Harvey LAB-AA v1.1 加入幻觉检查，Grok 4.7 以 9.4% 登顶法律基准

Artificial Analysis 与 Harvey 联合更新 Legal Agent Benchmark 评分方法，推出 LAB-AA v1.1，新增幻觉检查，只有满足全部评分标准且不含重大幻觉的任务才计入新指标 Hallucination-Gated All-Pass Rate。Grok 4.7（xhigh）以 9.4% 排名第一，Muse Spark 1.3（max）和 GPT-6 Astra（max）分别为 8.9% 和 8.6%。Muse Spark 1.3 在不加幻觉门槛时以 26.7% 领先，但其三分之二的通过结果含重大幻觉；GPT-6 Astra 在 120 个任务中平均每次任务仅 0.03 个重大幻觉，Gemini 3.8 Flash（high）则高达 13.96 个。成本方面，榜首的 Grok 4.7 每任务约 9.50 美元，不到最贵的 Claude Fable 5.1（约 21.70 美元）的一半。