Model baru Meta menduduki peringkat pertama di tiga papan peringkat, Agen hukum melampaui Grok.

robot
Pembuatan abstrak sedang berlangsung
Model baru Meta, Muse Spark 1.1, dalam evaluasi yang dirilis oleh lembaga evaluasi AI Vals AI, secara berturut-turut meraih peringkat pertama dalam tiga kategori: dokumen medis, tanya jawab perpajakan, dan agen hukum, dengan skor masing-masing 88,89%, 79,72%, dan 20,00%. Dalam evaluasi perpajakan TaxEval V2, Muse Spark 1.1 melampaui Fable 5, Opus 4.8, dan GPT-5.5. Evaluasi mencakup lebih dari 1.200 soal tes yang tidak dipublikasikan, yang memeriksa baik jawaban maupun proses penalaran. Dalam evaluasi agen hukum, Muse Spark 1.1 mencetak 20,00%, melampaui Grok 4,5 yang mencapai 12,92% dan Fable 5 yang mencapai 11,25%. Dalam evaluasi pemrograman aplikasi web, Muse Spark 1.1 mencetak 72,16%, melampaui GPT-5.5, Grok 4.5, dan GPT-5.4, tetapi masih tertinggal dari Fable 5 dan beberapa model Claude.
META4,68%
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • 4
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
ExitLiquidityEddie
· 3jam yang lalu
Meta dengan 88% di bidang medis ini lumayan, pajak hampir 80% juga cukup, tapi agen hukum 20% apa ini serius? Rasanya seperti dipaksain jadi angka bulat.
Lihat AsliBalas0
NeonUmbrella
· 3jam yang lalu
TaxEval V2 menggunakan 1.200 soal tidak dipublikasikan untuk mengukur penalaran, lebih baik daripada sekadar membanjiri papan peringkat. Spark 1.1 mampu melampaui Opus 4.8 dan GPT-5.5, menunjukkan fondasi yang kuat.
Lihat AsliBalas0
GateUser-cf218ace
· 3jam yang lalu
Hukum unggul 20% atas Grok 4.5 dan Fable 5... Seluruh sektor ini masih dalam tahap TK, tunggu yang bisa digunakan.
Lihat AsliBalas0
MoonlightMarketMaking
· 3jam yang lalu
Pemrograman web 72% melampaui seluruh keluarga GPT tetapi kalah dengan Claude, Fable 5 masih stabil, di bidang frontend pemain lama memiliki parit yang dalam.
Lihat AsliBalas0
  • Disematkan