Vergelijking van AI-modelcapaciteiten
Kenniswerk
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
Harvey's Legal Agent BenchmarkHarvey juridische agentbenchmark
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| Nr. | Model | Cost / TestKosten per test | Input costInvoerprijs per miljoen tokens | Output costUitvoerprijs per miljoen tokens | DurationGerapporteerde testduur | |
|---|---|---|---|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 27.08 | $10.55 | $4 | $20 | 29.25 min |
| 2 |  Claude Sonnet 5.5Claude Sonnet 5.5 | 10.42 | $16.61 | $2 | $10 | 73 min |
| 3 | Claude Opus 5.5Claude Opus 5.5 | 9.17 | $21.38 | $4 | $20 | 58.45 min |
| 4 |  GPT-6 AstraGPT-6 Astra | 7.08 | $25.46 | $10 | $50 | 32.55 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 6.25 | $3.54 | $2 | $10 | 40.43 min |
| 6 | GPT-6 LunaGPT-6 Luna | 4.17 | $0.3 | $0.1 | $0.5 | 21.75 min |
| 7 | Claude Haiku 5.5Claude Haiku 5.5 | 4.17 | $4.26 | $0.1 | $0.5 | 43.68 min |
Vals.ai-benchmarks
Bron: Vals.ai ↗ · Bijgewerkt 2026-10-19
Harvey's Legal Agent Benchmark · Bijgewerkt 2026-10-19
PandaNpc Bijgewerkt 21 okt 2026, 06:01 UTC
Bron: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolomgids
- Nr.
- Alleen weergavevolgorde. Sorteren verandert dit nummer; het is geen gepubliceerde capaciteitsrang.
- Model
- De naam van het geëvalueerde model en het pictogram van de provider. Een streepje in een scorekolom betekent dat hier geen gepubliceerde score beschikbaar is, niet een nul.
- Cost / Test
- Kosten per test · USD
- Input cost
- Invoerprijs per miljoen tokens · USD / 1M tokens
- Output cost
- Uitvoerprijs per miljoen tokens · USD / 1M tokens
- Duration
- Gerapporteerde testduur · s / min
- Vals.ai
- Kosten en tijden worden voor deze benchmark gerapporteerd door Vals, niet als universele modelprijzen of latentie. De geschatte API-kosten van CUA-bench dekken evaluatiegebruik en zijn een ondergrens, niet de kosten per taak; tijd per actie is een gemiddelde, niet een mediaan. Een asterisk markeert prompt-cachegedrag op de lanceerdag dat de cache-schrijfkosten verhoogde. Ontbrekende waarden zijn niet gepubliceerd, niet nul.
- Vals Finance Agent v2Vals financiële agent v2
- Test financiële analyse met zoekfunctionaliteit, financiële rapporten en berekeningstools, inclusief gegevenscontroles tussen documenten, vergelijkingen van bedrijfsprestaties en waardering. De hoofdmetriek is Partial Credit, gemiddeld over drie runs: antwoordcontroles krijgen op ernst gebaseerde wegingen, en een kritieke dealbreaker-fout zorgt ervoor dat die vraag nul scoort. Hoger is beter. Dit staat los van de afzonderlijke All-Pass-metriek en is niet het slagingspercentage van hele vragen. Evaluatiemethodologie ↗
- Harvey's Legal Agent BenchmarkHarvey juridische agentbenchmark
- Test agents die bestanden lezen en bewerken om meerstaps juridische werkproducten te produceren. Een taak slaagt alleen wanneer aan elke beoordelingsvereiste is voldaan. De score is het gemiddelde taakslaagpercentage van twee beoordelaars; hoger is beter. Het is niet het percentage individuele criteria dat is gehaald, en het meet workflows van juridische agents in plaats van de juridische redeneervragen van LegalBench. Evaluatiemethodologie ↗
- Vals IndexVals samengestelde index
- Een samengestelde index van professionele taken op gebieden zoals financiën, programmeren en recht. De percentagescore combineert benchmarkresultaten met de wegingsmethode voor die gepubliceerde versie; hoger betekent sterkere algehele prestatie, niet de nauwkeurigheid van één enkele taak. Opgenomen domeinen en wegingen verschillen per versie, dus nieuwere methodologie mag niet met terugwerkende kracht worden toegepast op oudere scoremomentopnames. Evaluatiemethodologie ↗
- LegalBenchJuridische redeneerbenchmark
- Test begrip van en redeneren over juridische tekst, waaronder het identificeren van juridische kwesties, het herinneren en toepassen van regels en het beoordelen van juridische conclusies. De score is nauwkeurigheid op juridische redeneervragen; hoger is beter. In tegenstelling tot Harvey's Legal Agent Benchmark meet het geen agent die meerstaps juridische werkproducten produceert door bestanden te bewerken. Evaluatiemethodologie ↗