AREXOpen in interactive Feed

AREX Feed Article

Meta 宣布 Muse Wonder 登顶 Legora 11 月 BAR 法律基准,Legora 官方结果同日佐证

November 20, 2026

Meta AI 官方 X 账号 @AIatMeta 在世界协调时(UTC)11 月 19 日 18:30(北京时间 11 月 20 日凌晨)发帖宣布:法律工作对 AI 是一场严苛考验,Muse Wonder 在 Legora 面向法律工作的 11 月 BAR 基准中「获得最高整体质量分」(highest overall quality score),是企业所需的各类复杂任务上的强劲表现。这条帖文没有附上具体分数、参评模型名单或评测方法,也没有说明登顶的是 Muse Wonder 系列中的哪个版本。

结果并非只有 Meta 一方口径。约一个半小时前(UTC 16:56),基准运营方 Legora 已通过官方账号 @WeAreLegora 发布 11 月 BAR 结果,列明 Muse Wonder 整体质量排名居首,并在分析与问答、信息抽取、起草、编辑四类任务上领先;OpenAI 的 GPT-6.2 Astra 在比对与审查类任务上排名第一。Legora 是总部位于斯德哥尔摩的协作式法律 AI 公司(据其官方账号资料),BAR 全称 Benchmark for Agentic Reasoning(代理式推理基准),结果按月更新。

榜首与第二名只差 2 个百分点,单任务成本差约 6 倍

据 Fireworks AI 专项智能指数 11 月 19 日收录的 Legora BAR 排行快照,共 21 款模型入榜,成绩按「相对模型平均的质量分」计,100% 即全部受测模型的平均水平。排第 1 的 Muse Wonder 1.0(Meta)为 107.0%,每任务成本 87.00 美元、平均耗时 51 秒;第 2 名 Claude Fable 5.1(Anthropic)为 105.0%,成本 517.00 美元、耗时 144 秒;GPT-6.2 Astra、Claude Opus 5.5、GPT-6 Astra 与 Claude Fable 5.2 均为 104.0%。上述分数与成本均来自该快照,本文未做独立复算。

快照还显示,Meta 的上一代模型 Muse Spark 1.3 以 101.0% 排在第 13 位。Legora 的帖文给出了另外两个非榜首数据点:GPT-6.2 Astra 整体质量高出 11 月模型平均 4%,单案例成本低于平均 20%;GPT-6.2 Sol 以低于平均 78% 的单案例成本,交出高于平均的质量。

BAR 怎么评:律所案卷、加权重规,每个案例连跑三遍

据 Legora 的基准方法页,BAR 不在简化环境中运行,而是直接跑在 Legora 平台与其 aOS 系统内——即客户每天使用的同一套环境。方法页列出的案例库为 5,161 个案例、28 个执业领域、11,075 份文件;BAR 是从中选出的数百个案例子集,由合作的律所与 Legora 内部法律工程师起草。每个案例由四部分组成:一段任务描述、存放模板与先例等材料的案卷文件室、Legora 的产出,以及由法律专业人士撰写的核对清单(rubrics)。

评分时,产出逐项对照清单,清单按高、中、低重要性加权——漏掉一个次要定义和漏掉一项重大控制权变更条款,扣分并不相同;每个案例连续运行三次,由 LLM(大语言模型)充当评判。任务按难度分级:短(几小时至约半天)、中(1~3 天)、长(一周以上,最高对应数百小时的专家工作量)。除质量外,BAR 还度量成本、延迟与引用覆盖,Legora 要求每条答案都附带引用。方法页同时写明:质量分高不代表全貌,对批量短任务,速度与成本可能才是律所优化的目标。

案例本身不对外公开。Legora 解释,公开案例会进入下一代模型的训练数据,高分可能反映对题目的熟悉而非能力,因此只与 AfterQuery 合作开源了一个全合成案例,并由后者核验其数据整理方法。同一页还给出系统影响的量级:6 月到 7 月模型未变,Legora 仅靠改进 harness(运行模型的代理框架),就让在产模型的相对质量分提高了 5%。

被测模型:10 月发布的 Muse Wonder 系列

据 Meta 10 月 12 日的发布公告,Muse Wonder 系列包含 Muse Wonder 与 Muse Wonder Full 两款模型,Meta 称其为「迄今能力最强」的模型,建立在 9 月发布的 Muse Spark 基础之上,面向法律、金融、健康等专家领域与个人代理任务,配备跨对话的 Active Memory(主动记忆)与遇阻时会换思路、能从错误中恢复的 Active Focus(主动专注)。Muse Wonder 当天起经 Meta Model API 与 Muse Code 提供,Muse Wonder Full 面向 Muse Code 订阅者开放。Meta 的研究博客补充了两个细节:模型训练于吉瓦级的 Prometheus 数据中心;领域评测包括 Harvey 的法律代理基准(LAB),该基准要求模型依据源文档、按详细指令产出法律工作成果。

两款模型在 10 月发布时各有自己的基准成绩,但 19 日的帖文只写了「Muse Wonder」,未指明登顶的是哪一款;Fireworks 快照列出的条目名为 Muse Wonder 1.0。

边界与回应:评论区在问「基准是否公开」

本文先后两次抓取 Legora 的 11 月版 BAR 页面,页面存在并标注 November 2026,但结果表为动态加载,两次都停在「Loading the benchmark…」,未能直接读出分数与模型名单。具体名次目前只能经由 Legora 的帖文与第三方快照核对;而这场评测由 Legora 在自家平台上执行、案例不公开,外界无法按同样题目录入复跑。

参评名单也在扩大:7 月版方法页写明当时参评模型来自 Anthropic、OpenAI 与 SpaceXAI 三家,11 月的快照已包含 Meta、Anthropic、OpenAI、xAI、Google、Mistral、DeepSeek、Moonshot AI 与 Z.ai 九家。

Meta 的帖文下方已有 31 条回复(截至本文核查时)。有人直接问:「这个法律基准公开吗?」也有用户表示,得先看到别人复跑一次才会相信这个排名。截至核查,这些提问未见 @AIatMeta 回复。

参考链接

  • AI at Meta(@AIatMeta)帖文,2026-11-19
  • Legora(@WeAreLegora)帖文,2026-11-19
  • Fireworks AI 专项智能指数:Legora BAR 排行
  • Legora BAR 方法页
  • Legora BAR 2026 年 11 月版页面
  • Meta:Introducing Muse Wonder and Muse Wonder Full(2026-10-12)
  • AI at Meta 研究博客:Muse Wonder(2026-10-12)