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。
- 1Muse Spark 1.2 (xhigh)80.4%
- 2Muse Spark 1.1 (xhigh)79.7%
- 3Muse Spark77.7%
- 4Claude Sonnet 4.6 (max)77.1%
- 5Claude Fable 5 (max)76.9%
- 6GPT-5.6 Terra (xhigh)76.2%
- 7GPT-5.6 Luna (max)76.2%
- 8Claude Fable 5.1 (max)76.0%
- 9Claude Opus 4.6 (max)76.0%
- 10Grok 375.9%
- 11GPT-5.2 (xhigh)75.8%
- 12Kimi K375.7%
- 13Grok 4 Fast (thinking)75.7%
- 14Claude Opus 4.8 (max)75.6%
- 15Claude Sonnet 5 (max)75.6%
140 / 140
| # | |||||
|---|---|---|---|---|---|
| 1 | 80.4% | 61.5 | $0.014 | 2026-09-01 | |
| 2 | 79.7% | 59.5 | $0.015 | 2026-09-01 | |
| 3 | 77.7% | 64.2 | $0.0019 | 2026-09-01 | |
| 4 | 77.1% | 56.1 | $0.128 | 2026-09-01 | |
| 5 | 76.9% | 65.1 | $0.220 | 2026-09-01 | |
| 6 | 76.2% | 60.1 | $0.036 | 2026-09-01 | |
| 7 | 76.2% | 56.2 | $0.012 | 2026-09-01 | |
| 8 | 76.0% | 66.7 | $0.347 | 2026-09-01 | |
| 9 | 76.0% | 57.0 | $0.071 | 2026-09-01 | |
| 10 | 75.9% | 50.9 | $0.017 | 2026-09-01 | |
| 11 | 75.8% | 59.9 | $0.066 | 2026-09-01 | |
| 12 | 75.7% | 60.7 | $0.078 | 2026-09-01 | |
| 13 | 75.7% | 51.6 | $0.0013 | 2026-09-01 | |
| 14 | 75.6% | 61.1 | $0.159 | 2026-09-01 | |
| 15 | 75.6% | 56.1 | $0.302 | 2026-09-01 | |
| 16 | 75.6% | 52.4 | $0.0015 | 2026-09-01 | |
| 17 | 75.5% | 58.7 | $0.076 | 2026-09-01 | |
| 18 | 75.5% | 52.0 | $0.018 | 2026-09-01 | |
| 19 | 75.3% | 60.0 | $0.028 | 2026-09-01 | |
| 20 | 75.3% | 50.4 | $0.103 | 2026-09-01 | |
| 21 | 75.3% | 59.7 | $0.125 | 2026-09-01 | |
| 22 | 75.2% | 54.6 | $0.012 | 2026-09-01 | |
| 23 | 75.1% | 63.2 | $0.114 | 2026-09-01 | |
| 24 | 75.1% | 46.6 | $0.0062 | 2026-09-01 | |
| 25 | 75.0% | 64.1 | $0.060 | 2026-09-01 | |
| 26 | 74.9% | 61.0 | $0.020 | 2026-09-01 | |
| 27 | 74.9% | 59.7 | $0.219 | 2026-09-01 | |
| 28 | 74.9% | 57.5 | $0.0072 | 2026-09-01 | |
| 29 | 74.8% | 65.3 | $0.138 | 2026-09-01 | |
| 30 | 74.8% | 51.2 | $0.0071 | 2026-09-01 | |
| 31 | 74.7% | 62.1 | $0.019 | 2026-09-01 | |
| 32 | 74.7% | 59.0 | $0.011 | 2026-09-01 | |
| 33 | 74.7% | 55.1 | $0.029 | 2026-09-01 | |
| 34 | 74.6% | 55.1 | $0.013 | 2026-09-01 | |
| 35 | 74.5% | 41.6 | $0.0058 | 2026-09-01 | |
| 36 | 74.5% | 59.4 | $0.024 | 2026-09-01 | |
| 37 | 74.4% | 62.5 | $0.038 | 2026-09-01 | |
| 38 | 74.3% | 49.5 | $0.122 | 2026-09-01 | |
| 39 | 74.2% | 59.4 | $0.014 | 2026-09-01 | |
| 40 | 74.1% | 58.3 | $0.017 | 2026-09-01 | |
| 41 | 74.0% | 52.9 | $0.051 | 2026-09-01 | |
| 42 | 74.0% | 63.1 | $0.157 | 2026-09-01 | |
| 43 | 74.0% | 54.2 | $0.0067 | 2026-09-01 | |
| 44 | 73.9% | 57.4 | $0.0058 | 2026-09-01 | |
| 45 | 73.8% | 55.5 | $0.0025 | 2026-09-01 | |
| 46 | 73.7% | 58.1 | $0.093 | 2026-09-01 | |
| 47 | 73.4% | 58.2 | $0.054 | 2026-09-01 | |
| 48 | 73.3% | 51.9 | $0.015 | 2026-09-01 | |
| 49 | 73.3% | 52.3 | $0.041 | 2026-09-01 | |
| 50 | 73.1% | 55.3 | $0.0013 | 2026-09-01 | |
| 51 | 73.1% | 55.4 | – | 2026-09-01 | |
| 52 | 73.1% | 54.7 | $0.046 | 2026-09-01 | |
| 53 | 73.1% | 45.1 | $0.0016 | 2026-09-01 | |
| 54 | 73.0% | 50.7 | $0.0011 | 2026-09-01 | |
| 55 | 72.9% | 55.2 | $0.011 | 2026-09-01 | |
| 56 | 72.9% | 60.4 | $0.031 | 2026-09-01 | |
| 57 | 72.7% | 56.1 | $0.0073 | 2026-09-01 | |
| 58 | 72.7% | 47.5 | $0.0031 | 2026-09-01 | |
| 59 | 72.6% | 47.8 | $0.0073 | 2026-09-01 | |
| 60 | 72.6% | 60.0 | $0.034 | 2026-09-01 |
相关基准测试
TaxEval 上的热门模型对比
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。