Vals AI 與 NextLadder 發布 Access to Justice Benchmark
先了解這件事
Vals AI 與 NextLadder Ventures 於 11 月 10 日發布 Access to Justice Benchmark，以 252 段模擬法律援助對話測試 23 個 AI 模型。沒有任何模型達到該基準所設定、作為可靠第一線聯絡點的 80% 門檻；得分最高者為阿里巴巴的 Qwen 3.8 Max，達到 76.4%。 各模型在一般法律解釋方面滿足了 78–87% 的評分標準，但在辨識特定在地資源方面僅有 30–50%，且 23 個模型中有 21 個在至少 70% 的最終回答中退而引用全國性名錄。免費層級聊天機器人平均為 69.7%，付費層級則為 70.4%；僅 xAI 展現出明顯的付費優勢，Grok 4.7 以約 2.3–2.4 個百分點勝過 Grok 4.6。 公布的结果僅採用 504 個情境資料集中的 252 個公開情境。模型是透過 API 執行，這雖近似但無法重現消費端聊天機器人的行為，而免費／付費層級的歸類是 Vals AI 的估計，並非供應商確認的對應關係。內容過濾器的拒答計為零分，Vals AI 表示這說明了 Muse Spark 1.3 在犯罪與紀錄問題上為何僅得 41.5%。
AI 依報導生成 · 22 分鐘前更新
報導時間線
沿著報導，了解事件的不同側面。
- Hacker News · AIVals AI 與 NextLadder Ventures 發布司法近用基準：頂尖模型 Qwen 3.8 Max 得分 76.4%，低於 80% 門檻
Vals AI 與 NextLadder Ventures 於 11 月 10 日發布司法近用基準（Access to Justice Benchmark），以 252 段模擬法律援助對話測試 23 個 AI 模型；沒有任何模型達到作為可靠第一線接觸管道的 80% 門檻，最高分的阿里巴巴 Qwen 3.8 Max 達到 76.4%。各模型在一般法律解釋方面滿足了 78–87% 的評分標準，但在辨識特定在地資源方面僅滿足 30–50%，23 個模型中有 21 個在至少 70% 的最終回答中退而引用全國性名錄。免費版聊天機器人平均為 69.7%，付費版為 70.4%，僅 xAI 展現出明顯的付費版優勢，Grok 4.7 領先 Grok 4.6 約 2.3–2.4 個百分點。
本事件熱度走勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。