Legal Agent Benchmark (Harvey LAB)

Harvey 开源法律智能体基准，长程法律任务

基本信息

30 秒看懂

Harvey LAB 法律智能体基准（长程法律任务，榜单由 Vals AI 运营）：all-pass rubric 口径，全部 rubric 项通过才计通过，故绝对分偏低；读分看模型在法律工作流上的相对排名，跨版本任务集需注意迭代。

评分协议

这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。

模型发布采用时间轴

共收录 3 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20

2026

2026-07-24 Anthropic·国际

Claude Opus 5

模态文本·图像

Anthropic 发布 Claude Opus 5，effort 分档 high/xhigh/max 并提供 Fast 模式；页面数值多为图表与对比性表述（含大量内部评测）。已收录 18 项评测覆盖前沿编码、Agent 操作与法律/健康/生物专业域：亮点 DeepSWE v1.1 68.8、BrowseComp 90.8。

旗舰effort 分档Fast 模式编码与 Agent

查看模型变体与证据

Held-out 11.7

2026-06-09 Anthropic·国际

Claude Fable 5 / Claude Mythos 5

本发布含 2 个变体，各变体规格见模型详情。

Anthropic 以「Claude Fable 5 与 Claude Mythos 5」联合公告发布 Fable 5：一款带安全护栏的 Mythos 级模型，在网络安全/生物化学/蒸馏话题上按分类器回退到 Opus 4.8（影响 <5% 会话）。评测覆盖智能体编码、知识工作、计算机使用与生物安全，亮点如 SWE-Bench Pro 80.3%、OSWorld-Verified 85.0%。

前沿旗舰安全护栏智能体编码多模态

查看模型变体与证据

Claude Fable 5 · Legal Agent Benchmark (Harvey LAB) 13.3

2026-05-28 Anthropic·国际

Claude Opus 4.8 / Claude Opus 4.8 (fast)

本发布含 2 个变体，各变体规格见模型详情。

Anthropic 发布文将 Claude Opus 4.8 定位为 Opus 系列新旗舰，主打诚实性训练（放行自写代码缺陷的概率约为上代 1/4）与 effort 分档（默认 high，另有 extra/max），并随发布推出 Claude Code 动态工作流。已收录 9 项评测集中于编码、终端与计算机/知识工作 Agent：亮点 SWE-bench Pro 69.2、GDPval-AA Elo 1890。

旗舰诚实性对齐effort 分档编码与计算机操作

查看模型变体与证据

Claude Opus 4.8 · Legal Agent Benchmark (Harvey LAB) 该来源尚无可读数值

数据缺口（本页暂未收录）

• 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
• 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
• 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
• 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
• 测试集污染检测结论，以及是否已饱和的结构化标注

以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。

复现入口

相关评测（同类别）

引用

本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。