Mô hình mới của Meta giành vị trí số 1 trên ba bảng xếp hạng liên tiếp, Agent pháp lý vượt qua Grok

robot
Đang tạo bản tóm tắt
Tin từ Bi Giới Võng, mô hình mới của Meta là Muse Spark 1.1 đã liên tiếp giành vị trí đầu tiên trong ba hạng mục đánh giá của tổ chức đánh giá AI Vals AI bao gồm hồ sơ y tế, hỏi đáp thuế và Agent pháp lý, với số điểm lần lượt là 88,89%, 79,72% và 20,00%. Trong bài đánh giá thuế TaxEval V2, Muse Spark 1.1 đã vượt qua Fable 5, Opus 4.8 và GPT-5.5, bài đánh giá bao gồm hơn 1.200 câu hỏi chưa công bố, kiểm tra cả đáp án lẫn quy trình suy luận. Trong đánh giá Agent pháp lý, Muse Spark 1.1 đạt 20,00%, vượt qua 12,92% của Grok 4.5 và 11,25% của Fable 5. Trong đánh giá lập trình ứng dụng web, Muse Spark 1.1 đạt 72,16%, vượt qua GPT-5.5, Grok 4.5 và GPT-5.4, nhưng vẫn thua kém Fable 5 và nhiều mô hình Claude.
META4,68%
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • 4
  • Đăng lại
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
ExitLiquidityEddie
· 4giờ trước
Meta lần này y tế 88% có chút đỉnh, thuế gần 80% cũng đủ dùng, nhưng Legal Agent 20% có nghiêm túc không? Cảm giác như cố tình làm tròn số vậy.
Xem bản gốcTrả lời0
NeonUmbrella
· 4giờ trước
TaxEval V2 dùng 1200 câu hỏi chưa công bố để kiểm tra suy luận, thực tế hơn nhiều so với việc chạy bảng xếp hạng; Spark 1.1 có thể vượt qua Opus 4.8 và GPT-5.5 cho thấy nền tảng tốt.
Xem bản gốcTrả lời0
GateUser-cf218ace
· 4giờ trước
Pháp lý dẫn trước 20% so với Grok 4.5 và Fable 5... Toàn bộ lĩnh vực này vẫn đang ở giai đoạn mẫu giáo thôi, chờ một cái có thể dùng được.
Xem bản gốcTrả lời0
MoonlightMarketMaking
· 4giờ trước
Lập trình web: 72% vượt qua cả họ GPT nhưng không thắng nổi Claude, Fable 5 vẫn ổn định, mảng front-end này hàng cũ hào sâu.
Xem bản gốcTrả lời0
  • Đã ghim