Vals AI
专注于AI模型第三方独立基准测试的评测公司，定位为中立可信的AI能力评估机构，旨在为企业用户和开发者提供标准化、透明化的模型评测服务
时间轴 (近 90 天)
Vals AI 在 AI Engineer NYC 大会上发布了最新的基准测试报告。
Vals AI 是一家专注于 AI 模型独立评测的机构，其报告常被开发者社区引用为横向对比依据。
AI 评测标准正在从学术导向转向产品导向，CursorBench 和 Vals AI 的测试集都更贴近真实开发工作流。
Vals Index 是独立评估机构 Vals AI 推出的综合性指数，将金融、编程、法律、税务等多类任务的成绩加权汇总为单一分值，不依赖厂商自报数据。
据 Artificial Analysis 和 Vals AI 测试，Gemini 4 Argon 在 high 级别下每任务输出约 62k token，而 GPT-6 Astra 在 max 级别下约 27k token
所有公开基准测试都在 thinking_level=high 级别运行 Gemini 4 Argon，包括 Google、Artificial Analysis 和 Vals AI 的评测
Vals AI 采用侧重真实产品化场景与 agentic 任务的基准，包含 CUA-bench、Code Migration、Terminal-Bench Science、SRE Bench 等长链基准。
每任务成本高度依赖具体工作负载，不同基准和工作负载组合可能得出相反的成本结论
Vals AI的独立榜单将Gemini 4 Argon放在41个模型中首位（68.9%）
Vals测得Gemini 4 Argon每次测试成本15.68美元，低于Claude Sonnet 5.5的21.34美元和Opus 5.5的32.14美元，是同组最低
还有 6 条时间轴事件
全部知识事实 (14)
AI 评测标准正在从学术导向转向产品导向，CursorBench 和 Vals AI 的测试集都更贴近真实开发工作流。
50%待验证Vals AI 是一家专注于 AI 模型独立评测的机构，其报告常被开发者社区引用为横向对比依据。
50%待验证Vals Index 是独立评估机构 Vals AI 推出的综合性指数，将金融、编程、法律、税务等多类任务的成绩加权汇总为单一分值，不依赖厂商自报数据。
50%待验证所有公开基准测试都在 thinking_level=high 级别运行 Gemini 4 Argon，包括 Google、Artificial Analysis 和 Vals AI 的评测
50%待验证据 Artificial Analysis 和 Vals AI 测试，Gemini 4 Argon 在 high 级别下每任务输出约 62k token，而 GPT-6 Astra 在 max 级别下约 27k token
50%待验证Vals AI 采用侧重真实产品化场景与 agentic 任务的基准，包含 CUA-bench、Code Migration、Terminal-Bench Science、SRE Bench 等长链基准。
50%待验证Vals AI的独立榜单将Gemini 4 Argon放在41个模型中首位（68.9%）
50%待验证每任务成本高度依赖具体工作负载，不同基准和工作负载组合可能得出相反的成本结论
50%待验证Vals测得Gemini 4 Argon每次测试成本15.68美元，低于Claude Sonnet 5.5的21.34美元和Opus 5.5的32.14美元，是同组最低
50%待验证在VALS AI的综合排名VALS Index中，Argon在41个模型里排名第一
50%待验证Vals AI希望成为AI基准测试领域的黄金标准，提供中立、可信的第三方评测资源
50%待验证Vals AI官方博客的标题为Fable Solves Cyphral Distich
50%待验证Vals AI 在 AI Engineer NYC 大会上发布了最新的基准测试报告。
50%待验证Vals AI获得了Andreessen Horowitz（a16z）的投资
50%