Legal Agent Benchmark · Opus 5 官方发布表所列 held-out set · 测试定义与成绩

Legal Agent Benchmark · Opus 5 官方发布表所列 held-out set 收录 3 次模型发布的评测披露或成绩。

测试版本与指标

别名 Legal Agent Benchmark (held-out)

  • All-pass rate · % · 越高越好
  • Mean criterion-pass rate · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

All-pass rate %

工具条件未记录 / max / 框架未记录 · Harvey LAB held-out 120-task set; max effort; Artificial Analysis evaluation harness.

Legal Agent Benchmark · Opus 5 官方发布表所列 held-out set · All-pass rate · 工具条件未记录 / max / 框架未记录 · Harvey LAB held-out 120-task set; max effort; Artificial Analysis evaluation harness.
模型与配置成绩(%)记录与证据
Claude Opus 5.5Max8.3%

Mean criterion-pass rate %

工具条件未记录 / max / 框架未记录 · Harvey LAB held-out 120-task set; max effort; Artificial Analysis evaluation harness.

Legal Agent Benchmark · Opus 5 官方发布表所列 held-out set · Mean criterion-pass rate · 工具条件未记录 / max / 框架未记录 · Harvey LAB held-out 120-task set; max effort; Artificial Analysis evaluation harness.
模型与配置成绩(%)记录与证据
Claude Opus 5.5Max91.2%

历史记录 · 3 次发布

  • Claude Opus 5.5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Opus 5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Opus 4.8本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)