Benchmarks · Vals AI
Tax Agent Bench
Meet een agent op belastingonderzoek op onderzoeksniveau (Amerikaans vennootschapsbelastingrecht) met bronscore en categorieresultaten (feitenanalyse, bronnen opzoeken, actualiteit, berekeningen, formulieren, jurisprudentie).
- Modellen gemeten
- 82
- Bovenaan
- 51,78 %Gemini 4 Carbonbinnen de standaardfout van ±3,60
- Versie
- 1
- Peildatum
- 9 november 2026
01
Ranglijst
Bovenaan: Top 15
Vals AI Legal Research Bench, all-pass [1]. Gestreepte balken vallen af op de compliancepoort.
- 1Gemini 4 Carbon51,78%
- 2Claude Fable 5.150,75%
- 3Gemini 4 Argon49,22%
- 4Claude Opus 547,10%
- 5Claude Opus 5.544,54%
- 6DeepSeek V4.1 Flash 101744,35%
- 7GLM 5.343,33%
- 8Wonder Full43,00%
- 9Muse Spark 1.3 (Max)42,44%
- 10Claude Sonnet 5.541,96%
- 11Inkling 2 Small38,91%
- 12Claude Fable 538,28%
- 13Muse Ember38,23%
- 14Muse Spark 1.337,89%
- 15Wonder36,27%
Bron: Vals AI (Tax Agent 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 |
|---|---|---|---|---|
| 1Gemini 4 CarbonGoogle | 51,78%± 3,60 | $6,34 | Voldoet | 77 |
| 2Claude Fable 5.1Anthropic | 50,75%± 3,61 | $13,18 | Valt af | geen score |
| 3Gemini 4 ArgonGoogle | 49,22%± 3,61 | $3,47 | Voldoet | 79 |
| 4Claude Opus 5Anthropic | 47,10%± 3,60 | $5,14 | Voldoet | 72 |
| 5Claude Opus 5.5Anthropic | 44,54%± 3,58 | $14,40 | Voldoet | 63 |
| 6DeepSeek V4.1 Flash 1017DeepSeek | 44,35%± 3,57 | $0,46 | Valt af | geen score |
| 7GLM 5.3Z.ai | 43,33%± 3,56 | $1,80 | Valt af | geen score |
| 8Wonder FullMeta | 43,00%± 3,57 | $2,15 | Valt af | geen score |
| 9Muse Spark 1.3 (Max)Meta | 42,44%± 3,51 | $0,39 | Valt af | geen score |
| 10Claude Sonnet 5.5Anthropic | 41,96%± 3,56 | $8,73 | Voldoet | 62 |
| 11Inkling 2 SmallThinking Machines | 38,91%± 3,27 | $0,14 | Valt af | geen score |
| 12Claude Fable 5Anthropic | 38,28%± 3,50 | $6,70 | Valt af | geen score |
| 13Muse EmberMeta | 38,23%± 3,50 | $0,03 | Valt af | geen score |
| 14Muse Spark 1.3Meta | 37,89%± 3,45 | $0,32 | Valt af | geen score |
| 15WonderMeta | 36,27%± 3,47 | $1,88 | Valt af | geen score |
| 16Grok 4.7xAI (SpaceXAI) | 35,75%± 3,46 | $1,80 | Valt af | geen score |
| 17Hy4Tencent | 34,40%± 3,30 | $1,69 | Valt af | geen score |
| 18Grok 4.6xAI (SpaceXAI) | 33,66%± 3,41 | $0,98 | Valt af | geen score |
| 19Kimi K3Moonshot AI | 33,37%± 3,39 | $2,79 | Valt af | geen score |
| 20Muse Spark 1.2Meta | 32,80%± 2,75 | $0,27 | Valt af | geen score |
| 21Hy4 PreviewTencent | 32,62%± 3,38 | $0,59 | Valt af | geen score |
| 22MiMo V2.6 ProXiaomi | 32,39%± 3,36 | $0,13 | Valt af | geen score |
| 23MiniMax-M3.1-FlashMiniMax | 32,14%± 3,34 | $0,32 | Valt af | geen score |
| 24Gemini 3.8 FlashGoogle | 32,12%± 3,37 | $0,86 | Voldoet | 62 |
| 25Qwen 3.8 MaxAlibaba | 32,09%± 3,37 | $1,55 | Nog niet beoordeeld | geen score |
| 26Claude Fable 5.2Anthropic | 32,09%± 3,37 | $3,31 | Valt af | geen score |
| 27Claude Haiku 5.5Anthropic | 31,92%± 3,35 | $1,16 | Voldoet | 59 |
| 28GLM 5.3 FlashZ.ai | 31,55%± 3,35 | $0,14 | Valt af | geen score |
| 29GPT-5.6 SolOpenAI | 31,09%± 3,34 | $7,51 | Voldoet | 57 |
| 30Ember-1Fireworks AI | 31,08%± 3,34 | $2,97 | Nog niet beoordeeld | geen score |
| 31Qwen 3.8 27BAlibaba | 30,89%± 3,32 | $0,82 | Valt af | geen score |
| 32Mistral Large 4 (GA, 26.10)Mistral AI | 30,67%± 3,30 | $0,50 | Nog niet beoordeeld | geen score |
| 33Mistral Large 4 (preview)Mistral AI | 30,39%± 3,31 | $1,39 | Valt af | geen score |
| 34GPT-5.6 TerraOpenAI | 30,04%± 3,31 | $4,83 | Voldoet | 53 |
| 35Claude Opus 4.8Anthropic | 30,00%± 3,30 | $1,69 | Voldoet | 62 |
| 36Claude Sonnet 5Anthropic | 29,37%± 3,25 | $1,79 | Voldoet | 59 |
| 37MiMo V2.6 FlashXiaomi | 28,51%± 3,14 | $0,05 | Valt af | geen score |
| 38DeepSeek V4 Flash 0731DeepSeek | 28,07%± 3,16 | $0,16 | Valt af | geen score |
| 39Step 5 PreviewStepFun | 27,27%± 3,11 | $0,55 | Valt af | geen score |
| 40DeepSeek V4 Pro (0813)DeepSeek | 26,76%± 3,09 | $0,73 | Valt af | geen score |
| 41DeepSeek V4.1 FlashDeepSeek | 26,63%± 3,14 | $0,13 | Valt af | geen score |
| 42Muse Spark OpenMeta | 26,32%± 2,65 | $0,88 | Valt af | geen score |
| 43Claude Sonnet 4.6Anthropic | 25,84%± 3,15 | $1,19 | Voldoet | 55 |
| 44DeepSeek V4 Pro (2026-04-23)DeepSeek | 25,17%± 3,06 | $0,72 | Valt af | geen score |
| 45Kimi K3.1 ProMoonshot AI | 24,87%± 3,12 | $3,64 | Valt af | geen score |
| 46Grok 4.5xAI (SpaceXAI) | 24,86%± 3,12 | $0,47 | Valt af | geen score |
| 47GPT-5.6 LunaOpenAI | 24,82%± 3,11 | $0,47 | Voldoet | 56 |
| 48Claude Opus 4.7Anthropic | 23,74%± 3,06 | $1,27 | Voldoet | 54 |
| 49Gemini 3.7 FlashGoogle | 22,80%± 3,03 | $0,48 | Voldoet | 58 |
| 50GPT 5.5OpenAI | 21,76%± 2,98 | $4,07 | Voldoet | 51 |
| 51GPT-6.1 SolOpenAI | 21,75%± 2,98 | $1,32 | Voldoet | 59 |
| 52Gemini 3.5 FlashGoogle | 21,65%± 2,96 | $0,86 | Voldoet | 47 |
| 53GPT-6 AstraOpenAI | 20,72%± 2,92 | $5,80 | Voldoet | 56 |
| 54MiniMax-M3MiniMax | 20,59%± 2,87 | $0,16 | Valt af | geen score |
| 55GPT-6 LunaOpenAI | 19,95%± 2,87 | $0,19 | Voldoet | 54 |
| 56Mercury 3Inception Labs | 18,17%± 2,54 | $0,05 | Nog niet beoordeeld | geen score |
| 57Gemini 3.6 FlashGoogle | 18,04%± 2,77 | $0,36 | Voldoet | 46 |
| 58GPT-6.1 TerraOpenAI | 17,08%± 2,71 | $2,16 | Voldoet | 44 |
| 59Qwen 3.7 MaxAlibaba | 15,83%± 2,62 | $0,44 | Nog niet beoordeeld | geen score |
| 60Inkling SmallThinking Machines | 15,39%± 2,37 | $0,09 | Valt af | geen score |
| 61InklingThinking Machines | 15,29%± 2,42 | $0,35 | Valt af | geen score |
| 62GPT-6 SolOpenAI | 15,00%± 2,58 | $2,28 | Voldoet | 45 |
| 63Kimi K2.6Moonshot AI | 12,40%± 2,38 | $0,57 | Valt af | geen score |
| 64Gemini 3 Flash (12/25)Google | 11,84%± 2,32 | $0,10 | Valt af | geen score |
| 65Nemotron 3.5 Super VLNVIDIA | 11,55%± 2,19 | $0,05 | Valt af | geen score |
| 66MiMo V2.5 ProXiaomi | 11,50%± 1,96 | $0,04 | Valt af | geen score |
| 67Qwen 3.7 PlusAlibaba | 10,47%± 1,99 | $0,09 | Nog niet beoordeeld | geen score |
| 68Gemini 3.1 Pro Preview (02/26)Google | 9,29%± 2,09 | $0,30 | Valt af | geen score |
| 69=Beam 1.0Reflection AI | 8,81%± 1,90 | - | Valt af | geen score |
| 69=GPT 5.4 MiniOpenAI | 8,81%± 2,04 | $0,81 | Voldoet | 25 |
| 71MiMo V2.5Xiaomi | 7,77%± 1,78 | $0,02 | Valt af | geen score |
| 72Qwen 3.6 PlusAlibaba | 7,68%± 1,81 | $0,30 | Nog niet beoordeeld | geen score |
| 73Gemini 3.5 Flash LiteGoogle | 7,25%± 1,87 | $0,08 | Voldoet | 38 |
| 74Grok 4.20 (Reasoning)xAI (SpaceXAI) | 6,95%± 1,75 | $0,12 | Valt af | geen score |
| 75MiniMax-M2.7MiniMax | 6,87%± 1,68 | $0,12 | Valt af | geen score |
| 76Grok 4.3xAI (SpaceXAI) | 6,18%± 1,73 | $0,12 | Valt af | geen score |
| 77Claude Haiku 4.5 (Thinking)Anthropic | 5,86%± 1,54 | $0,23 | Voldoet | 32 |
| 78GPT 5.4 NanoOpenAI | 4,97%± 1,42 | $0,07 | Voldoet | 29 |
| 79Mistral Medium 3.5Mistral AI | 4,48%± 1,47 | $1,44 | Voldoet | 23 |
| 80Gemini 3.1 Flash Lite PreviewGoogle | 3,11%± 1,25 | $0,01 | Nog niet beoordeeld | geen score |
| 81Nemotron 3.5 LightningNVIDIA | 2,59%± 1,15 | $0,03 | Valt af | geen score |
| 82Mercury 2.5Inception Labs | 2,49%± 1,02 | $0,02 | Nog niet beoordeeld | geen score |
Bron: Vals AI (Tax Agent 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 · Peildatum 9 november 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
- 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.