Модель Meta заняла первое место в трёх рейтингах, юридический агент обогнал Grok 4.5

robot
Генерация тезисов в процессе

Согласно мониторингу Beating, агентство по оценке ИИ Vals AI опубликовало результаты Muse Spark 1.1. Модель заняла первое место в трех категориях: медицинская документация, налоговые вопросы и Legal Agent, набрав 88,89%, 79,72% и 20,00% соответственно.

В налоговой оценке TaxEval v2 она превзошла Fable 5, Opus 4.8 и GPT-5.5. Оценка включает более 1200 нераскрытых тестовых заданий, проверяющих как ответы, так и процесс рассуждения. Разрыв между ведущими моделями невелик: разница между первой десяткой составляет менее 3 процентных пунктов.

В оценке Legal Agent Muse Spark 1.1 набрала 20,00%, превысив показатели Grok 4.5 (12,92%) и Fable 5 (11,25%). Тест требовал от модели выполнения реальных юридических задач с использованием инструментов для работы с документами, таблицами и файлами.

В оценке веб-программирования модель набрала 72,16%, опередив GPT-5.5, Grok 4.5 и GPT-5.4, но все еще уступая Fable 5 и нескольким моделям Claude.

META4,68%
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закреплено