Vals AI 与 NextLadder 发布 Access to Justice Benchmark
先了解这件事
Vals AI 与 NextLadder Ventures 于11月10日发布 Access to Justice Benchmark，用 252 段模拟法律援助对话对 23 个 AI 模型进行了测试。没有任何模型达到该基准为可靠的第一接触点设定的 80% 门槛；得分最高的阿里巴巴 Qwen 3.8 Max 达到 76.4%。 模型在一般法律解释类标准上的满足率为 78–87%，但在识别具体本地资源方面仅为 30–50%，且 23 个模型中有 21 个在至少 70% 的最终回答中退回到全国性名录。免费版聊天机器人平均为 69.7%，付费版为 70.4%；只有 xAI 表现出明显的付费版优势，Grok 4.7 比 Grok 4.6 高出约 2.3–2.4 个百分点。 公布的结果仅使用了 504 个场景数据集中 252 个公开场景。模型通过 API 运行，这近似但并不能复现消费者聊天机器人的行为，且免费/付费版本的划分是 Vals AI 的估计，而非提供商确认的对应关系。内容过滤拒绝被计为零分，Vals AI 称这解释了 Muse Spark 1.3 在刑事与记录类问题上仅得 41.5% 的原因。
AI 根据报道生成 · 22 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Hacker News · AIVals AI 与 NextLadder Ventures 发布“司法可及性”基准：最佳模型 Qwen 3.8 Max 得分 76.4%，低于 80% 门槛
Vals AI 与 NextLadder Ventures 于11月10日发布“司法可及性”基准，用252段模拟法律援助对话测试了23个 AI 模型；没有任何模型达到作为可靠第一联系点所需的80%门槛，得分最高的阿里巴巴 Qwen 3.8 Max 达到76.4%。模型在一般法律解释类标准上的满足率为78%–87%，但在识别具体本地资源方面仅为30%–50%，23个模型中有21个在至少70%的最终回答中退回到全国性目录。免费版聊天机器人平均得分69.7%，付费版为70.4%，只有 xAI 表现出明显的付费版优势，Grok 4.7 比 Grok 4.6 高出约2.3–2.4分。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。