Kimi K3 法律基准领先
petrusenko_max · x · 2026-07-19
Kimi K3 在一项困难的自主法律工作 benchmark 上拿到 26.7%，几乎是最近竞争者 Claude Fable 5 的两倍（14.2%）。
这个测试覆盖 24 个法律领域、共 120 个私有任务，包括 memo 和 deposition summary。模型需要完整处理案件文件并输出最终文档，而且评分很严格：任一 rubric 细节缺失就算失败。作者也指出，虽然 27% 已经领先，但 AI 要真正可靠地独立完成法律工作，还有很长路要走。
所属事件:Kimi K3 在 Harvey 法律基准领跑(4 条相关)→
「模型」频道最新
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- Anthropic 发布迄今最详尽威胁情报报告:无人机蜂群滥用案例曝光 — soumitrashukla9 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 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