Ga naar inhoud

Benchmarks · Vals AI

TaxEval v2

Meet beantwoording van belastingvragen (door Vals gemaakte vragen en antwoorden). Vals markeert het leaderboard als "Archived Benchmark": "Since performance on this benchmark has saturated, we no longer run this benchmark on new model releases" (laatste update 01-09-2026).

Modellen gemeten
108
Bovenaan
80,38 %Muse Spark 1.2binnen de standaardfout van ±0,76
Versie
2
Peildatum
1 september 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. 1Muse Spark 1.280,38%
  2. 2Muse Spark 1.179,72%
  3. 3Muse Spark77,68%
  4. 4Claude Sonnet 4.677,11%
  5. 5Claude Fable 576,94%
  6. 6=GPT-5.6 Luna76,17%
  7. 6=GPT-5.6 Terra76,17%
  8. 8=Claude Fable 5.175,96%
  9. 8=Claude Opus 4.6 (Thinking)75,96%
  10. 10GPT 5.275,76%
  11. 11Kimi K375,72%
  12. 12Grok 4 Fast (Reasoning)75,70%
  13. 13=Claude Opus 4.875,63%
  14. 13=Claude Sonnet 575,63%
  15. 15GLM 5.3 Flash75,59%

Bron: Vals AI (TaxEval v2) · 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
TaxEval v2 2
# ModelScoreKosten/taakPoortPrudentScore
1Muse Spark 1.2Meta80,38%± 0,76-Valt afgeen score
2Muse Spark 1.1Meta79,72%± 0,77-Valt afgeen score
3Muse SparkMeta77,68%± 0,81-Valt afgeen score
4Claude Sonnet 4.6Anthropic77,11%± 0,82-Voldoet55
5Claude Fable 5Anthropic76,94%± 0,82-Valt afgeen score
6=GPT-5.6 LunaOpenAI76,17%± 0,84-Voldoet56
6=GPT-5.6 TerraOpenAI76,17%± 0,84-Voldoet53
8=Claude Fable 5.1Anthropic75,96%± 0,83-Valt afgeen score
8=Claude Opus 4.6 (Thinking)Anthropic75,96%± 0,83-Voldoetgeen score
10GPT 5.2OpenAI75,76%± 0,84-Voldoetgeen score
11Kimi K3Moonshot AI75,72%± 0,84-Valt afgeen score
12Grok 4 Fast (Reasoning)xAI (SpaceXAI)75,70%± 0,76-Valt afgeen score
13=Claude Opus 4.8Anthropic75,63%± 0,84-Voldoet62
13=Claude Sonnet 5Anthropic75,63%± 0,84-Voldoet59
15GLM 5.3 FlashZ.ai75,59%± 0,84-Valt afgeen score
16Qwen 3.8 MaxAlibaba75,55%± 0,84-Nog niet beoordeeldgeen score
17Inkling SmallThinking Machines75,51%± 0,84-Valt afgeen score
18=InklingThinking Machines75,31%± 0,84-Valt afgeen score
18=Qwen 3.7 MaxAlibaba75,31%± 0,84-Nog niet beoordeeldgeen score
20Claude Opus 4.7Anthropic75,27%± 0,84-Voldoet54
21GPT 5 MiniOpenAI75,22%± 0,85-Voldoetgeen score
22Claude Opus 5Anthropic75,14%± 0,83-Voldoet72
23GPT 4.1OpenAI75,06%± 0,84-Voldoetgeen score
24GPT 5.5OpenAI74,98%± 0,85-Voldoet51
25=Gemini 3.6 FlashGoogle74,86%± 0,85-Voldoet46
25=GPT 5.1OpenAI74,86%± 0,85-Voldoetgeen score
27Claude Opus 4.5 (Thinking)Anthropic74,86%± 0,85-Voldoetgeen score
28o4 MiniOpenAI74,78%± 0,85-Voldoetgeen score
29GPT-5.6 SolOpenAI74,78%± 0,86-Voldoet57
30=Gemini 3.7 FlashGoogle74,73%± 0,85-Voldoet58
30=Qwen 3.6 PlusAlibaba74,73%± 0,85-Nog niet beoordeeldgeen score
32Kimi K2.6Moonshot AI74,65%± 0,85-Valt afgeen score
33o3OpenAI74,57%± 0,85-Voldoetgeen score
34GPT 4o (2024-11-20)OpenAI74,53%± 0,86-Voldoetgeen score
35Gemini 3.8 FlashGoogle74,45%± 0,85-Voldoet62
36Gemini 3.5 FlashGoogle74,37%± 0,85-Voldoet47
37Claude Opus 4.5 (Nonthinking)Anthropic74,33%± 0,85-Voldoetgeen score
38Kimi K2.5Moonshot AI74,20%± 0,85-Voldoet37
39Grok 4.20 (Reasoning)xAI (SpaceXAI)74,12%± 0,86-Valt afgeen score
40=GPT 5.4 (xhigh)OpenAI73,96%± 0,87-Voldoet0
40=Qwen 3 Max PreviewAlibaba73,96%± 0,86-Nog niet beoordeeldgeen score
42Gemini 3 Flash (12/25)Google73,88%± 0,86-Valt afgeen score
43MiMo V2.5 ProXiaomi73,79%± 0,86-Valt afgeen score
44Claude Opus 4.1 (Thinking)Anthropic73,67%± 0,86-Valt afgeen score
45Qwen 3 MaxAlibaba73,51%± 0,86-Nog niet beoordeeldgeen score
46GPT 5OpenAI73,39%± 0,87-Voldoetgeen score
47GLM 5.2Z.ai73,34%± 0,86-Valt afgeen score
48Claude Sonnet 4.5 (Thinking)Anthropic73,30%± 0,86-Voldoetgeen score
49Grok 4.1 Fast (Reasoning)xAI (SpaceXAI)73,14%± 0,86-Valt afgeen score
50Nemotron 3 UltraNVIDIA73,10%± 0,87-Valt afgeen score
51=DeepSeek V4 Pro (0813)DeepSeek73,06%± 0,87-Valt afgeen score
51=Mistral Large 3Mistral AI73,06%± 0,87-Voldoetgeen score
53Gemini 3.1 Pro Preview (02/26)Google72,88%± 0,86-Valt afgeen score
54=Gemini 2.5 Flash Preview (9/25) (Nonthinking)Google72,73%± 0,87-Valt afgeen score
54=MiniMax-M3MiniMax72,73%± 0,86-Valt afgeen score
56Gemini 3.5 Flash LiteGoogle72,61%± 0,88-Voldoet38
57Gemini 3 Pro (11/25)Google72,57%± 0,87-Valt afgeen score
58=Gemini 2.5 Flash Preview (9/25) (Thinking)Google72,40%± 0,87-Valt afgeen score
58=GLM 4.5Z.ai72,40%± 0,87-Valt afgeen score
60GLM 5.3Z.ai72,36%± 0,88-Valt afgeen score
61Qwen 3.5 FlashAlibaba72,16%± 0,88-Nog niet beoordeeldgeen score
62DeepSeek V4 Pro (2026-04-23)DeepSeek72,08%± 0,88-Valt afgeen score
63Claude Sonnet 4 (Thinking)Anthropic72,00%± 0,88-Valt afgeen score
64=Claude Opus 4 (Nonthinking)Anthropic71,91%± 0,88-Valt afgeen score
64=GPT 4.1 MiniOpenAI71,91%± 0,88-Voldoetgeen score
66MiMo V2.5Xiaomi71,83%± 0,88-Valt afgeen score
67Gemini 3.1 Flash Lite PreviewGoogle71,79%± 0,88-Nog niet beoordeeldgeen score
68Kimi K2 ThinkingMoonshot AI71,71%± 0,88-Valt afgeen score
69Grok 4.5xAI (SpaceXAI)71,67%± 0,89-Valt afgeen score
70GPT OSS 120BOpenAI71,59%± 0,88-Voldoetgeen score
71Grok 4 Fast (Non-Reasoning)xAI (SpaceXAI)71,58%± 0,78-Valt afgeen score
72Claude Opus 4.1 (Nonthinking)Anthropic71,46%± 0,88-Valt afgeen score
73Qwen 3.6 27BAlibaba71,26%± 0,88-Valt afgeen score
74GPT 5.4 MiniOpenAI71,22%± 0,90-Voldoet25
75GLM 5.1Z.ai71,19%± 0,90-Valt afgeen score
76Grok 4.6xAI (SpaceXAI)71,10%± 0,90-Valt afgeen score
77Qwen 3.8 27BAlibaba70,85%± 0,89-Valt afgeen score
78Grok 4.3xAI (SpaceXAI)70,81%± 0,90-Valt afgeen score
79DeepSeek V4 Flash 0731DeepSeek70,69%± 0,90-Valt afgeen score
80Ling 3.0 FlashAnt Group70,65%± 0,90-Valt afgeen score
81Mistral Medium 3.1 (05/2025)Mistral AI70,32%± 0,89-Voldoetgeen score
82Kimi K2 InstructMoonshot AI70,20%± 0,90-Valt afgeen score
83GLM 5Z.ai70,03%± 0,90-Voldoetgeen score
84Claude Sonnet 4 (Nonthinking)Anthropic69,62%± 0,90-Valt afgeen score
85GLM 4.7Z.ai68,77%± 0,92-Voldoetgeen score
86=DeepSeek V3.2 (Thinking)DeepSeek68,15%± 0,92-Voldoetgeen score
86=MiniMax-M2.5MiniMax68,15%± 0,91-Voldoetgeen score
88Mistral Medium 3.5Mistral AI67,99%± 0,92-Voldoet23
89Claude Haiku 4.5 (Thinking)Anthropic67,54%± 0,91-Voldoet32
90GPT 5.4 NanoOpenAI67,42%± 0,93-Voldoet29
91GPT 5 NanoOpenAI67,38%± 0,91-Voldoetgeen score
92=Llama 4 MaverickMeta66,56%± 0,92-Valt afgeen score
92=MiniMax-M2.7MiniMax66,56%± 0,92-Valt afgeen score
94MiniMax-M2.1MiniMax66,35%± 0,93-Voldoetgeen score
95GLM 4.6Z.ai66,23%± 0,81-Valt afgeen score
96Gemini 2.5 Flash Lite (9/25) (Nonthinking)Google66,23%± 0,92-Valt afgeen score
97Grok 4xAI (SpaceXAI)65,09%± 0,96-Valt afgeen score
98Gemini 2.5 Flash Lite (9/25) (Thinking)Google64,72%± 0,93-Valt afgeen score
99GPT OSS 20BOpenAI63,70%± 0,94-Voldoetgeen score
100Magistral Medium 1.2 (09/2025)Mistral AI61,94%± 0,96-Nog niet beoordeeldgeen score
101Grok 4.1 Fast Non-ReasoningxAI (SpaceXAI)61,86%± 0,91-Valt afgeen score
102Command ACohere61,37%± 0,95-Valt afgeen score
103GPT 4.1 NanoOpenAI60,75%± 0,96-Voldoetgeen score
104Magistral Small 1.2 (09/2025)Mistral AI60,30%± 0,97-Voldoetgeen score
105Laguna XS.2Poolside58,95%± 0,96-Valt afgeen score
106Mistral Small 3.1 (03/2025)Mistral AI58,30%± 0,97-Voldoetgeen score
107Llama 4 ScoutMeta55,19%± 0,97-Valt afgeen score
108Laguna M.1Poolside1,64%± 0,26-Valt afgeen score

Bron: Vals AI (TaxEval v2) · 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 2 · Peildatum 1 september 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.