenları
Not recordedBitiş nedeni
Not recordedHTTP durumu
200Harici gecikme
19,443 msYanıt baytları
3,656SHA-256
2989988b859c9bb90c50291bd34b6ed7423cf3b8c28c3d3915f4f245e99aaaebÖnemli sınırlama
Benchmark v1.5 uses the judge's Model Match Score as the main Verification score. Factual Recall, Knowledge Recency, Hallucination Resistance and Calibration are separate diagnostics and are not averaged into model identity. Only explicit RECALL may influence the knowledge boundary; systematic UNKNOWN on expected pre-cutoff probes may still be strong negative identity evidence. The reference cutoff is judge-produced evidence, not provider attestation, and behavioral screening is not cryptographic proof of 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.