基准

Harvey LAB-AA

评估 AI 在法律领域任务上性能的基准测试。

时间轴 (近 90 天)

10月15日

在 Meta 自家 Agent 基准中，Muse Wonder 在 Harvey LAB-AA 法律任务上得 10.0，Claude Opus 5.5 得 4.2。

已过期50%

10月13日

在Harvey LAB-AA法律分析中Muse Wonder取得13.1%，是Claude Opus 5.5的4.2%的三倍多；在Vals Finance Agent V2中以59.1%居首

已过期50%

10月12日

Muse Wonder 在 DeepSWE 1.1 上以 78.8 对 74.2 击败 Claude Opus 5.5，在 Harvey 法律代理基准 LAB-AA 上以 10.0 对 4.2 领先，在 SWE-Marathon 上以 53.1 对 46.3 领先。

待验证50%

Muse Wonder 在 DeepSWE 1.1 上以 78.8 对 74.2 击败 Claude Opus 5.5，在 Harvey 法律代理基准 LAB-AA 上以 10.0 对 4.2 领先，在 SWE-Marathon 上以 53.1 对 46.3 领先。