Ga naar inhoud

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
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. 1Gemini 4 Carbon51,78%
  2. 2Claude Fable 5.150,75%
  3. 3Gemini 4 Argon49,22%
  4. 4Claude Opus 547,10%
  5. 5Claude Opus 5.544,54%
  6. 6DeepSeek V4.1 Flash 101744,35%
  7. 7GLM 5.343,33%
  8. 8Wonder Full43,00%
  9. 9Muse Spark 1.3 (Max)42,44%
  10. 10Claude Sonnet 5.541,96%
  11. 11Inkling 2 Small38,91%
  12. 12Claude Fable 538,28%
  13. 13Muse Ember38,23%
  14. 14Muse Spark 1.337,89%
  15. 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.

Voldoet aan de compliancepoortValt af op de compliancepoort
Tax Agent Bench 1
# ModelScoreKosten/taakPoortPrudentScore
1Gemini 4 CarbonGoogle51,78%± 3,60$6,34Voldoet77
2Claude Fable 5.1Anthropic50,75%± 3,61$13,18Valt afgeen score
3Gemini 4 ArgonGoogle49,22%± 3,61$3,47Voldoet79
4Claude Opus 5Anthropic47,10%± 3,60$5,14Voldoet72
5Claude Opus 5.5Anthropic44,54%± 3,58$14,40Voldoet63
6DeepSeek V4.1 Flash 1017DeepSeek44,35%± 3,57$0,46Valt afgeen score
7GLM 5.3Z.ai43,33%± 3,56$1,80Valt afgeen score
8Wonder FullMeta43,00%± 3,57$2,15Valt afgeen score
9Muse Spark 1.3 (Max)Meta42,44%± 3,51$0,39Valt afgeen score
10Claude Sonnet 5.5Anthropic41,96%± 3,56$8,73Voldoet62
11Inkling 2 SmallThinking Machines38,91%± 3,27$0,14Valt afgeen score
12Claude Fable 5Anthropic38,28%± 3,50$6,70Valt afgeen score
13Muse EmberMeta38,23%± 3,50$0,03Valt afgeen score
14Muse Spark 1.3Meta37,89%± 3,45$0,32Valt afgeen score
15WonderMeta36,27%± 3,47$1,88Valt afgeen score
16Grok 4.7xAI (SpaceXAI)35,75%± 3,46$1,80Valt afgeen score
17Hy4Tencent34,40%± 3,30$1,69Valt afgeen score
18Grok 4.6xAI (SpaceXAI)33,66%± 3,41$0,98Valt afgeen score
19Kimi K3Moonshot AI33,37%± 3,39$2,79Valt afgeen score
20Muse Spark 1.2Meta32,80%± 2,75$0,27Valt afgeen score
21Hy4 PreviewTencent32,62%± 3,38$0,59Valt afgeen score
22MiMo V2.6 ProXiaomi32,39%± 3,36$0,13Valt afgeen score
23MiniMax-M3.1-FlashMiniMax32,14%± 3,34$0,32Valt afgeen score
24Gemini 3.8 FlashGoogle32,12%± 3,37$0,86Voldoet62
25Qwen 3.8 MaxAlibaba32,09%± 3,37$1,55Nog niet beoordeeldgeen score
26Claude Fable 5.2Anthropic32,09%± 3,37$3,31Valt afgeen score
27Claude Haiku 5.5Anthropic31,92%± 3,35$1,16Voldoet59
28GLM 5.3 FlashZ.ai31,55%± 3,35$0,14Valt afgeen score
29GPT-5.6 SolOpenAI31,09%± 3,34$7,51Voldoet57
30Ember-1Fireworks AI31,08%± 3,34$2,97Nog niet beoordeeldgeen score
31Qwen 3.8 27BAlibaba30,89%± 3,32$0,82Valt afgeen score
32Mistral Large 4 (GA, 26.10)Mistral AI30,67%± 3,30$0,50Nog niet beoordeeldgeen score
33Mistral Large 4 (preview)Mistral AI30,39%± 3,31$1,39Valt afgeen score
34GPT-5.6 TerraOpenAI30,04%± 3,31$4,83Voldoet53
35Claude Opus 4.8Anthropic30,00%± 3,30$1,69Voldoet62
36Claude Sonnet 5Anthropic29,37%± 3,25$1,79Voldoet59
37MiMo V2.6 FlashXiaomi28,51%± 3,14$0,05Valt afgeen score
38DeepSeek V4 Flash 0731DeepSeek28,07%± 3,16$0,16Valt afgeen score
39Step 5 PreviewStepFun27,27%± 3,11$0,55Valt afgeen score
40DeepSeek V4 Pro (0813)DeepSeek26,76%± 3,09$0,73Valt afgeen score
41DeepSeek V4.1 FlashDeepSeek26,63%± 3,14$0,13Valt afgeen score
42Muse Spark OpenMeta26,32%± 2,65$0,88Valt afgeen score
43Claude Sonnet 4.6Anthropic25,84%± 3,15$1,19Voldoet55
44DeepSeek V4 Pro (2026-04-23)DeepSeek25,17%± 3,06$0,72Valt afgeen score
45Kimi K3.1 ProMoonshot AI24,87%± 3,12$3,64Valt afgeen score
46Grok 4.5xAI (SpaceXAI)24,86%± 3,12$0,47Valt afgeen score
47GPT-5.6 LunaOpenAI24,82%± 3,11$0,47Voldoet56
48Claude Opus 4.7Anthropic23,74%± 3,06$1,27Voldoet54
49Gemini 3.7 FlashGoogle22,80%± 3,03$0,48Voldoet58
50GPT 5.5OpenAI21,76%± 2,98$4,07Voldoet51
51GPT-6.1 SolOpenAI21,75%± 2,98$1,32Voldoet59
52Gemini 3.5 FlashGoogle21,65%± 2,96$0,86Voldoet47
53GPT-6 AstraOpenAI20,72%± 2,92$5,80Voldoet56
54MiniMax-M3MiniMax20,59%± 2,87$0,16Valt afgeen score
55GPT-6 LunaOpenAI19,95%± 2,87$0,19Voldoet54
56Mercury 3Inception Labs18,17%± 2,54$0,05Nog niet beoordeeldgeen score
57Gemini 3.6 FlashGoogle18,04%± 2,77$0,36Voldoet46
58GPT-6.1 TerraOpenAI17,08%± 2,71$2,16Voldoet44
59Qwen 3.7 MaxAlibaba15,83%± 2,62$0,44Nog niet beoordeeldgeen score
60Inkling SmallThinking Machines15,39%± 2,37$0,09Valt afgeen score
61InklingThinking Machines15,29%± 2,42$0,35Valt afgeen score
62GPT-6 SolOpenAI15,00%± 2,58$2,28Voldoet45
63Kimi K2.6Moonshot AI12,40%± 2,38$0,57Valt afgeen score
64Gemini 3 Flash (12/25)Google11,84%± 2,32$0,10Valt afgeen score
65Nemotron 3.5 Super VLNVIDIA11,55%± 2,19$0,05Valt afgeen score
66MiMo V2.5 ProXiaomi11,50%± 1,96$0,04Valt afgeen score
67Qwen 3.7 PlusAlibaba10,47%± 1,99$0,09Nog niet beoordeeldgeen score
68Gemini 3.1 Pro Preview (02/26)Google9,29%± 2,09$0,30Valt afgeen score
69=Beam 1.0Reflection AI8,81%± 1,90-Valt afgeen score
69=GPT 5.4 MiniOpenAI8,81%± 2,04$0,81Voldoet25
71MiMo V2.5Xiaomi7,77%± 1,78$0,02Valt afgeen score
72Qwen 3.6 PlusAlibaba7,68%± 1,81$0,30Nog niet beoordeeldgeen score
73Gemini 3.5 Flash LiteGoogle7,25%± 1,87$0,08Voldoet38
74Grok 4.20 (Reasoning)xAI (SpaceXAI)6,95%± 1,75$0,12Valt afgeen score
75MiniMax-M2.7MiniMax6,87%± 1,68$0,12Valt afgeen score
76Grok 4.3xAI (SpaceXAI)6,18%± 1,73$0,12Valt afgeen score
77Claude Haiku 4.5 (Thinking)Anthropic5,86%± 1,54$0,23Voldoet32
78GPT 5.4 NanoOpenAI4,97%± 1,42$0,07Voldoet29
79Mistral Medium 3.5Mistral AI4,48%± 1,47$1,44Voldoet23
80Gemini 3.1 Flash Lite PreviewGoogle3,11%± 1,25$0,01Nog niet beoordeeldgeen score
81Nemotron 3.5 LightningNVIDIA2,59%± 1,15$0,03Valt afgeen score
82Mercury 2.5Inception Labs2,49%± 1,02$0,02Nog niet beoordeeldgeen 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

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.