Legal Research Bench 由 Vals AI 发布，测试多来源的美国法律研究能力。智能体需借助判例检索、网页搜索和文档检索，回答覆盖 8 个执业领域、涉及联邦与州法的问题。题目、标准答案和评分标准均由执业律师编写并互审；主指标为 all-pass，即所有评分条目都需满足。
查看 Legal Research Bench 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
排名规则：按「Score」从高到低排列，同分并列。同一模型的不同思考档位或工具设置各占一行、分别排名。
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Fable 5.1 思考水平·Max工具 | 55.29 | 2026-09-01 | 未知 | 闭源 | |
Claude Opus 5 思考水平·Max工具 | 55.29 | 2026-07-24 | 未知 | 闭源 | |
 Muse Spark 1.3 思考水平·Max工具 | 55.29 | 2026-09-02 | 未知 | 闭源 | |
4 |  Gemini 4 Argon 思考水平·高工具 | 54.81 | 2026-10-13 | 未知 | 闭源 |
5 | Muse Wonder Full 思考水平·Max工具 | 53.37 | 2026-10-12 | 未知 | 闭源 |
6 | Claude Opus 5.5 思考水平·Max工具 | 50.48 | 2026-09-22 | 未知 | 闭源 |
6 | Muse Wonder 思考水平·Max工具 | 50.48 | 2026-10-12 | 未知 | 闭源 |
8 | Claude Fable 5 思考水平·Max工具 | 49.52 | 2026-06-09 | 未知 | 闭源 |
9 |  GLM-5.3 思考水平·Max工具 | 49.04 | 2026-08-14 | 7440亿 | 有条件商用 |
10 |  GPT-5.6 Sol 思考水平·Max工具 | 48.08 | 2026-06-26 | 未知 | 闭源 |
10 |  Grok 4.6 思考水平·高工具 | 48.08 | 2026-08-12 | 未知 | 闭源 |
10 | Claude Sonnet 5.5 思考水平·Max工具 | 48.08 | 2026-09-28 | 未知 | 闭源 |
13 |  Qwen3.8-Max unknown工具 | 47.60 | 2026-08-03 | 24000亿 | 有条件商用 |
14 | Grok 4.7 思考水平·极高工具 | 47.12 | 2026-09-21 | 未知 | 闭源 |
14 | MiMo-V2.6-Pro unknown工具 | 47.12 | 2026-09-22 | 10200亿 | 免费商用 |
16 | Qwen3.8-Max-0902 unknown工具 | 46.15 | 2026-09-02 | 24000亿 | 闭源 |
17 |  Hy4 preview unknown工具 | 45.19 | 2026-08-28 | 7700亿 | 免费商用 |
17 | GLM-5.3-Flash 思考水平·Max工具 | 45.19 | 2026-08-26 | 3200亿 | 免费商用 |
17 |  DeepSeek-V4.1-Flash-1017 思考水平·Max工具 | 45.19 | 2026-10-17 | 未知 | 免费商用 |
20 |  Ember-1 unknown工具 | 44.71 | 2026-09-22 | 未知 | 闭源 |
21 |  Kimi K3 思考水平·Max工具 | 44.20 | 2026-07-16 | 28000亿 | 有条件商用 |
22 | Claude Haiku 5.5 思考水平·Max工具 | 43.75 | 2026-10-07 | 未知 | 闭源 |
22 | Muse Spark 1.2 思考水平·极高工具 | 43.75 | 2026-08-05 | 未知 | 闭源 |
22 | Claude Opus 4.8 思考水平·Max工具 | 43.75 | 2026-05-28 | 未知 | 闭源 |
25 | Claude Sonnet 5 思考水平·Max工具 | 41.83 | 2026-06-30 | 未知 | 闭源 |
25 | GLM-5.3-FlashX-Legal 思考水平·Max工具 | 41.83 | 2026-10-12 | 3200亿 | 闭源 |
27 | GPT-5.6 Terra 思考水平·Max工具 | 41.35 | 2026-06-26 | 未知 | 闭源 |
27 | DeepSeek-V4.1-Flash 思考水平·高工具 | 41.35 | 2026-09-10 | 5520亿 | 免费商用 |
29 | Muse Spark 1.3 思考水平·极高工具 | 40.87 | 2026-09-02 | 未知 | 闭源 |
29 | DeepSeek V4 Pro 0813 思考水平·Max工具 | 40.87 | 2026-08-13 | 未知 | 免费商用 |
截至 2026-10-25，Legal Research Bench 按「Score」排名（越高越好），共收录 84 个模型。Claude Fable 5.1（最高档） 55.29%、Claude Opus 5（最高档） 55.29%、Muse Spark 1.3（最高档） 55.29% 并列第一。其后是 Gemini 4 Argon（高档） 54.81%、Muse Wonder Full（最高档） 53.37%。最近发布的 Kimi K3.1 Pro（2026-10-24）排在第 41 位。开源权重模型中表现最好的是 GLM-5.3（最高档） 49.04%，排第 9 位。
