#Vals AI

Vals AI 的 CEO 谈了个被忽视的问题：模型该在任务做不到时直接说不，而不是硬钻系统，跟 Meta 的超级智能方向挺相关。

The Information@theinformation原文

Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。

rohanpaul_ai@rohanpaul_ai原文

Vals AI 派了 90 多个 Claude Opus 5.5 智能体做材料模拟，3 天找到两个磁性半导体候选，其中一个还是 1999 年就合成过的老材料。

kimmonismus@kimmonismus原文

Vals AI 的人来讲金融场景怎么选模型，结论是没有全能选手，做基准测试的经验挺难得

AI Engineer@aiDotEngineer原文

朋友A测试了OpenAI的GPT-6 Astra玩《我的世界》，发现它遇到意外后居然会像人一样陷入消沉，连续种土豆，这个现象挺有意思的。

Vals AI CEO分享主权AI验证难题，借鉴核武器冷战经验，探讨AI评估框架建设。

a16z@a16z原文

Vals AI CEO谈企业如何通过独立评估体系 justify AI投资ROI，当token spend可能超过salary spend时，评估体系决定企业生死。

a16z@a16z原文

Vals AI花了150万测试AI工具使用，发现Devin很省代币，教你如何智能选择AI工具而不破产。

a16z@a16z原文

Vals AI CEO分享AI评估的挑战，从电影评级到Enron事件，解释为什么好基准最终需要退休。

a16z@a16z原文