Kimi K3 在自主法律工作基准测试中领先
rohanpaul_ai · x · 2026-07-19
在一项针对自主法律工作的严格基准测试中，Kimi K3 以 26.7% 的成功率大幅领先第二名 Claude Fable 5（14.2%）。
该测试包含 24 个法律领域的 120 项真实任务（如撰写备忘录和取证摘要），要求模型自主阅读案卷并生成完整的法律文件。评分极为严格，遗漏任何细节即判定整个任务失败，这解释了为何领先者的成功率也仅为 26.7%。
整体来看，每 100 个任务中仅能成功完成约 27 个，说明 AI 在完全无监督的法律工作领域仍有很长的路要走。
所属事件:Kimi K3 在 Harvey 法律基准领跑(4 条相关)→
「模型」频道最新
- 讽刺帖晒 DeepSeek 文档图表理解翻车：定位框集体错位 — burkov · 2026-10-18
- 开发者吐槽:Claude 模型爱说 "not done" 成当前最大痛点 — jasonkneen · 2026-10-18
- 开源语音决策模型 TYGER 发布：80ms 决策让语音 Agent 实现全双工 — solyarisoftware · 2026-10-18
- 付费 Google AI 订阅撞墙：自定义域名账户被要求转个人账号 — ChrisRackauckas · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18