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。
- 1Claude Opus 5 (max)76.9%
- 2Claude Fable 5.1 (max)74.9%
- 3Muse Wonder Full (max)73.8%
- 4Claude Opus 5.5 (max)70.6%
- 5Claude Fable 5 (max)70.4%
- 6Muse Wonder (max)70.2%
- 7Gemini 4 Argon (high)69.8%
- 8MiMo-V2.6-Pro68.9%
- 9Hy468.6%
- 10GLM 5.3 (max)68.5%
- 11Muse Spark 1.2 (xhigh)68.5%
- 12Kimi K3 (max)68.2%
- 13Claude Opus 4.8 (max)68.1%
- 14MiMo-V2.6-Flash67.6%
- 15Claude Sonnet 5.5 (max)67.2%
50 / 50
| # | |||||
|---|---|---|---|---|---|
| 1 | 76.9% | 65.0 | $3.95 | 2026-10-12 | |
| 2 | 74.9% | 66.7 | $7.48 | 2026-10-12 | |
| 3 | 73.8% | 61.7 | $4.64 | 2026-10-12 | |
| 4 | 70.6% | 68.4 | $5.29 | 2026-10-12 | |
| 5 | 70.4% | 65.1 | $4.59 | 2026-10-12 | |
| 6 | 70.2% | 60.8 | $2.46 | 2026-10-12 | |
| 7 | 69.8% | 65.3 | $2.79 | 2026-10-12 | |
| 8 | 68.9% | 57.5 | $0.082 | 2026-10-12 | |
| 9 | 68.6% | 56.7 | $0.253 | 2026-10-12 | |
| 10 | 68.5% | 58.8 | $0.947 | 2026-10-12 | |
| 11 | 68.5% | 61.5 | $0.588 | 2026-10-12 | |
| 12 | 68.2% | 60.2 | $0.913 | 2026-10-12 | |
| 13 | 68.1% | 61.1 | $1.89 | 2026-10-12 | |
| 14 | 67.6% | 54.8 | $0.032 | 2026-10-12 | |
| 15 | 67.2% | 64.2 | $3.76 | 2026-10-12 | |
| 16 | 67.1% | 58.7 | $0.991 | 2026-10-12 | |
| 17 | 66.8% | 60.6 | $0.916 | 2026-10-12 | |
| 18 | 66.5% | 65.3 | $8.85 | 2026-10-12 | |
| 19 | Ember-1 | 66.2% | – | $1.02 | 2026-10-12 |
| 20 | 66.0% | 56.1 | $1.29 | 2026-10-12 | |
| 21 | 65.6% | 57.4 | $2.25 | 2026-10-12 | |
| 22 | 65.3% | 59.4 | $1.01 | 2026-10-12 | |
| 23 | 64.3% | 58.5 | $0.073 | 2026-10-12 | |
| 24 | 64.1% | 56.1 | $0.254 | 2026-10-12 | |
| 25 | 63.2% | 55.3 | $0.525 | 2026-10-12 | |
| 26 | 62.9% | 54.7 | $0.460 | 2026-10-12 | |
| 27 | 62.5% | 56.1 | $1.11 | 2026-10-12 | |
| 28 | 62.4% | 59.5 | $1.20 | 2026-10-12 | |
| 29 | 61.8% | 55.4 | $0.341 | 2026-10-12 | |
| 30 | 61.3% | 59.5 | $0.278 | 2026-10-12 | |
| 31 | 61.2% | 56.2 | $0.270 | 2026-10-12 | |
| 32 | 60.9% | 64.1 | $3.97 | 2026-10-12 | |
| 33 | 59.5% | 62.5 | $1.11 | 2026-10-12 | |
| 34 | 59.4% | 52.0 | $0.096 | 2026-10-12 | |
| 35 | 59.3% | 66.6 | $0.691 | 2026-10-12 | |
| 36 | 58.5% | 50.4 | $0.368 | 2026-10-12 | |
| 37 | 58.1% | 56.0 | $0.504 | 2026-10-12 | |
| 38 | 57.6% | 55.1 | $0.224 | 2026-10-12 | |
| 39 | 56.6% | 62.6 | $2.49 | 2026-10-12 | |
| 40 | 56.6% | 55.1 | $0.906 | 2026-10-12 | |
| 41 | 56.6% | 61.0 | $0.385 | 2026-10-12 | |
| 42 | 54.3% | 47.7 | $0.225 | 2026-10-12 | |
| 43 | 53.8% | 60.4 | $0.377 | 2026-10-12 | |
| 44 | 51.8% | 47.8 | $0.096 | 2026-10-12 | |
| 45 | 51.7% | 56.5 | $0.264 | 2026-10-12 | |
| 46 | 50.7% | 51.7 | $0.050 | 2026-10-12 | |
| 47 | 45.3% | – | $0.068 | 2026-10-12 | |
| 48 | 44.8% | 55.3 | $0.031 | 2026-10-12 | |
| 49 | 43.8% | 37.3 | $0.202 | 2026-10-12 | |
| 50 | 41.4% | 36.3 | $0.113 | 2026-10-12 |
相关基准测试
Public Benefits Bench v1.1 上的热门模型对比
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。