El nuevo modelo de Meta encabeza tres listas por primera vez, y el agente legal supera a Grok 4.5

robot
Generación de resúmenes en curso

Según el monitoreo de 动察 Beating, la institución de evaluación de IA Vals AI publicó los resultados de Muse Spark 1.1. El modelo obtuvo el primer puesto en tres evaluaciones: redacción de documentos médicos, consultas fiscales y agente legal, con puntuaciones de 88,89%, 79,72% y 20,00%, respectivamente.

En la evaluación fiscal TaxEval v2, superó a Fable 5, Opus 4.8 y GPT-5.5. Esta evaluación incluye más de 1200 preguntas no divulgadas, que verifican tanto las respuestas como el proceso de razonamiento. La brecha entre los modelos líderes es pequeña; los diez primeros difieren en menos de 3 puntos porcentuales.

En la evaluación de agente legal, Muse Spark 1.1 obtuvo un 20,00%, superando el 12,92% de Grok 4.5 y el 11,25% de Fable 5. La prueba requería que el modelo utilizara documentos, tablas y herramientas de archivo para completar trabajos legales reales.

En la evaluación de programación de aplicaciones web, obtuvo un 72,16%, superando a GPT-5.5, Grok 4.5 y GPT-5.4, pero aún por detrás de Fable 5 y varios modelos Claude.

META4,68%
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • Comentar
  • Republicar
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
Sin comentarios
  • Fijado