Платформа юридического ИИ Ivo протестировала семь передовых моделей в новом бенчмарке ContractBench, построенном на 350 реальных контрактах. Grok 4.7 от xAI занял первое место со взвешенным показателем успешности 58,3%, чуть опередив Claude Opus 5.5 (58,1%) и Kimi K3 (57,1%) — борьба на вершине оказалась очень плотной.
Показатели завершённости разделили лидеров заметнее: Grok выполнил 99,5% заданий, Kimi — 100%, а Opus — лишь 80,8%. Kimi также оказался на 38% дешевле в расчёте на завершённое задание и на 13% быстрее Grok.
Самый показательный результат — сам потолок: ни одна из семи моделей не преодолела 60%. ИИ уже заметно ускоряет проверку контрактов, но перед подписанием любого документа человеческая проверка остаётся незаменимой.
Источник: Читать оригинал
Комментарии