BenchLeader

TaxEval 排行榜

截至 2026年11月16日,TaxEval 的最高分为 80.4%,由 Muse Spark 1.2(Meta)取得,领先于 Muse Spark 1.1(79.7%)。共有 140 个模型配置公布了结果(Vals AI,结果日期 2026年9月1日)。TaxEval 提出美国税务问题,从申报规则到应纳税额计算,由税务专业人士核验。TaxEval 计入 BenchLeader Index 的知识得分。

要点(截至 2026年11月16日)

  • Muse Spark 1.2 以 80.4% 保持 TaxEval 最高分(Vals AI,2026年9月1日)。
  • Muse Spark 1.1 以 79.7% 位列 TaxEval 第二(Vals AI,2026年9月1日)。
  • TaxEval:经专业人士核对的美国税务问题。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 140 个模型配置公布了 TaxEval 结果(BenchLeader,2026年11月16日)。
  • TaxEval 计入 BenchLeader Index 的知识类别(BenchLeader 方法论)。

经专业人士核对的美国税务问题。由 Vals AI 运行。

发布方
Vals AI
类别
知识
Index 权重
0.5
模型
140
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

TaxEval 提出美国税务问题,从申报规则到应纳税额计算,由税务专业人士核验。

评分方式

正确率,由 Vals AI 运行。

注意事项

只适用于美国,并取决于题目所在的纳税年度;税法每年都会变化。

140 / 140
#
1Muse Spark 1.2xhigh80.4%61.5$0.0142026-09-01
2Muse Spark 1.1xhigh79.7%59.5$0.0152026-09-01
3Muse Spark77.7%64.2$0.00192026-09-01
4Claude Sonnet 4.6max77.1%56.1$0.1282026-09-01
5Claude Fable 5max76.9%65.1$0.2202026-09-01
6GPT-5.6 Terraxhigh76.2%60.1$0.0362026-09-01
7GPT-5.6 Lunamax76.2%56.2$0.0122026-09-01
8Claude Fable 5.1max76.0%66.7$0.3472026-09-01
9Claude Opus 4.6max76.0%57.0$0.0712026-09-01
10Grok 375.9%50.9$0.0172026-09-01
11GPT-5.2xhigh75.8%59.9$0.0662026-09-01
12Kimi K375.7%60.7$0.0782026-09-01
13Grok 4 Fastthinking75.7%51.6$0.00132026-09-01
14Claude Opus 4.8max75.6%61.1$0.1592026-09-01
15Claude Sonnet 5max75.6%56.1$0.3022026-09-01
16GLM 5.3 Flashmax75.6%52.4$0.00152026-09-01
17Qwen3.8 Maxmax75.5%58.7$0.0762026-09-01
18Inkling Small75.5%52.0$0.0182026-09-01
19Qwen3.7max75.3%60.0$0.0282026-09-01
20Inkling75.3%50.4$0.1032026-09-01
21Claude Opus 4.7max75.3%59.7$0.1252026-09-01
22GPT-5 minihigh75.2%54.6$0.0122026-09-01
23Claude Opus 575.1%63.2$0.1142026-09-01
24GPT-4.1high75.1%46.6$0.00622026-09-01
25GPT-5.5xhigh75.0%64.1$0.0602026-09-01
26Gemini 3.6 Flashhigh74.9%61.0$0.0202026-09-01
27Claude Opus 4.5high74.9%59.7$0.2192026-09-01
28GPT-5.1high74.9%57.5$0.00722026-09-01
29GPT-5.6 Solmax74.8%65.3$0.1382026-09-01
30o4-minihigh74.8%51.2$0.00712026-09-01
31Gemini 3.7 Flashhigh74.7%62.1$0.0192026-09-01
32Qwen3.6 Plus74.7%59.0$0.0112026-09-01
33Kimi K2.674.7%55.1$0.0292026-09-01
34o3high74.6%55.1$0.0132026-09-01
35GPT-4ohigh74.5%41.6$0.00582026-09-01
36Gemini 3.8 Flashhigh74.5%59.4$0.0242026-09-01
37Gemini 3.5 Flashhigh74.4%62.5$0.0382026-09-01
38o1high74.3%49.5$0.1222026-09-01
39Kimi K2.5thinking74.2%59.4$0.0142026-09-01
40Grok 4.20thinking74.1%58.3$0.0172026-09-01
41Claude 3.7 Sonnetthinking74.0%52.9$0.0512026-09-01
42GPT-5.4xhigh74.0%63.1$0.1572026-09-01
43Qwen3 Maxmax74.0%54.2$0.00672026-09-01
44Gemini 3 Flashhigh73.9%57.4$0.00582026-09-01
45MiMo-V2.5-Pro73.8%55.5$0.00252026-09-01
46Claude Opus 4.1thinking73.7%58.1$0.0932026-09-01
47GPT-5high73.4%58.2$0.0542026-09-01
48GLM 5.273.3%51.9$0.0152026-09-01
49Claude Sonnet 4.5thinking73.3%52.3$0.0412026-09-01
50Grok 4.1 Fastthinking73.1%55.3$0.00132026-09-01
51Nemotron 3 Ultra 550B A55B73.1%55.4–2026-09-01
52DeepSeek V4 Promax73.1%54.7$0.0462026-09-01
53Mistral Large 373.1%45.1$0.00162026-09-01
54Grok 3 Mini Fastlow73.0%50.7$0.00112026-09-01
55Gemini 2.5 Pro72.9%55.2$0.0112026-09-01
56Gemini 3.1 Prohigh72.9%60.4$0.0312026-09-01
57MiniMax M372.7%56.1$0.00732026-09-01
58Gemini 2.5 Flash 09 202572.7%47.5$0.00312026-09-01
59Gemini 3.5 Flash Litehigh72.6%47.8$0.00732026-09-01
60Gemini 3 Prohigh72.6%60.0$0.0342026-09-01

更多知识基准测试 · 全部大模型基准测试

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

TaxEval:常见问题

TaxEval 衡量的是什么?
TaxEval 提出美国税务问题,从申报规则到应纳税额计算,由税务专业人士核验。分数以完成任务的百分比表示,越高越好。
TaxEval 的最高分是多少?
截至 2026年11月16日,TaxEval 的最高分为 80.4%,由 Muse Spark 1.2 取得(结果日期 2026年9月1日),领先于 Muse Spark 1.1(79.7%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 TaxEval 上领先?
截至 2026年11月16日,TaxEval 排名第一的是 Muse Spark 1.2,分数为 80.4%(结果日期 2026年9月1日)。其后为 Muse Spark 1.1(79.7%)。
有多少模型有 TaxEval 结果?
BenchLeader 上有 140 个模型配置有 TaxEval 结果,全部取自 Vals AI。
TaxEval 由谁运行,多久更新一次?
TaxEval 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。
TaxEval 是否计入 BenchLeader Index?
计入。TaxEval 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。