BenchLeader

Public Benefits Bench 排行榜

截至 2026年11月16日,Public Benefits Bench 的最高分为 76.9%,由 Claude Opus 5(Anthropic)取得,领先于 Claude Fable 5.1(74.9%)。共有 50 个模型配置公布了结果(Vals AI,结果日期 2026年10月12日)。福利申请人可能就 SNAP(补充营养援助计划)资格和流程提出的问题,对照政策评分。Public Benefits Bench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Opus 5 以 76.9% 保持 Public Benefits Bench v1.1 最高分(Vals AI,2026年10月12日)。
  • Claude Fable 5.1 以 74.9% 位列 Public Benefits Bench v1.1 第二(Vals AI,2026年10月12日)。
  • Public Benefits Bench v1.1:为申请人解答 SNAP(美国食品援助)相关问题。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 50 个模型配置公布了 Public Benefits Bench v1.1 结果(BenchLeader,2026年11月16日)。
  • Public Benefits Bench v1.1 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

为申请人解答 SNAP(美国食品援助)相关问题。由 Vals AI 运行。

发布方
Vals AI
类别
知识
Index 权重
仅作参考
模型
50
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

福利申请人可能就 SNAP(补充营养援助计划)资格和流程提出的问题,对照政策评分。

评分方式

准确率,由 Vals AI 运行。

注意事项

只适用于美国,而且政策会随时间变化。

50 / 50
#
1Claude Opus 5max76.9%65.0$3.952026-10-12
2Claude Fable 5.1max74.9%66.7$7.482026-10-12
3Muse Wonder Fullmax73.8%61.7$4.642026-10-12
4Claude Opus 5.5max70.6%68.4$5.292026-10-12
5Claude Fable 5max70.4%65.1$4.592026-10-12
6Muse Wondermax70.2%60.8$2.462026-10-12
7Gemini 4 Argonhigh69.8%65.3$2.792026-10-12
8MiMo-V2.6-Pro68.9%57.5$0.0822026-10-12
9Hy468.6%56.7$0.2532026-10-12
10GLM 5.3max68.5%58.8$0.9472026-10-12
11Muse Spark 1.2xhigh68.5%61.5$0.5882026-10-12
12Kimi K3max68.2%60.2$0.9132026-10-12
13Claude Opus 4.8max68.1%61.1$1.892026-10-12
14MiMo-V2.6-Flash67.6%54.8$0.0322026-10-12
15Claude Sonnet 5.5max67.2%64.2$3.762026-10-12
16Qwen3.8 Maxmax67.1%58.7$0.9912026-10-12
17Grok 4.6high66.8%60.6$0.9162026-10-12
18GPT-5.6 Solmax66.5%65.3$8.852026-10-12
19Ember-166.2%–$1.022026-10-12
20Claude Sonnet 5max66.0%56.1$1.292026-10-12
21Grok 4.7xhigh65.6%57.4$2.252026-10-12
22Gemini 3.8 Flashhigh65.3%59.4$1.012026-10-12
23DeepSeek V4.1 Flashmax64.3%58.5$0.0732026-10-12
24MiniMax M364.1%56.1$0.2542026-10-12
25Claude Haiku 5.5max63.2%55.3$0.5252026-10-12
26DeepSeek V4 Promax62.9%54.7$0.4602026-10-12
27Claude Sonnet 4.6max62.5%56.1$1.112026-10-12
28GPT-5.6 Terramax62.4%59.5$1.202026-10-12
29GLM 5.161.8%55.4$0.3412026-10-12
30Muse Spark 1.1xhigh61.3%59.5$0.2782026-10-12
31GPT-5.6 Lunamax61.2%56.2$0.2702026-10-12
32GPT-5.5xhigh60.9%64.1$3.972026-10-12
33Gemini 3.5 Flashhigh59.5%62.5$1.112026-10-12
34Inkling Small59.4%52.0$0.0962026-10-12
35GPT-6.1 Solmax59.3%66.6$0.6912026-10-12
36Inkling58.5%50.4$0.3682026-10-12
37Step 5 Preview58.1%56.0$0.5042026-10-12
38GPT-6 Lunamax57.6%55.1$0.2242026-10-12
39GPT-6 Solmax56.6%62.6$2.492026-10-12
40Kimi K2.656.6%55.1$0.9062026-10-12
41Gemini 3.6 Flashhigh56.6%61.0$0.3852026-10-12
42Claude Haiku 4.554.3%47.7$0.2252026-10-12
43Gemini 3.1 Prohigh53.8%60.4$0.3772026-10-12
44Gemini 3.5 Flash Litehigh51.8%47.8$0.0962026-10-12
45Grok 4.3high51.7%56.5$0.2642026-10-12
46Ling 3.0 Flash50.7%51.7$0.0502026-10-12
47Mercury 2.5high45.3%–$0.0682026-10-12
48Grok 4.1 Fastthinking44.8%55.3$0.0312026-10-12
49Laguna M.143.8%37.3$0.2022026-10-12
50Laguna XS.241.4%36.3$0.1132026-10-12

更多知识基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Public Benefits Bench v1.1 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_public_benefits。

Public Benefits Bench v1.1:常见问题

Public Benefits Bench v1.1 衡量的是什么?
福利申请人可能就 SNAP(补充营养援助计划)资格和流程提出的问题,对照政策评分。分数以完成任务的百分比表示,越高越好。
Public Benefits Bench v1.1 的最高分是多少?
截至 2026年11月16日,Public Benefits Bench v1.1 的最高分为 76.9%,由 Claude Opus 5 取得(结果日期 2026年10月12日),领先于 Claude Fable 5.1(74.9%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 Public Benefits Bench v1.1 上领先?
截至 2026年11月16日,Public Benefits Bench v1.1 排名第一的是 Claude Opus 5,分数为 76.9%(结果日期 2026年10月12日)。其后为 Claude Fable 5.1(74.9%)。
有多少模型有 Public Benefits Bench v1.1 结果?
BenchLeader 上有 50 个模型配置有 Public Benefits Bench v1.1 结果,全部取自 Vals AI。
Public Benefits Bench v1.1 由谁运行,多久更新一次?
Public Benefits Bench v1.1 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。
Public Benefits Bench v1.1 是否计入 BenchLeader Index?
不计入。Public Benefits Bench v1.1 仅作参考展示,不计入综合分数。