BenchLeader

ClaimBench 排行榜

截至 2026年11月16日,ClaimBench 的最高分为 100.0%,由 Claude Opus 5.5、GPT-6.1 Sol、Claude Sonnet 5.5 和 Claude Haiku 5.5 并列取得,领先于 GPT-6 Luna(99.2%)。共有 5 个模型配置公布了结果(Vals AI,结果日期 2026年10月23日)。判断 10-K 年报摘录是支持、反驳某个说法,还是与之无关。由 Vals AI 运行。ClaimBench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Opus 5.5、GPT-6.1 Sol、Claude Sonnet 5.5 和 Claude Haiku 5.5 以 100.0% 并列 ClaimBench 最高分(Vals AI,2026年11月16日)。
  • ClaimBench:判断 10-K 年报摘录是支持、反驳某个说法,还是与之无关。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 5 个模型配置公布了 ClaimBench 结果(BenchLeader,2026年11月16日)。
  • ClaimBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

判断 10-K 年报摘录是支持、反驳某个说法,还是与之无关。由 Vals AI 运行。

发布方
Vals AI
类别
知识
Index 权重
仅作参考
模型
5
数据截至
2026年11月16日

Vals AI (vals.ai).

5 / 5
#
1Claude Opus 5.5max100.0%68.4$0.0922026-10-23
2GPT-6.1 Solmax100.0%66.6$0.0292026-10-23
3Claude Sonnet 5.5max100.0%64.2$0.0462026-10-23
4Claude Haiku 5.5max100.0%55.3$0.00252026-10-23
5GPT-6 Lunamax99.2%55.1$0.00142026-10-23

更多知识基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《ClaimBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_claimbench。

ClaimBench:常见问题

ClaimBench 衡量的是什么?
判断 10-K 年报摘录是支持、反驳某个说法,还是与之无关。由 Vals AI 运行。分数以完成任务的百分比表示,越高越好。
ClaimBench 的最高分是多少?
截至 2026年11月16日,ClaimBench 的最高分为 100.0%,由 Claude Opus 5.5、GPT-6.1 Sol、Claude Sonnet 5.5 和 Claude Haiku 5.5 并列取得,领先于 GPT-6 Luna(99.2%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 ClaimBench 上领先?
截至 2026年11月16日,Claude Opus 5.5、GPT-6.1 Sol、Claude Sonnet 5.5 和 Claude Haiku 5.5 以 100.0% 并列 ClaimBench 第一。
有多少模型有 ClaimBench 结果?
BenchLeader 上有 5 个模型配置有 ClaimBench 结果,全部取自 Vals AI。
ClaimBench 由谁运行,多久更新一次?
ClaimBench 由 Vals AI 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
ClaimBench 是否计入 BenchLeader Index?
不计入。ClaimBench 仅作参考展示,不计入综合分数。