Mô hình mới của Meta giành ba ngôi vị đầu bảng xếp hạng liên tiếp, Legal Agent vượt qua Grok 4.5

robot
Đang tạo bản tóm tắt

Theo giám sát của Động Sát Beating, tổ chức đánh giá AI Vals AI đã công bố kết quả của Muse Spark 1.1. Mô hình đứng đầu trong ba hạng mục đánh giá: tài liệu y tế, trả lời câu hỏi thuế và Agent pháp lý, lần lượt đạt 88,89%, 79,72% và 20,00%.

Trong bài đánh giá thuế TaxEval v2, nó vượt qua Fable 5, Opus 4.8 và GPT-5.5. Bài đánh giá bao gồm hơn 1.200 câu hỏi kiểm tra chưa công bố, vừa kiểm tra câu trả lời, vừa kiểm tra quy trình suy luận. Khoảng cách giữa các mô hình hàng đầu khá nhỏ, top 10 chênh lệch nhau chưa đến 3 điểm phần trăm.

Trong đánh giá Agent pháp lý, Muse Spark 1.1 đạt 20,00%, vượt qua Grok 4.5 với 12,92% và Fable 5 với 11,25%. Yêu cầu kiểm tra mô hình sử dụng các công cụ tài liệu, bảng biểu và tệp để hoàn thành công việc pháp lý thực tế.

Trong bài đánh giá lập trình ứng dụng web, nó đạt 72,16%, vượt qua GPT-5.5, Grok 4.5 và GPT-5.4, nhưng vẫn thua Fable 5 và một số 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
  • Bình luận
  • Đăng lại
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
Không có bình luận
  • Đã ghim