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).
- 1Claude Opus 5.5 (max)100.0%
- 2GPT-6.1 Sol (max)100.0%
- 3Claude Sonnet 5.5 (max)100.0%
- 4Claude Haiku 5.5 (max)100.0%
- 5GPT-6 Luna (max)99.2%
5 / 5
| # | |||||
|---|---|---|---|---|---|
| 1 | 100.0% | 68.4 | $0.092 | 2026-10-23 | |
| 2 | 100.0% | 66.6 | $0.029 | 2026-10-23 | |
| 3 | 100.0% | 64.2 | $0.046 | 2026-10-23 | |
| 4 | 100.0% | 55.3 | $0.0025 | 2026-10-23 | |
| 5 | 99.2% | 55.1 | $0.0014 | 2026-10-23 |
相关基准测试
ClaimBench 上的热门模型对比
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。