Ga naar inhoud

Benchmarks · Vals AI

Public Benefits Bench

Meet of AI mensen kan helpen bij Amerikaanse SNAP-uitkeringen (voedselhulp): vragen over uitkeringsworkflows.

Modellen gemeten
50
Bovenaan
76,93 %Claude Opus 5binnen de standaardfout van ±1,10
Versie
1.1
Peildatum
12 oktober 2026
Naar de bronDeze benchmark telt niet mee in de PrudentScore.

01

Ranglijst

Bovenaan: Top 15

Vals AI Legal Research Bench, all-pass [1]. Gestreepte balken vallen af op de compliancepoort.

  1. 1Claude Opus 576,93%
  2. 2Claude Fable 5.174,90%
  3. 3Wonder Full73,75%
  4. 4Claude Opus 5.570,64%
  5. 5Claude Fable 570,43%
  6. 6Wonder70,23%
  7. 7Gemini 4 Argon69,76%
  8. 8MiMo V2.6 Pro68,94%
  9. 9Hy4 Preview68,61%
  10. 10GLM 5.368,54%
  11. 11Muse Spark 1.268,47%
  12. 12Kimi K368,20%
  13. 13Claude Opus 4.868,13%
  14. 14MiMo V2.6 Flash67,59%
  15. 15Claude Sonnet 5.567,19%

Bron: Vals AI (Public Benefits Bench) · 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.

Voldoet aan de compliancepoortValt af op de compliancepoort
Public Benefits Bench 1.1
# ModelScoreKosten/taakPoortPrudentScore
1Claude Opus 5Anthropic76,93%± 1,10$3,95Voldoet72
2Claude Fable 5.1Anthropic74,90%± 1,13$7,48Valt afgeen score
3Wonder FullMeta73,75%± 1,15$4,64Valt afgeen score
4Claude Opus 5.5Anthropic70,64%± 1,19$5,29Voldoet63
5Claude Fable 5Anthropic70,43%± 1,19$4,59Valt afgeen score
6WonderMeta70,23%± 1,19$2,46Valt afgeen score
7Gemini 4 ArgonGoogle69,76%± 0,00$2,79Voldoet79
8MiMo V2.6 ProXiaomi68,94%± 1,20$0,08Valt afgeen score
9Hy4 PreviewTencent68,61%± 1,21$0,25Valt afgeen score
10GLM 5.3Z.ai68,54%± 1,21$0,95Valt afgeen score
11Muse Spark 1.2Meta68,47%± 1,21$0,59Valt afgeen score
12Kimi K3Moonshot AI68,20%± 1,21$0,91Valt afgeen score
13Claude Opus 4.8Anthropic68,13%± 1,21$1,89Voldoet62
14MiMo V2.6 FlashXiaomi67,59%± 1,22$0,03Valt afgeen score
15Claude Sonnet 5.5Anthropic67,19%± 1,22$3,76Voldoet62
16Qwen 3.8 MaxAlibaba67,12%± 1,22$0,99Nog niet beoordeeldgeen score
17Grok 4.6xAI (SpaceXAI)66,85%± 1,23$0,92Valt afgeen score
18GPT-5.6 SolOpenAI66,51%± 1,23$8,85Voldoet57
19Ember-1Fireworks AI66,17%± 1,23$1,02Nog niet beoordeeldgeen score
20Claude Sonnet 5Anthropic66,03%± 1,23$1,29Voldoet59
21Grok 4.7xAI (SpaceXAI)65,63%± 1,24$2,25Valt afgeen score
22Gemini 3.8 FlashGoogle65,29%± 1,24$1,01Voldoet62
23DeepSeek V4.1 FlashDeepSeek64,28%± 1,25$0,07Valt afgeen score
24MiniMax-M3MiniMax64,14%± 1,25$0,25Valt afgeen score
25Claude Haiku 5.5Anthropic63,19%± 1,25$0,53Voldoet59
26DeepSeek V4 Pro (2026-04-23)DeepSeek62,92%± 1,26$0,46Valt afgeen score
27Claude Sonnet 4.6Anthropic62,45%± 1,26$1,11Voldoet55
28GPT-5.6 TerraOpenAI62,38%± 1,26$1,20Voldoet53
29GLM 5.1Z.ai61,84%± 1,26$0,34Valt afgeen score
30Muse Spark 1.1Meta61,30%± 1,27$0,28Valt afgeen score
31GPT-5.6 LunaOpenAI61,16%± 1,27$0,27Voldoet56
32GPT 5.5OpenAI60,89%± 1,27$3,97Voldoet51
33Gemini 3.5 FlashGoogle59,47%± 1,28$1,11Voldoet47
34Inkling SmallThinking Machines59,41%± 1,28$0,10Valt afgeen score
35GPT-6.1 SolOpenAI59,34%± 1,28$0,69Voldoet59
36InklingThinking Machines58,46%± 1,28$0,37Valt afgeen score
37Step 5 PreviewStepFun58,12%± 1,28$0,50Valt afgeen score
38GPT-6 LunaOpenAI57,65%± 1,28$0,22Voldoet54
39=GPT-6 SolOpenAI56,63%± 1,29$2,49Voldoet45
39=Kimi K2.6Moonshot AI56,63%± 1,29$0,91Valt afgeen score
41Gemini 3.6 FlashGoogle56,56%± 1,29$0,39Voldoet46
42Claude Haiku 4.5 (Nonthinking)Anthropic54,26%± 1,30$0,22Voldoetgeen score
43Gemini 3.1 Pro Preview (02/26)Google53,79%± 1,30$0,38Valt afgeen score
44Gemini 3.5 Flash LiteGoogle51,83%± 1,30$0,10Voldoet38
45Grok 4.3xAI (SpaceXAI)51,69%± 1,30$0,26Valt afgeen score
46Ling 3.0 FlashAnt Group50,74%± 1,30$0,05Valt afgeen score
47Mercury 2.5Inception Labs45,26%± 1,29$0,07Nog niet beoordeeldgeen score
48Grok 4.1 Fast (Reasoning)xAI (SpaceXAI)44,79%± 1,29$0,03Valt afgeen score
49Laguna M.1Poolside43,84%± 1,29$0,20Valt afgeen score
50Laguna XS.2Poolside41,41%± 1,28$0,11Valt afgeen score

Bron: Vals AI (Public Benefits Bench) · 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 1.1 · Peildatum 12 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

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.