Vals AI 发布 Vals Index v2.2：评分标准更严，榜单排名大洗牌

Vals AI 发布了 Vals Index v2.2——其面向金融、编程、法律和税务任务的智能体模型排行榜，Claude Sonnet 5.5 以 70.85% 居首，Claude Opus 5.5（70.18%）和 Gemini 4 Argon（69.24%）紧随其后。更严格的评判模型、修订后的隐藏测试以及税务全对才得分的规则拉低了许多模型的分数；若把服务商拒绝回答计为失败，Gemini 将升至第一。由于评分方法与排名同时变化，v2.2 更应被视作新的测量基线，而非相对旧版本进步的直接证据。

• Alpha Signal2026-10-20 04:04