广场
最新
热门
资讯
我的主页
发布
Meta新模型连夺三榜第一，法律Agent反超Grok 4.5
区块律动
2026-07-10 03:07:38
关注
摘要生成中
据动察 Beating 监测，AI 评测机构 Vals AI 公布 Muse Spark 1.1 成绩。模型在医疗文书、税务问答和法律 Agent 三项评测中排名第一，得分分别为 88.89%、79.72% 和 20.00%。
在税务评测 TaxEval v2 中，它超过 Fable 5、Opus 4.8 和 GPT-5.5。该评测包含超过 1200 道未公开测试题，既检查答案，也检查推理过程。头部模型差距较小，前十名相差不到 3 个百分点。
法律 Agent 评测中，Muse Spark 1.1 得分 20.00%，超过 Grok 4.5 的 12.92% 和 Fable 5 的 11.25%。测试要求模型使用文档、表格和文件工具完成真实法律工作。
它在网页应用编程评测中得分 72.16%，超过 GPT-5.5、Grok 4.5 和 GPT-5.4，但仍落后于 Fable 5 和多款 Claude 模型。
META
4.68%
此页面可能包含第三方内容，仅供参考（非陈述/保证），不应被视为 Gate 认可其观点表述，也不得被视为财务或专业建议。详见
声明
。
赞赏
点赞
评论
转发
分享
评论
请输入评论内容
请输入评论内容
评论
暂无评论
热门话题
查看更多
#
预测世界杯西班牙VS比利时
26.23万 热度
#
GateUS合规扩展佛罗里达
430.8万 热度
#
美股AI概念股普涨
123.39万 热度
#
美伊战争阴云再起
390.83万 热度
#
GUSD年化升至3.8%
50.03万 热度
置顶
网站地图
Meta新模型连夺三榜第一，法律Agent反超Grok 4.5
在税务评测 TaxEval v2 中，它超过 Fable 5、Opus 4.8 和 GPT-5.5。该评测包含超过 1200 道未公开测试题，既检查答案，也检查推理过程。头部模型差距较小，前十名相差不到 3 个百分点。
法律 Agent 评测中，Muse Spark 1.1 得分 20.00%，超过 Grok 4.5 的 12.92% 和 Fable 5 的 11.25%。测试要求模型使用文档、表格和文件工具完成真实法律工作。
它在网页应用编程评测中得分 72.16%，超过 GPT-5.5、Grok 4.5 和 GPT-5.4，但仍落后于 Fable 5 和多款 Claude 模型。