法律任务:模型满足九成细则却难整题通关
ArtificialAnlys · x · 2026-07-08
Artificial Analysis 发现模型能处理一项法律事务的大部分要求但极少全部满足:领先模型可达成逾 90% 的单项评分细则,整题全通过率却仅 0%–14.2%;仅 4 个模型细则通过率超 90%,依次为 Fable 5(93.6%,最高)、Opus 4.8(91.1%)、GLM-5.2(91.0%)和 Sonnet 5(90.1%)。
所属事件:Artificial Analysis 发布 Harvey 法律智能体基准评测(8 条相关)→
「模型」频道最新
- 爆料称 Fable 5.5 大概率本周内发布 — kimmonismus · 2026-10-27
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27