TaxEvalのリーダーボード
2026年11月16日時点で、TaxEvalの最高スコアは80.4%で、Muse Spark 1.2(Meta)が記録しています。次点はMuse Spark 1.1の79.7%です。公表された結果があるのは140のモデル構成です(Vals AI、結果の日付は2026年9月1日)。TaxEvalは、申告のルールから納税額の計算まで米国の税務に関する質問を出し、税務の専門家が確認しています。TaxEvalはBenchLeader Indexの知識スコアに反映されます。
要点(2026年11月16日時点)
- Muse Spark 1.2がTaxEvalの最高スコア80.4%を記録しています(Vals AI、2026年9月1日)。
- TaxEvalの2位はMuse Spark 1.1で、79.7%です(Vals AI、2026年9月1日)。
- TaxEval:専門家が確認した米国の税務の質問。Vals AIが実施(Vals AI)。
- BenchLeaderでは140のモデル構成にTaxEvalの公表結果があります(BenchLeader、2026年11月16日)。
- TaxEvalはBenchLeader Indexの知識カテゴリに反映されます(BenchLeaderの評価方法)。
専門家が確認した米国の税務の質問。Vals AIが実施。
- 公開元
- Vals AI
- カテゴリ
- 知識
- Indexでの重み
- 0.5
- モデル
- 140
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
TaxEvalは、申告のルールから納税額の計算まで米国の税務に関する質問を出し、税務の専門家が確認しています。
採点方法
正答率で、Vals AIが実行しています。
注意点
米国に特化しており、問題の課税年度に依存します。税制のルールは毎年変わります。
- 1Muse Spark 1.2 (xhigh)80.4%
- 2Muse Spark 1.1 (xhigh)79.7%
- 3Muse Spark77.7%
- 4Claude Sonnet 4.6 (max)77.1%
- 5Claude Fable 5 (max)76.9%
- 6GPT-5.6 Terra (xhigh)76.2%
- 7GPT-5.6 Luna (max)76.2%
- 8Claude Fable 5.1 (max)76.0%
- 9Claude Opus 4.6 (max)76.0%
- 10Grok 375.9%
- 11GPT-5.2 (xhigh)75.8%
- 12Kimi K375.7%
- 13Grok 4 Fast (thinking)75.7%
- 14Claude Opus 4.8 (max)75.6%
- 15Claude Sonnet 5 (max)75.6%
140件中140件
| # | |||||
|---|---|---|---|---|---|
| 1 | 80.4% | 61.5 | $0.014 | 2026-09-01 | |
| 2 | 79.7% | 59.5 | $0.015 | 2026-09-01 | |
| 3 | 77.7% | 64.2 | $0.0019 | 2026-09-01 | |
| 4 | 77.1% | 56.1 | $0.128 | 2026-09-01 | |
| 5 | 76.9% | 65.1 | $0.220 | 2026-09-01 | |
| 6 | 76.2% | 60.1 | $0.036 | 2026-09-01 | |
| 7 | 76.2% | 56.2 | $0.012 | 2026-09-01 | |
| 8 | 76.0% | 66.7 | $0.347 | 2026-09-01 | |
| 9 | 76.0% | 57.0 | $0.071 | 2026-09-01 | |
| 10 | 75.9% | 50.9 | $0.017 | 2026-09-01 | |
| 11 | 75.8% | 59.9 | $0.066 | 2026-09-01 | |
| 12 | 75.7% | 60.7 | $0.078 | 2026-09-01 | |
| 13 | 75.7% | 51.6 | $0.0013 | 2026-09-01 | |
| 14 | 75.6% | 61.1 | $0.159 | 2026-09-01 | |
| 15 | 75.6% | 56.1 | $0.302 | 2026-09-01 | |
| 16 | 75.6% | 52.4 | $0.0015 | 2026-09-01 | |
| 17 | 75.5% | 58.7 | $0.076 | 2026-09-01 | |
| 18 | 75.5% | 52.0 | $0.018 | 2026-09-01 | |
| 19 | 75.3% | 60.0 | $0.028 | 2026-09-01 | |
| 20 | 75.3% | 50.4 | $0.103 | 2026-09-01 | |
| 21 | 75.3% | 59.7 | $0.125 | 2026-09-01 | |
| 22 | 75.2% | 54.6 | $0.012 | 2026-09-01 | |
| 23 | 75.1% | 63.2 | $0.114 | 2026-09-01 | |
| 24 | 75.1% | 46.6 | $0.0062 | 2026-09-01 | |
| 25 | 75.0% | 64.1 | $0.060 | 2026-09-01 | |
| 26 | 74.9% | 61.0 | $0.020 | 2026-09-01 | |
| 27 | 74.9% | 59.7 | $0.219 | 2026-09-01 | |
| 28 | 74.9% | 57.5 | $0.0072 | 2026-09-01 | |
| 29 | 74.8% | 65.3 | $0.138 | 2026-09-01 | |
| 30 | 74.8% | 51.2 | $0.0071 | 2026-09-01 | |
| 31 | 74.7% | 62.1 | $0.019 | 2026-09-01 | |
| 32 | 74.7% | 59.0 | $0.011 | 2026-09-01 | |
| 33 | 74.7% | 55.1 | $0.029 | 2026-09-01 | |
| 34 | 74.6% | 55.1 | $0.013 | 2026-09-01 | |
| 35 | 74.5% | 41.6 | $0.0058 | 2026-09-01 | |
| 36 | 74.5% | 59.4 | $0.024 | 2026-09-01 | |
| 37 | 74.4% | 62.5 | $0.038 | 2026-09-01 | |
| 38 | 74.3% | 49.5 | $0.122 | 2026-09-01 | |
| 39 | 74.2% | 59.4 | $0.014 | 2026-09-01 | |
| 40 | 74.1% | 58.3 | $0.017 | 2026-09-01 | |
| 41 | 74.0% | 52.9 | $0.051 | 2026-09-01 | |
| 42 | 74.0% | 63.1 | $0.157 | 2026-09-01 | |
| 43 | 74.0% | 54.2 | $0.0067 | 2026-09-01 | |
| 44 | 73.9% | 57.4 | $0.0058 | 2026-09-01 | |
| 45 | 73.8% | 55.5 | $0.0025 | 2026-09-01 | |
| 46 | 73.7% | 58.1 | $0.093 | 2026-09-01 | |
| 47 | 73.4% | 58.2 | $0.054 | 2026-09-01 | |
| 48 | 73.3% | 51.9 | $0.015 | 2026-09-01 | |
| 49 | 73.3% | 52.3 | $0.041 | 2026-09-01 | |
| 50 | 73.1% | 55.3 | $0.0013 | 2026-09-01 | |
| 51 | 73.1% | 55.4 | – | 2026-09-01 | |
| 52 | 73.1% | 54.7 | $0.046 | 2026-09-01 | |
| 53 | 73.1% | 45.1 | $0.0016 | 2026-09-01 | |
| 54 | 73.0% | 50.7 | $0.0011 | 2026-09-01 | |
| 55 | 72.9% | 55.2 | $0.011 | 2026-09-01 | |
| 56 | 72.9% | 60.4 | $0.031 | 2026-09-01 | |
| 57 | 72.7% | 56.1 | $0.0073 | 2026-09-01 | |
| 58 | 72.7% | 47.5 | $0.0031 | 2026-09-01 | |
| 59 | 72.6% | 47.8 | $0.0073 | 2026-09-01 | |
| 60 | 72.6% | 60.0 | $0.034 | 2026-09-01 |
関連するベンチマーク
TaxEvalでの注目のモデル比較
引用表記:BenchLeader「TaxEval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_taxeval
TaxEval:よくある質問
- TaxEvalは何を測るベンチマークですか?
- TaxEvalは、申告のルールから納税額の計算まで米国の税務に関する質問を出し、税務の専門家が確認しています。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。
- TaxEvalの最高スコアは?
- 2026年11月16日時点で、TaxEvalの最高スコアは80.4%で、Muse Spark 1.2が記録しています(結果の日付は2026年9月1日)。次点はMuse Spark 1.1の79.7%です。スコアはVals AIの公表値で、毎日読み直しています。
- TaxEvalでトップのAIモデルは?
- 2026年11月16日時点で、TaxEvalの首位はMuse Spark 1.2で、スコアは80.4%です(結果の日付は2026年9月1日)。続いてMuse Spark 1.1(79.7%)です。
- TaxEvalの結果があるモデルはいくつですか?
- BenchLeaderでは140のモデル構成にTaxEvalの結果があり、すべてVals AIから取得しています。
- TaxEval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?
- TaxEval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。
- TaxEvalはBenchLeader Indexに含まれますか?
- はい。TaxEvalはBenchLeader Indexの知識カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。