Model baru Meta berhasil meraih peringkat pertama di tiga daftar, agen hukum melampaui Grok 4.5

robot
Pembuatan abstrak sedang berlangsung

Menurut pemantauan Beating, lembaga evaluasi AI Vals AI merilis hasil Muse Spark 1.1. Model ini menduduki peringkat pertama dalam tiga evaluasi: dokumen medis, tanya jawab pajak, dan Agen hukum, dengan skor masing-masing 88,89%, 79,72%, dan 20,00%.

Dalam evaluasi pajak TaxEval v2, model ini melampaui Fable 5, Opus 4.8, dan GPT-5.5. Evaluasi ini mencakup lebih dari 1.200 soal tes yang tidak dipublikasikan, yang memeriksa baik jawaban maupun proses penalaran. Perbedaan antar model teratas kecil, dengan sepuluh besar hanya berbeda kurang dari 3 poin persentase.

Dalam evaluasi Agen hukum, Muse Spark 1.1 mendapat skor 20,00%, melampaui Grok 4,5 yang mendapat 12,92% dan Fable 5 yang mendapat 11,25%. Tes mengharuskan model menggunakan dokumen, spreadsheet, dan alat file untuk menyelesaikan pekerjaan hukum nyata.

Dalam evaluasi pemrograman aplikasi web, model ini mendapat skor 72,16%, melampaui GPT-5.5, Grok 4.5, dan GPT-5.4, tetapi masih tertinggal dari Fable 5 dan beberapa model Claude.

META5,69%
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
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar
  • Disematkan