BenchLeader

LegalBench 排行榜

截至 2026年11月16日,LegalBench 的最高分为 88.6%,由 Claude Fable 5(Anthropic)取得,领先于 Claude Fable 5.1(88.5%)。共有 147 个模型配置公布了结果(Vals AI,结果日期 2026年10月13日)。LegalBench 是一组由律师和法学学者编写的法律推理任务,从识别合同条款到将规则适用于事实。LegalBench 计入 BenchLeader Index 的知识得分。

要点(截至 2026年11月16日)

  • Claude Fable 5 以 88.6% 保持 LegalBench 最高分(Vals AI,2026年10月13日)。
  • Claude Fable 5.1 以 88.5% 位列 LegalBench 第二(Vals AI,2026年10月13日)。
  • LegalBench:由律师编写的法律推理任务。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 147 个模型配置公布了 LegalBench 结果(BenchLeader,2026年11月16日)。
  • LegalBench 计入 BenchLeader Index 的知识类别(BenchLeader 方法论)。

由律师编写的法律推理任务。由 Vals AI 运行。

发布方
Vals AI
类别
知识
Index 权重
0.5
模型
147
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

LegalBench 是一组由律师和法学学者编写的法律推理任务,从识别合同条款到将规则适用于事实。

评分方式

各任务的准确率,由 Vals AI 运行。

注意事项

任务以美国法律为中心,而且大多是分类题,所以它衡量的更多是法律阅读能力,而不是起草或提供建议的能力。

147 / 147
#
1Claude Fable 5max88.6%65.1$0.0312026-10-13
2Claude Fable 5.1max88.5%66.7$0.0522026-10-13
3Gemini 4 Argonhigh88.3%65.3$0.0162026-10-13
4Muse Wonder Fullmax87.4%61.7$0.0252026-10-13
5Gemini 3.1 Prohigh87.4%60.4$0.00682026-10-13
6Gemini 3.7 Flashhigh87.3%62.1$0.00412026-10-13
7Gemini 3 Prohigh87.0%60.0$0.0102026-10-13
8Gemini 3.8 Flashhigh87.0%59.4$0.00812026-10-13
9GPT-5.6 Solmax87.0%65.3$0.0132026-10-13
10Claude Opus 5max87.0%65.0$0.0122026-10-13
11Gemini 3 Flashhigh86.9%57.4$0.00212026-10-13
12Gemini 3.6 Flashhigh86.7%61.0$0.00482026-10-13
13GPT-5.5xhigh86.5%64.1$0.0152026-10-13
14Grok 4.6high86.3%60.6$0.0152026-10-13
15GLM-Legalmax86.2%–$0.00012026-10-13
16Kimi K3max86.2%60.2$0.00792026-10-13
17GPT-5.4xhigh86.0%63.1$0.0232026-10-13
18GPT-5high86.0%58.2–2026-10-13
19Grok 4.5high86.0%56.8$0.00452026-10-13
20GPT-5.1high85.7%57.5$0.00482026-10-13
21MiniMax M385.4%56.1$0.00092026-10-13
22Claude Opus 4.6max85.3%57.0$0.00402026-10-13
23Muse Spark 1.2xhigh85.3%61.5$0.00642026-10-13
24Claude Opus 4.7max85.3%59.7$0.00832026-10-13
25GPT-5.6 Terramax85.1%59.5$0.00262026-10-13
26Qwen3.5 Plusthinking85.1%57.4$0.00372026-10-13
27Muse Spark 1.1xhigh85.0%59.5$0.00852026-10-13
28Qwen3.7max84.9%60.0$0.00602026-10-13
29GLM 5.3max84.8%58.8$0.00652026-10-13
30Kimi K2.684.7%55.1$0.00652026-10-13
31Claude Opus 4.5high84.6%59.7$0.0372026-10-13
32Grok 4.384.5%54.5$0.00312026-10-13
33Grok 4.7xhigh84.4%57.4$0.0112026-10-13
34GLM 5.184.4%55.4$0.00222026-10-13
35Gemini 2.5 Pro84.3%55.2–2026-10-13
36Qwen3.5 Flash84.3%51.8$0.00082026-10-13
37Qwen3.6 Plus84.2%59.0$0.00302026-10-13
38Muse Spark84.2%64.2$0.00122026-10-13
39Claude Sonnet 4.5thinking84.1%52.3–2026-10-13
40GLM 5.284.1%51.9$0.00162026-10-13
41Gemini 3.5 Flash Litehigh84.1%47.8$0.00132026-10-13
42GLM-5thinking84.1%60.2$0.00232026-10-13
43GPT-5.6 Lunamax84.0%56.2$0.00092026-10-13
44MiniMax M2.784.0%56.6$0.00062026-10-13
45GLM 5.3 Flashmax83.9%52.4$0.00032026-10-13
46Claude Sonnet 5max83.9%56.1$0.00582026-10-13
47Gemini 2.5 Flash83.8%52.4–2026-10-13
48Hy483.8%56.7$0.0132026-10-13
49o3high83.8%55.1–2026-10-13
50Gemini 3.1 Flash Litehigh83.8%48.4$0.00032026-10-13
51Qwen3.8 Maxmax83.6%58.7$0.0102026-10-13
52Gemini 3.5 Flashhigh83.6%62.5$0.00762026-10-13
53Claude Opus 4.8max83.6%61.1$0.00912026-10-13
54Claude Opus 4.183.5%51.1–2026-10-13
55GLM 4.783.4%51.7$0.00232026-10-13
56DeepSeek V4.1 Flashhigh83.3%55.6$0.00142026-10-13
57Grok 483.2%58.1–2026-10-13
58Grok 3 Mini Fasthigh83.1%53.7–2026-10-13
59GPT-4.1high83.1%46.6–2026-10-13
60Claude Opus 483.1%51.9–2026-10-13

更多知识基准测试 · 全部大模型基准测试

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

LegalBench:常见问题

LegalBench 衡量的是什么?
LegalBench 是一组由律师和法学学者编写的法律推理任务,从识别合同条款到将规则适用于事实。分数以完成任务的百分比表示,越高越好。
LegalBench 的最高分是多少?
截至 2026年11月16日,LegalBench 的最高分为 88.6%,由 Claude Fable 5 取得(结果日期 2026年10月13日),领先于 Claude Fable 5.1(88.5%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 LegalBench 上领先?
截至 2026年11月16日,LegalBench 排名第一的是 Claude Fable 5,分数为 88.6%(结果日期 2026年10月13日)。其后为 Claude Fable 5.1(88.5%)。
有多少模型有 LegalBench 结果?
BenchLeader 上有 147 个模型配置有 LegalBench 结果,全部取自 Vals AI。
LegalBench 由谁运行,多久更新一次?
LegalBench 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。
LegalBench 是否计入 BenchLeader Index?
计入。LegalBench 计入 BenchLeader Index 的知识类别,并经过归一化,使参评模型的平均值为 50。