Todos los índices de capacidades
Legal Index
Assesses model performance across the legal domain. Capabilities evaluated include domain-specific knowledge (contract law, tort law, constitutional law), legal research and drafting, litigation support, compliance review, and more.
Ver flujos de trabajo representativosThe Artificial Analysis Legal Index combines performance across benchmarks chosen for legal practice. We map common tasks from O*NET occupational classifications, then select benchmarks that represent this real-world work. Weights are derived from how often capabilities appear across those tasks.
This composite metric provides a single score for tracking model performance across legal tasks. Artificial Analysis ejecuta de forma independiente todas las evaluaciones subyacentes. Consulta nuestra metodología de Benchmarking de Inteligencia para saber cómo se realizan las evaluaciones.
| Capacidad | Peso | Evaluaciones |
|---|---|---|
| Legal Knowledge | 35 % | AA-Omniscience Law Accuracy |
| Agentic Knowledge Work | 25 % | GDPval-AA v2.1 y AA-Briefcase v1.1 |
| Reasoning | 15 % | HLE |
| Long-Context | 10 % | LCR y GDP.pdf |
| Non-Hallucination | 10 % | AA-Omniscience Law Non-Hallucination |
| Agentic Tool Use | 5 % | AutomationBench-AA Support & Operations |
AA-Omniscience: Knowledge and Hallucination BenchmarkGDPval-AA v2.1 LeaderboardAA-Briefcase v1.1: Agentic Knowledge Work Benchmark
Humanity's Last Exam Benchmark LeaderboardArtificial Analysis Long Context Reasoning Benchmark Leaderboard
GDP.pdf Benchmark Leaderboard
AutomationBench-AA: Agentic SaaS Workflow BenchmarkPuntuación
Artificial Analysis Legal Index
Artificial Analysis Legal Index: desglose de capacidades
Desglose de capacidades
Artificial Analysis Legal Index: Legal Knowledge
Flujos de trabajo representativos
Flujos de trabajo reales que ponen a prueba las capacidades a las que Legal Index da mayor peso.
Ejemplo: Determine whether a non-compete is enforceable under controlling state precedent by gathering the relevant case law, applying each holding to the employee's facts, distinguishing unfavorable rulings, and synthesizing the analysis into a report.
Ejemplo: Reconcile US and EU indemnity language in a cross-border M&A share purchase agreement 48 hours before signing to flag irreconcilable conflicts, propose drafting that satisfies both regimes where possible, and deliver a partner-ready redline.
Ejemplo: Advise a startup shipping a feature that may trigger unsettled state privacy rules such as the CCPA to ask the clarifying questions, lay out the trade-offs by jurisdiction, surface open legal risks, and recommend a defensible launch posture.
Ejemplo: Work a 200,000-document e-discovery production delivered ten days before trial to prioritise responsive material, flag likely privilege issues for attorney review, and draft a deposition outline tied to the strongest exhibits.
Ejemplo: Rewrite internal policy for a new financial regulation taking effect in 90 days that clashes with procedures in three business units to produce a unified replacement policy, an implementation plan with named owners, and a training brief grounded in the statute and existing policy library.
Ejemplo: Consolidate 40 active litigation matters tracked across three incompatible case-management systems to produce one unified docket, surface conflicting court deadlines, and propose a single workflow going forward.
Costo
Artificial Analysis Legal Index: costo por tarea
Artificial Analysis Legal Index vs. costo por tarea
Velocidad
Artificial Analysis Legal Index: tiempo por tarea
Tokens de salida
Artificial Analysis Legal Index: tokens de salida por tarea
Fecha de lanzamiento
Artificial Analysis Legal Index vs. fecha de lanzamiento
Preguntas frecuentes
Según el Legal Index de Artificial Analysis, los modelos de IA con mejor desempeño en trabajos legales son actualmente Claude Opus 5.5 (Adaptive Reasoning, Max Effort, Default Fallback) (63), Claude Fable 5.1 (Adaptive Reasoning, Xhigh Effort, Default Fallback) (61) y Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) (61). La clasificación se actualiza a medida que se lanzan nuevos modelos.
Sí. El Legal Index de Artificial Analysis es un benchmark independiente que mide el desempeño de los modelos de IA en trabajos legales. Evalúa conocimientos jurídicos, trabajo de conocimiento agéntico, razonamiento, análisis de documentos extensos, ausencia de alucinaciones y uso agéntico de herramientas.
El Legal Index es un benchmark compuesto de Artificial Analysis que evalúa el desempeño de los modelos en el ámbito legal. Las capacidades evaluadas incluyen conocimientos específicos (derecho contractual, responsabilidad civil y derecho constitucional), investigación y redacción jurídica, apoyo en litigios, revisión de cumplimiento y más.
El Legal Index se calcula como el promedio ponderado de las puntuaciones de sus capacidades. Estas son las puntuaciones y sus pesos: Legal Knowledge (35 %), Agentic Knowledge Work (25 %), Reasoning (15 %), Long-Context (10 %), Non-Hallucination (10 %) y Agentic Tool Use (5 %).
El Legal Index incluye AA-Omniscience Law Accuracy, GDPval-AA v2.1, AA-Briefcase v1.1, HLE, LCR, GDP.pdf, AA-Omniscience Law Non-Hallucination y AutomationBench-AA Support & Operations.
Actualmente, Claude Opus 5.5 (Adaptive Reasoning, Max Effort, Default Fallback) tiene la puntuación más alta en el Legal Index: 63 entre los modelos con resultados publicados. Ver modelo
Una puntuación más alta en el Legal Index indica un mejor desempeño general en los benchmarks que componen el índice. Para un caso de uso específico, los resultados de cada benchmark pueden ser más informativos que la puntuación compuesta.