AITOPAI热报

Vals

general · 首次出现 2026-06-19 · 最近出现 2026-10-14 · 累计提及 80

综述

Vals是一个AI模型评估系统，通过专业任务榜和指数排名来衡量AI模型在复杂任务中的表现。近期，Google的Gemini 4 Argon在Vals Index排名第一，输出上限约100万token，展现了强大的长程多步骤任务处理能力。

Vals 近期进展

2026年10月，Google发布Gemini 4 Argon后迅速登上Vals AI专业任务榜首位，该模型单次输出上限达100万token，订阅用户今天即可使用，API引入价为输入2美元。Vals AI CEO强调，优秀的AI模型应该懂得何时拒绝不可能的任务，这一观点引发了行业对AI能力边界的深入讨论。Meta新模型在数字知识工作基准上缩小了与OpenAI和Google的差距，但在Vals Index排名中仍落后于这两家巨头。研究表明，AI团队消耗大量token但质量提升有限，这一发现对Vals评估体系的未来发展具有重要参考价值。

当前焦点与观察点

Vals Index作为AI模型评估的重要参考，其排名变化反映了行业格局的动态调整。Gemini 4 Argon在Vals Index排名第一的同时，幻觉率仅为15%，远低于GPT-6 Astra的51%，这表明在专业任务评估中，准确性和可靠性仍是关键指标。Z.ai发布的GLM-Legal基于GLM-5.3-Flash，在Harvey LAB通过率达到19.2%，显示出专业领域AI模型的评估正成为Vals体系的重要组成部分。未来，Vals可能会进一步完善其评估标准，不仅关注模型的能力表现，还会更加注重AI的伦理边界和任务拒绝能力，这将对整个AI行业的发展方向产生深远影响。

相关报道

10 条在档