法律 AI 的殘酷錨點:最強模型的「整案全過率」只有 14.2%。

做這份評測的是 Artificial Analysis——一家專門獨立評測各家 AI 模型、業界常引用其排行榜的第三方機構。它出了 120 個真實法律任務(跨 24 個執業領域),規定一個任務要「每個檢核點全部通過」才算過。結果最強的 Fable 5 也只拿 14.2%,次強兩家並列 7.5%;而中國的 GLM-5.2 每個任務的成本只要 Fable 的約 6%,換算下來便宜約 16 倍(轉引自 AINews,2026-07)。看得出來:模型通過「單項」檢查沒問題,但要交出「整份」能用的成品還差很遠——能力過剩、交付短缺,這正是今日主線第 5 點說 harness(那層工作環境)值錢的原因;而成本差 16 倍,預告價格戰會打進律師這種專業服務層。

驗證:這是 Artificial Analysis 公布的榜單,本報引其公開數字,尚未取得逐案原始資料,當方向看。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…