लीगल AI प्लेटफ़ॉर्म Ivo ने अपने नए ContractBench बेंचमार्क में सात फ्रंटियर मॉडलों का परीक्षण किया, जो 350 वास्तविक अनुबंधों पर आधारित है। xAI का Grok 4.7 भारित उत्तीर्ण दर 58.3% के साथ शीर्ष पर रहा, उसके बाद Claude Opus 5.5 (58.1%) और Kimi K3 (57.1%) रहे — शीर्ष पर मुकाबला बेहद करीबी था।
पूर्णता दर ने नेताओं को और स्पष्ट रूप से अलग किया: Grok ने 99.5% कार्य पूरे किए और Kimi ने 100%, जबकि Opus केवल 80.8% ही पूरा कर सका। Kimi प्रति पूर्ण कार्य Grok से 38% सस्ता और 13% तेज़ भी रहा।
सबसे महत्वपूर्ण परिणाम ऊपरी सीमा ही है: सात में से कोई भी मॉडल 60% से ऊपर नहीं पहुंचा। AI अनुबंध समीक्षा को पहले से ही काफ़ी तेज़ कर सकता है, लेकिन हस्ताक्षर से पहले मानवीय समीक्षा अब भी अनिवार्य है।
मूल लेख: मूल लेख पढ़ें
टिप्पणियाँ