Benchmarks · Vals AI
LegalBench (Vals-leaderboard)
Let op: Vals heeft geen benchmark gericht op Nederlands of Europees recht. Meet juridisch redeneren met korte, goed afgebakende taken (open dataset van Guha e.a.; Vals draait alle modellen met dezelfde instellingen). Onderverdeeld naar issue-, rule-, conclusion-, interpretation- en rhetoric-taken. De top-10 ligt tussen 87,0 en 88,6 procent (stand 13-10-2026), dus de ranglijst onderscheidt weinig. De oorspronkelijke dataset (https://github.com/HazyResearch/legalbench) heeft per taak een eigen licentie; de bron vraagt de licentie van de dataset-maker te volgen.
- Modellen gemeten
- 113
- Bovenaan
- 88,56 %Claude Fable 5binnen de standaardfout van ±0,33
- Versie
- 1
- Peildatum
- 13 oktober 2026
01
Ranglijst
Bovenaan: Top 15
Vals AI Legal Research Bench, all-pass [1]. Gestreepte balken vallen af op de compliancepoort.
- 1Claude Fable 588,56%
- 2Claude Fable 5.188,51%
- 3Gemini 4 Argon88,30%
- 4Wonder Full87,42%
- 5Gemini 3.1 Pro Preview (02/26)87,40%
- 6Gemini 3.7 Flash87,26%
- 7Gemini 3 Pro (11/25)87,03%
- 8Gemini 3.8 Flash86,99%
- 9Claude Opus 586,97%
- 10GPT-5.6 Sol86,97%
- 11Gemini 3 Flash (12/25)86,86%
- 12Gemini 3.6 Flash86,70%
- 13GPT 5.586,52%
- 14Grok 4.686,31%
- 15GLM Legal86,23%
Bron: Vals AI (LegalBench (Vals-leaderboard)) · Licentie: CC BY 4.0 · Bewerking: Prudai selecteerde de modellen, vertaalde de uitleg, voegde de poortuitslag en de PrudentScore toe en rondde getallen af op twee decimalen.
| # Model | Score | Kosten/taak | Poort | PrudentScore |
|---|---|---|---|---|
| 1Claude Fable 5Anthropic | 88,56%± 0,33 | - | Valt af | geen score |
| 2Claude Fable 5.1Anthropic | 88,51%± 0,42 | - | Valt af | geen score |
| 3Gemini 4 ArgonGoogle | 88,30%± 0,37 | - | Voldoet | 79 |
| 4Wonder FullMeta | 87,42%± 0,41 | - | Valt af | geen score |
| 5Gemini 3.1 Pro Preview (02/26)Google | 87,40%± 0,33 | - | Valt af | geen score |
| 6Gemini 3.7 FlashGoogle | 87,26%± 0,42 | - | Voldoet | 58 |
| 7Gemini 3 Pro (11/25)Google | 87,03%± 0,37 | - | Valt af | geen score |
| 8Gemini 3.8 FlashGoogle | 86,99%± 0,43 | - | Voldoet | 62 |
| 9Claude Opus 5Anthropic | 86,97%± 0,42 | - | Voldoet | 72 |
| 10GPT-5.6 SolOpenAI | 86,97%± 0,41 | - | Voldoet | 57 |
| 11Gemini 3 Flash (12/25)Google | 86,86%± 0,36 | - | Valt af | geen score |
| 12Gemini 3.6 FlashGoogle | 86,70%± 0,41 | - | Voldoet | 46 |
| 13GPT 5.5OpenAI | 86,52%± 0,41 | - | Voldoet | 51 |
| 14Grok 4.6xAI (SpaceXAI) | 86,31%± 0,42 | - | Valt af | geen score |
| 15GLM LegalZ.ai | 86,23%± 0,41 | - | Valt af | geen score |
| 16Kimi K3Moonshot AI | 86,21%± 0,41 | - | Valt af | geen score |
| 17GPT 5.4 (xhigh)OpenAI | 86,04%± 0,41 | - | Voldoet | 0 |
| 18GPT 5OpenAI | 86,02%± 0,38 | - | Voldoet | geen score |
| 19Grok 4.5xAI (SpaceXAI) | 85,97%± 0,41 | - | Valt af | geen score |
| 20GPT 5.1OpenAI | 85,68%± 0,40 | - | Voldoet | geen score |
| 21MiniMax-M3MiniMax | 85,42%± 0,44 | - | Valt af | geen score |
| 22Claude Opus 4.6 (Thinking)Anthropic | 85,30%± 0,37 | - | Voldoet | geen score |
| 23Muse Spark 1.2Meta | 85,26%± 0,45 | - | Valt af | geen score |
| 24Claude Opus 4.7Anthropic | 85,25%± 0,45 | - | Voldoet | 54 |
| 25GPT-5.6 TerraOpenAI | 85,11%± 0,45 | - | Voldoet | 53 |
| 26Qwen 3.5 PlusAlibaba | 85,10%± 0,41 | - | Nog niet beoordeeld | geen score |
| 27Muse Spark 1.1Meta | 84,98%± 0,42 | - | Valt af | geen score |
| 28Qwen 3.7 MaxAlibaba | 84,91%± 0,41 | - | Nog niet beoordeeld | geen score |
| 29GLM 5.3Z.ai | 84,84%± 0,40 | - | Valt af | geen score |
| 30Kimi K2.6Moonshot AI | 84,74%± 0,45 | - | Valt af | geen score |
| 31Claude Opus 4.5 (Thinking)Anthropic | 84,60%± 0,39 | - | Voldoet | geen score |
| 32Grok 4.3xAI (SpaceXAI) | 84,46%± 0,42 | - | Valt af | geen score |
| 33GLM 5.1Z.ai | 84,39%± 0,43 | - | Valt af | geen score |
| 34Grok 4.7xAI (SpaceXAI) | 84,39%± 0,46 | - | Valt af | geen score |
| 35Qwen 3.5 FlashAlibaba | 84,28%± 0,41 | - | Nog niet beoordeeld | geen score |
| 36Qwen 3.6 PlusAlibaba | 84,23%± 0,42 | - | Nog niet beoordeeld | geen score |
| 37Muse SparkMeta | 84,22%± 0,42 | - | Valt af | geen score |
| 38Claude Sonnet 4.5 (Thinking)Anthropic | 84,08%± 0,45 | - | Voldoet | geen score |
| 39=Gemini 3.5 Flash LiteGoogle | 84,07%± 0,44 | - | Voldoet | 38 |
| 39=GLM 5.2Z.ai | 84,07%± 0,45 | - | Valt af | geen score |
| 41GLM 5Z.ai | 84,06%± 0,41 | - | Voldoet | geen score |
| 42GPT-5.6 LunaOpenAI | 84,03%± 0,42 | - | Voldoet | 56 |
| 43MiniMax-M2.7MiniMax | 83,98%± 0,41 | - | Valt af | geen score |
| 44GLM 5.3 FlashZ.ai | 83,93%± 0,43 | - | Valt af | geen score |
| 45Claude Sonnet 5Anthropic | 83,92%± 0,46 | - | Voldoet | 59 |
| 46Gemini 3.1 Flash Lite PreviewGoogle | 83,76%± 0,41 | - | Nog niet beoordeeld | geen score |
| 47o3OpenAI | 83,76%± 0,42 | - | Voldoet | geen score |
| 48Hy4 PreviewTencent | 83,76%± 0,41 | - | Valt af | geen score |
| 49Qwen 3.8 MaxAlibaba | 83,61%± 0,42 | - | Nog niet beoordeeld | geen score |
| 50Gemini 3.5 FlashGoogle | 83,60%± 0,85 | - | Voldoet | 47 |
| 51Claude Opus 4.8Anthropic | 83,57%± 0,47 | - | Voldoet | 62 |
| 52Claude Opus 4.1 (Nonthinking)Anthropic | 83,46%± 0,45 | - | Valt af | geen score |
| 53GLM 4.7Z.ai | 83,36%± 0,47 | - | Voldoet | geen score |
| 54DeepSeek V4.1 FlashDeepSeek | 83,28%± 0,46 | - | Valt af | geen score |
| 55Grok 4xAI (SpaceXAI) | 83,19%± 0,47 | - | Valt af | geen score |
| 56GPT 4.1OpenAI | 83,10%± 0,43 | - | Voldoet | geen score |
| 57Claude Opus 4 (Nonthinking)Anthropic | 83,07%± 0,44 | - | Valt af | geen score |
| 58Mercury 2.5Inception Labs | 83,06%± 0,48 | - | Nog niet beoordeeld | geen score |
| 59Inkling SmallThinking Machines | 82,99%± 0,46 | - | Valt af | geen score |
| 60Claude Sonnet 4 (Nonthinking)Anthropic | 82,95%± 0,41 | - | Valt af | geen score |
| 61InklingThinking Machines | 82,95%± 0,50 | - | Valt af | geen score |
| 62Claude Opus 4.5 (Nonthinking)Anthropic | 82,84%± 0,43 | - | Voldoet | geen score |
| 63GPT 5.2OpenAI | 82,76%± 0,40 | - | Voldoet | geen score |
| 64Gemini 2.5 Flash Preview (9/25) (Thinking)Google | 82,63%± 0,41 | - | Valt af | geen score |
| 65Gemini 2.5 Flash Preview (9/25) (Nonthinking)Google | 82,49%± 0,43 | - | Valt af | geen score |
| 66Grok 4.1 Fast (Reasoning)xAI (SpaceXAI) | 82,45%± 0,46 | - | Valt af | geen score |
| 67Qwen 3.8 27BAlibaba | 82,43%± 0,47 | - | Valt af | geen score |
| 68DeepSeek V4 Pro (0813)DeepSeek | 82,36%± 0,44 | - | Valt af | geen score |
| 69GPT 4o (2024-11-20)OpenAI | 82,21%± 0,46 | - | Voldoet | geen score |
| 70Claude Sonnet 4.6Anthropic | 82,12%± 0,48 | - | Voldoet | 55 |
| 71Nemotron 3 UltraNVIDIA | 82,07%± 0,46 | - | Valt af | geen score |
| 72Claude Sonnet 4 (Thinking)Anthropic | 82,06%± 0,46 | - | Valt af | geen score |
| 73Gemini 2.5 Flash Lite (9/25) (Thinking)Google | 82,04%± 0,44 | - | Valt af | geen score |
| 74Qwen 3 MaxAlibaba | 81,86%± 0,40 | - | Nog niet beoordeeld | geen score |
| 75GPT 5 MiniOpenAI | 81,77%± 0,45 | - | Voldoet | geen score |
| 76Kimi K2 InstructMoonshot AI | 81,45%± 0,44 | - | Valt af | geen score |
| 77Claude Haiku 4.5 (Thinking)Anthropic | 81,24%± 0,49 | - | Voldoet | 32 |
| 78Grok 4 Fast (Reasoning)xAI (SpaceXAI) | 80,60%± 0,45 | - | Valt af | geen score |
| 79Qwen 3 Max PreviewAlibaba | 80,33%± 0,40 | - | Nog niet beoordeeld | geen score |
| 80DeepSeek V4 Pro (2026-04-23)DeepSeek | 80,32%± 0,47 | - | Valt af | geen score |
| 81Kimi K2 ThinkingMoonshot AI | 80,20%± 0,46 | - | Valt af | geen score |
| 82MiniMax-M2.5MiniMax | 79,96%± 0,47 | - | Voldoet | geen score |
| 83Command ACohere | 79,70%± 0,42 | - | Valt af | geen score |
| 84Ling 3.0 FlashAnt Group | 79,69%± 0,52 | - | Valt af | geen score |
| 85GLM 4.6Z.ai | 79,61%± 0,52 | - | Valt af | geen score |
| 86o4 MiniOpenAI | 79,19%± 0,50 | - | Voldoet | geen score |
| 87Mistral Large 3Mistral AI | 79,14%± 0,46 | - | Voldoet | geen score |
| 88Grok 4.1 Fast Non-ReasoningxAI (SpaceXAI) | 79,11%± 0,46 | - | Valt af | geen score |
| 89Gemini 2.5 Flash Lite (9/25) (Nonthinking)Google | 79,01%± 0,44 | - | Valt af | geen score |
| 90MiMo V2.5Xiaomi | 78,89%± 0,51 | - | Valt af | geen score |
| 91Grok 4 Fast (Non-Reasoning)xAI (SpaceXAI) | 78,40%± 0,47 | - | Valt af | geen score |
| 92GPT 4.1 MiniOpenAI | 78,04%± 0,42 | - | Voldoet | geen score |
| 93GPT 5.4 NanoOpenAI | 77,92%± 0,43 | - | Voldoet | 29 |
| 94Llama 4 MaverickMeta | 77,81%± 0,42 | - | Valt af | geen score |
| 95Grok 4.20 (Reasoning)xAI (SpaceXAI) | 77,74%± 0,48 | - | Valt af | geen score |
| 96DeepSeek V4 Flash 0731DeepSeek | 77,71%± 0,50 | - | Valt af | geen score |
| 97MiMo V2.5 ProXiaomi | 77,13%± 0,55 | - | Valt af | geen score |
| 98DeepSeek V3.2 (Thinking)DeepSeek | 76,08%± 0,49 | - | Voldoet | geen score |
| 99GPT OSS 120BOpenAI | 75,94%± 0,52 | - | Voldoet | geen score |
| 100GLM 4.5Z.ai | 75,63%± 0,51 | - | Valt af | geen score |
| 101MiniMax-M2.1MiniMax | 75,45%± 0,54 | - | Voldoet | geen score |
| 102Laguna M.1Poolside | 75,14%± 0,59 | - | Valt af | geen score |
| 103Llama 4 ScoutMeta | 72,04%± 0,48 | - | Valt af | geen score |
| 104Laguna XS.2Poolside | 71,03%± 0,56 | - | Valt af | geen score |
| 105GPT OSS 20BOpenAI | 70,85%± 0,61 | - | Voldoet | geen score |
| 106Mistral Small 3.1 (03/2025)Mistral AI | 69,16%± 0,51 | - | Voldoet | geen score |
| 107DeepSeek V3.2 (Nonthinking)DeepSeek | 65,96%± 0,42 | - | Voldoet | geen score |
| 108Mistral Medium 3.1 (05/2025)Mistral AI | 61,98%± 0,47 | - | Voldoet | geen score |
| 109Command A+Cohere | 61,42%± 0,63 | - | Valt af | geen score |
| 110GPT 4.1 NanoOpenAI | 61,06%± 0,59 | - | Voldoet | geen score |
| 111Magistral Medium 1.2 (09/2025)Mistral AI | 54,77%± 0,56 | - | Nog niet beoordeeld | geen score |
| 112GPT 5 NanoOpenAI | 50,13%± 0,47 | - | Voldoet | geen score |
| 113Magistral Small 1.2 (09/2025)Mistral AI | 40,02%± 0,47 | - | Voldoet | geen score |
Bron: Vals AI (LegalBench (Vals-leaderboard)) · Licentie: CC BY 4.0 · Bewerking: Prudai selecteerde de modellen, vertaalde de uitleg, voegde de poortuitslag en de PrudentScore toe en rondde getallen af op twee decimalen.
Vals AI · Versie 1 · Peildatum 13 oktober 2026 · Naar de bron. De PrudentScore is een samenstelling door Prudai B.V. op basis van openbaar gepubliceerde cijfers en vertegenwoordigt niet de opvatting of goedkeuring van Vals AI, Harvey of Artificial Analysis. Cijfers van Artificial Analysis staan uitsluitend in lopende tekst, met bronvermelding en link, zoals de voorwaarden van die partij voorschrijven [9].
Andere benchmarks
- Legal Research Bench
- Harvey LAB (Vals-uitvoering)
- CaseLaw v2
- TaxEval v2
- Tax Agent Bench
- CorpFin v2
- Immigration Bench
- Access to Justice
- Public Benefits Bench
- Vals Legal Index
- Vals Index
- GPQA Diamond (Vals-run)
- MMLU Pro (Vals-run)
- Artificial Analysis Intelligence Index
Claude en Anthropic, GPT en OpenAI, Gemini en Google, Grok en xAI, Kimi en Moonshot AI, Muse en Meta, Mistral, DeepSeek, GLM en Z.ai, Harvey, Vals AI en Artificial Analysis zijn handelsmerken van hun respectieve eigenaren. Vermelding dient uitsluitend ter identificatie en impliceert geen samenwerking, sponsoring of goedkeuring.