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
01
Ranglijst
Bovenaan: Top 15
Vals AI Legal Research Bench, all-pass [1]. Gestreepte balken vallen af op de compliancepoort.
- 1Claude Opus 576,93%
- 2Claude Fable 5.174,90%
- 3Wonder Full73,75%
- 4Claude Opus 5.570,64%
- 5Claude Fable 570,43%
- 6Wonder70,23%
- 7Gemini 4 Argon69,76%
- 8MiMo V2.6 Pro68,94%
- 9Hy4 Preview68,61%
- 10GLM 5.368,54%
- 11Muse Spark 1.268,47%
- 12Kimi K368,20%
- 13Claude Opus 4.868,13%
- 14MiMo V2.6 Flash67,59%
- 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.
| # Model | Score | Kosten/taak | Poort | PrudentScore |
|---|---|---|---|---|
| 1Claude Opus 5Anthropic | 76,93%± 1,10 | $3,95 | Voldoet | 72 |
| 2Claude Fable 5.1Anthropic | 74,90%± 1,13 | $7,48 | Valt af | geen score |
| 3Wonder FullMeta | 73,75%± 1,15 | $4,64 | Valt af | geen score |
| 4Claude Opus 5.5Anthropic | 70,64%± 1,19 | $5,29 | Voldoet | 63 |
| 5Claude Fable 5Anthropic | 70,43%± 1,19 | $4,59 | Valt af | geen score |
| 6WonderMeta | 70,23%± 1,19 | $2,46 | Valt af | geen score |
| 7Gemini 4 ArgonGoogle | 69,76%± 0,00 | $2,79 | Voldoet | 79 |
| 8MiMo V2.6 ProXiaomi | 68,94%± 1,20 | $0,08 | Valt af | geen score |
| 9Hy4 PreviewTencent | 68,61%± 1,21 | $0,25 | Valt af | geen score |
| 10GLM 5.3Z.ai | 68,54%± 1,21 | $0,95 | Valt af | geen score |
| 11Muse Spark 1.2Meta | 68,47%± 1,21 | $0,59 | Valt af | geen score |
| 12Kimi K3Moonshot AI | 68,20%± 1,21 | $0,91 | Valt af | geen score |
| 13Claude Opus 4.8Anthropic | 68,13%± 1,21 | $1,89 | Voldoet | 62 |
| 14MiMo V2.6 FlashXiaomi | 67,59%± 1,22 | $0,03 | Valt af | geen score |
| 15Claude Sonnet 5.5Anthropic | 67,19%± 1,22 | $3,76 | Voldoet | 62 |
| 16Qwen 3.8 MaxAlibaba | 67,12%± 1,22 | $0,99 | Nog niet beoordeeld | geen score |
| 17Grok 4.6xAI (SpaceXAI) | 66,85%± 1,23 | $0,92 | Valt af | geen score |
| 18GPT-5.6 SolOpenAI | 66,51%± 1,23 | $8,85 | Voldoet | 57 |
| 19Ember-1Fireworks AI | 66,17%± 1,23 | $1,02 | Nog niet beoordeeld | geen score |
| 20Claude Sonnet 5Anthropic | 66,03%± 1,23 | $1,29 | Voldoet | 59 |
| 21Grok 4.7xAI (SpaceXAI) | 65,63%± 1,24 | $2,25 | Valt af | geen score |
| 22Gemini 3.8 FlashGoogle | 65,29%± 1,24 | $1,01 | Voldoet | 62 |
| 23DeepSeek V4.1 FlashDeepSeek | 64,28%± 1,25 | $0,07 | Valt af | geen score |
| 24MiniMax-M3MiniMax | 64,14%± 1,25 | $0,25 | Valt af | geen score |
| 25Claude Haiku 5.5Anthropic | 63,19%± 1,25 | $0,53 | Voldoet | 59 |
| 26DeepSeek V4 Pro (2026-04-23)DeepSeek | 62,92%± 1,26 | $0,46 | Valt af | geen score |
| 27Claude Sonnet 4.6Anthropic | 62,45%± 1,26 | $1,11 | Voldoet | 55 |
| 28GPT-5.6 TerraOpenAI | 62,38%± 1,26 | $1,20 | Voldoet | 53 |
| 29GLM 5.1Z.ai | 61,84%± 1,26 | $0,34 | Valt af | geen score |
| 30Muse Spark 1.1Meta | 61,30%± 1,27 | $0,28 | Valt af | geen score |
| 31GPT-5.6 LunaOpenAI | 61,16%± 1,27 | $0,27 | Voldoet | 56 |
| 32GPT 5.5OpenAI | 60,89%± 1,27 | $3,97 | Voldoet | 51 |
| 33Gemini 3.5 FlashGoogle | 59,47%± 1,28 | $1,11 | Voldoet | 47 |
| 34Inkling SmallThinking Machines | 59,41%± 1,28 | $0,10 | Valt af | geen score |
| 35GPT-6.1 SolOpenAI | 59,34%± 1,28 | $0,69 | Voldoet | 59 |
| 36InklingThinking Machines | 58,46%± 1,28 | $0,37 | Valt af | geen score |
| 37Step 5 PreviewStepFun | 58,12%± 1,28 | $0,50 | Valt af | geen score |
| 38GPT-6 LunaOpenAI | 57,65%± 1,28 | $0,22 | Voldoet | 54 |
| 39=GPT-6 SolOpenAI | 56,63%± 1,29 | $2,49 | Voldoet | 45 |
| 39=Kimi K2.6Moonshot AI | 56,63%± 1,29 | $0,91 | Valt af | geen score |
| 41Gemini 3.6 FlashGoogle | 56,56%± 1,29 | $0,39 | Voldoet | 46 |
| 42Claude Haiku 4.5 (Nonthinking)Anthropic | 54,26%± 1,30 | $0,22 | Voldoet | geen score |
| 43Gemini 3.1 Pro Preview (02/26)Google | 53,79%± 1,30 | $0,38 | Valt af | geen score |
| 44Gemini 3.5 Flash LiteGoogle | 51,83%± 1,30 | $0,10 | Voldoet | 38 |
| 45Grok 4.3xAI (SpaceXAI) | 51,69%± 1,30 | $0,26 | Valt af | geen score |
| 46Ling 3.0 FlashAnt Group | 50,74%± 1,30 | $0,05 | Valt af | geen score |
| 47Mercury 2.5Inception Labs | 45,26%± 1,29 | $0,07 | Nog niet beoordeeld | geen score |
| 48Grok 4.1 Fast (Reasoning)xAI (SpaceXAI) | 44,79%± 1,29 | $0,03 | Valt af | geen score |
| 49Laguna M.1Poolside | 43,84%± 1,29 | $0,20 | Valt af | geen score |
| 50Laguna XS.2Poolside | 41,41%± 1,28 | $0,11 | Valt af | geen 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
- Legal Research Bench
- Harvey LAB (Vals-uitvoering)
- LegalBench (Vals-leaderboard)
- CaseLaw v2
- TaxEval v2
- Tax Agent Bench
- CorpFin v2
- Immigration Bench
- Access to Justice
- 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.