Vals Index
由Vals AI发布的大语言模型综合评测榜单，对多个模型进行能力排名
核心事实
时间轴 (近 90 天)
Vals Index 的题目多来自真实工作场景，要求模型完成多步骤推理、数据核对和合规判断，不同于通用的 MMLU 或 GSM8K。
Vals Index 是第三方评估机构 Vals 发布的基准测试，专门衡量 AI 模型在金融、编程、法律和税务等高专业度白领任务上的表现。
Gemini 4 Argon在Vals Index知识工作榜排名第一，且成本显著低于第二、三名。
Vals Index 是第三方机构维护的知识工作类综合排名，覆盖写作、分析、研究等多步任务，并非学术基准。
Gemini 4 Argon登顶Vals Index，该测试覆盖43个模型的真实工作测试。
在 Vals Index 上 Argon 排第一、Opus 排第三。
Gemini 4 Argon 在独立 Vals Index 排行榜上位列第一，综合得分 89.4%，超越 Anthropic Claude 4.5 Opus（85.2%）和 OpenAI o1（84.1%）。
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。
Vals Index 这类榜单的评测方法多以短输出或中等长度输出为主，单次输出很少超过几千 token，因此百万输出 token 的能力很难在榜单分数中直接体现。
Vals Index 是一个综合性大模型评测榜单，通常涵盖推理、知识、编程、数学等多维度任务，并以加权得分形式给出排名。
还有 3 条时间轴事件
全部知识事实 (9)
Gemini 4 Argon 在 LV Bench（视频/长内容理解）上得分 91%，刷新纪录
70%待验证Vals Index 的题目多来自真实工作场景，要求模型完成多步骤推理、数据核对和合规判断，不同于通用的 MMLU 或 GSM8K。
50%待验证Vals Index 是第三方评估机构 Vals 发布的基准测试，专门衡量 AI 模型在金融、编程、法律和税务等高专业度白领任务上的表现。
50%待验证Gemini 4 Argon在Vals Index知识工作榜排名第一，且成本显著低于第二、三名。
50%待验证Vals Index 是第三方机构维护的知识工作类综合排名，覆盖写作、分析、研究等多步任务，并非学术基准。
50%待验证Gemini 4 Argon登顶Vals Index，该测试覆盖43个模型的真实工作测试。
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Vals Index 是一个综合性大模型评测榜单，通常涵盖推理、知识、编程、数学等多维度任务，并以加权得分形式给出排名。
50%待验证Vals Index 这类榜单的评测方法多以短输出或中等长度输出为主，单次输出很少超过几千 token，因此百万输出 token 的能力很难在榜单分数中直接体现。
50%