BenchLeader

CaseLaw v2のリーダーボード

2026年11月16日時点で、CaseLaw v2の最高スコアは79.3%で、Grok 4.3(SpaceXAI)が記録しています。次点はGPT-5.1の73.4%です。公表された結果があるのは53のモデル構成です(Vals AI、結果の日付は2026年5月4日)。弁護士が作成した、カナダの裁判所の判決に関する質問で、判例を読んで当てはめることが求められます。CaseLaw v2は参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • Grok 4.3がCaseLaw v2の最高スコア79.3%を記録しています(Vals AI、2026年5月4日)。
  • CaseLaw v2の2位はGPT-5.1で、73.4%です(Vals AI、2026年5月4日)。
  • CaseLaw v2:カナダの裁判例についての質問。Vals AIが実施(Vals AI)。
  • BenchLeaderでは53のモデル構成にCaseLaw v2の公表結果があります(BenchLeader、2026年11月16日)。
  • CaseLaw v2はBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

カナダの裁判例についての質問。Vals AIが実施。

公開元
Vals AI
カテゴリ
知識
Indexでの重み
参考のみ
モデル
53
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

弁護士が作成した、カナダの裁判所の判決に関する質問で、判例を読んで当てはめることが求められます。

採点方法

正答率で、Vals AIが実行しています。

注意点

カナダに特化しており、米国中心のLegalBenchを補完します。

53件中53件
#
1Grok 4.379.3%54.5$0.0402026-05-04
2GPT-5.1high73.4%57.5$0.0432026-05-04
3GPT-4.1high69.9%46.6$0.0472026-05-04
4GPT-5 minihigh68.5%54.6$0.0112026-05-04
5Claude Opus 4.768.4%63.1$0.1622026-05-04
6GPT-5high66.5%58.2$0.0672026-05-04
7GPT-5.5xhigh66.2%64.1$0.1552026-05-04
8GPT-5.2xhigh66.0%59.9$0.1042026-05-04
9Grok 465.8%58.1$0.1592026-05-04
10Kimi K2 Thinkingthinking65.7%52.3$0.0152026-05-04
11Grok 4 Fastthinking65.7%51.6$0.00732026-05-04
12Gemini 3.1 Prohigh64.8%60.4$0.1362026-05-04
13Command A64.5%42.1$0.0982026-05-04
14Claude Sonnet 4.664.0%57.6$0.1452026-05-04
15Gemini 2.5 Pro63.9%55.2$0.2572026-05-04
16GPT-5.4xhigh63.8%63.1$0.1012026-05-04
17Muse Spark63.1%64.2$0.00652026-05-04
18Claude Opus 4.5thinking62.6%59.3$0.2292026-05-04
19Claude Sonnet 4.5thinking62.2%52.3$0.2562026-05-04
20Claude Opus 4.6thinking62.1%–$0.2312026-05-04
21Mistral Large 361.4%45.1$0.0192026-05-04
22Kimi K2.661.2%55.1$0.0262026-05-04
23MiniMax M2.760.9%56.6$0.00312026-05-04
24Grok 4.1 Fastthinking60.5%55.3$0.0112026-05-04
25Qwen3.5 Plusthinking59.7%57.4$0.0302026-05-04
26GPT-4ohigh59.7%41.6$0.0672026-05-04
27DeepSeek V4 Promax59.4%54.7$0.0132026-05-04
28Kimi K2.5thinking58.7%59.4$0.0252026-05-04
29Trinity Largethinking57.9%47.0$0.00892026-05-04
30Claude Haiku 4.5thinking56.5%45.7$0.0502026-05-04
31Qwen3.5 Flash56.0%51.8$0.00492026-05-04
32Gemini 3 Flashhigh55.8%57.4$0.0252026-05-04
33MiniMax-M2.155.8%53.8$0.00802026-05-04
34DeepSeek V3.2high55.4%54.2$0.0182026-05-04
35Qwen3 Maxmax55.0%54.2$0.0852026-05-04
36Gemini 3.1 Flash Litehigh55.0%48.4$0.00932026-05-04
37GLM 4.754.9%51.7$0.0212026-05-04
38Grok 4.20thinking54.5%58.3$0.0682026-05-04
39DeepSeek V3.153.9%49.0$0.0172026-05-04
40MiniMax M2.553.5%53.7$0.0122026-05-04
41Qwen3.6 27B53.2%47.9$0.0242026-05-04
42Gemini 3 Prohigh53.1%60.0$0.1382026-05-04
43GPT-5 nanohigh52.6%47.4$0.00422026-05-04
44Gemma 4 31Bhigh52.6%––2026-05-04
45GLM-5thinking52.5%60.2$0.0342026-05-04
46GPT-5.4 Nanohigh51.9%48.3$0.00112026-05-04
47GPT-5.4 Minixhigh51.7%55.1$0.0412026-05-04
48GLM 5.151.5%55.4$0.0342026-05-04
49Qwen3.6 Plus51.5%59.0$0.0472026-05-04
50gpt-oss-120b48.8%46.1$0.00432026-05-04
51Qwen3.6 Maxmax47.9%62.1$0.0522026-05-04
52Mistral Medium 3.5high44.2%–$0.0852026-05-04
53gpt-oss-20b43.8%44.5$0.00222026-05-04

知識のベンチマークをもっと見る · LLMベンチマーク一覧

CaseLaw v2での注目のモデル比較

引用表記:BenchLeader「CaseLaw v2のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/vals_caselaw

CaseLaw v2:よくある質問

CaseLaw v2は何を測るベンチマークですか?
弁護士が作成した、カナダの裁判所の判決に関する質問で、判例を読んで当てはめることが求められます。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
CaseLaw v2の最高スコアは?
2026年11月16日時点で、CaseLaw v2の最高スコアは79.3%で、Grok 4.3が記録しています(結果の日付は2026年5月4日)。次点はGPT-5.1の73.4%です。スコアはVals AIの公表値で、毎日読み直しています。
CaseLaw v2でトップのAIモデルは?
2026年11月16日時点で、CaseLaw v2の首位はGrok 4.3で、スコアは79.3%です(結果の日付は2026年5月4日)。続いてGPT-5.1(73.4%)です。
CaseLaw v2の結果があるモデルはいくつですか?
BenchLeaderでは53のモデル構成にCaseLaw v2の結果があり、すべてVals AIから取得しています。
CaseLaw v2を運営しているのは誰で、どのくらいの頻度で更新されますか?
CaseLaw v2はVals AIが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
CaseLaw v2はBenchLeader Indexに含まれますか?
いいえ。CaseLaw v2は参考として掲載していますが、総合スコアには含めていません。