BenchLeader

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。

140件中140件
#
1Muse Spark 1.2xhigh80.4%61.5$0.0142026-09-01
2Muse Spark 1.1xhigh79.7%59.5$0.0152026-09-01
3Muse Spark77.7%64.2$0.00192026-09-01
4Claude Sonnet 4.6max77.1%56.1$0.1282026-09-01
5Claude Fable 5max76.9%65.1$0.2202026-09-01
6GPT-5.6 Terraxhigh76.2%60.1$0.0362026-09-01
7GPT-5.6 Lunamax76.2%56.2$0.0122026-09-01
8Claude Fable 5.1max76.0%66.7$0.3472026-09-01
9Claude Opus 4.6max76.0%57.0$0.0712026-09-01
10Grok 375.9%50.9$0.0172026-09-01
11GPT-5.2xhigh75.8%59.9$0.0662026-09-01
12Kimi K375.7%60.7$0.0782026-09-01
13Grok 4 Fastthinking75.7%51.6$0.00132026-09-01
14Claude Opus 4.8max75.6%61.1$0.1592026-09-01
15Claude Sonnet 5max75.6%56.1$0.3022026-09-01
16GLM 5.3 Flashmax75.6%52.4$0.00152026-09-01
17Qwen3.8 Maxmax75.5%58.7$0.0762026-09-01
18Inkling Small75.5%52.0$0.0182026-09-01
19Qwen3.7max75.3%60.0$0.0282026-09-01
20Inkling75.3%50.4$0.1032026-09-01
21Claude Opus 4.7max75.3%59.7$0.1252026-09-01
22GPT-5 minihigh75.2%54.6$0.0122026-09-01
23Claude Opus 575.1%63.2$0.1142026-09-01
24GPT-4.1high75.1%46.6$0.00622026-09-01
25GPT-5.5xhigh75.0%64.1$0.0602026-09-01
26Gemini 3.6 Flashhigh74.9%61.0$0.0202026-09-01
27Claude Opus 4.5high74.9%59.7$0.2192026-09-01
28GPT-5.1high74.9%57.5$0.00722026-09-01
29GPT-5.6 Solmax74.8%65.3$0.1382026-09-01
30o4-minihigh74.8%51.2$0.00712026-09-01
31Gemini 3.7 Flashhigh74.7%62.1$0.0192026-09-01
32Qwen3.6 Plus74.7%59.0$0.0112026-09-01
33Kimi K2.674.7%55.1$0.0292026-09-01
34o3high74.6%55.1$0.0132026-09-01
35GPT-4ohigh74.5%41.6$0.00582026-09-01
36Gemini 3.8 Flashhigh74.5%59.4$0.0242026-09-01
37Gemini 3.5 Flashhigh74.4%62.5$0.0382026-09-01
38o1high74.3%49.5$0.1222026-09-01
39Kimi K2.5thinking74.2%59.4$0.0142026-09-01
40Grok 4.20thinking74.1%58.3$0.0172026-09-01
41Claude 3.7 Sonnetthinking74.0%52.9$0.0512026-09-01
42GPT-5.4xhigh74.0%63.1$0.1572026-09-01
43Qwen3 Maxmax74.0%54.2$0.00672026-09-01
44Gemini 3 Flashhigh73.9%57.4$0.00582026-09-01
45MiMo-V2.5-Pro73.8%55.5$0.00252026-09-01
46Claude Opus 4.1thinking73.7%58.1$0.0932026-09-01
47GPT-5high73.4%58.2$0.0542026-09-01
48GLM 5.273.3%51.9$0.0152026-09-01
49Claude Sonnet 4.5thinking73.3%52.3$0.0412026-09-01
50Grok 4.1 Fastthinking73.1%55.3$0.00132026-09-01
51Nemotron 3 Ultra 550B A55B73.1%55.4–2026-09-01
52DeepSeek V4 Promax73.1%54.7$0.0462026-09-01
53Mistral Large 373.1%45.1$0.00162026-09-01
54Grok 3 Mini Fastlow73.0%50.7$0.00112026-09-01
55Gemini 2.5 Pro72.9%55.2$0.0112026-09-01
56Gemini 3.1 Prohigh72.9%60.4$0.0312026-09-01
57MiniMax M372.7%56.1$0.00732026-09-01
58Gemini 2.5 Flash 09 202572.7%47.5$0.00312026-09-01
59Gemini 3.5 Flash Litehigh72.6%47.8$0.00732026-09-01
60Gemini 3 Prohigh72.6%60.0$0.0342026-09-01

知識のベンチマークをもっと見る · LLMベンチマーク一覧

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。