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
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11