Vals AI は北京時間 2026 年 10 月 20 日 12:04 に X で Index が v2.2 になったと投稿しました。Vals Index ページは Updated 10/19/2026 とあり、同じ上位 3 モデルとオープンウェイト首位を示しています。Vals AI によると、指数は金融・コーディング・法務・税務のエージェント作業を、各セクターの米 GDP シェアで加重して集約します。
v2.2 で変わった点
Vals AI の X スレッドと Index の更新ログによると、v2.2 には次が含まれます。
- Finance Agent v2.1：新しい審判モデル群。値の間で曖昧に答える回答は不合格
- Excel Modeling Benchmark v1.1：採点を GPT-6 Luna に変更
- Code Migration v1.1：全モデルを Pi agent harness で実行し、隠しテストを改訂
- Harvey's LAB v1.1（リーダーボード表記は HLAB）：赤字の修正履歴を審判が確認可能
- Tax Agent Bench：ルーブリックの全項目に通った場合のみ得点（all-pass）
新しい上位
2026 年 10 月 19 日更新の Vals Index リーダーボードで、Vals AI は次を報告しています。
- 1. Claude Sonnet 5.5 — 70.85%
- 2. Claude Opus 5.5 — 70.18%
- 3. Gemini 4 Argon — 69.24%
- 8. DeepSeek V4.1 Flash 1017 — 61.26%、Vals AI がオープンウェイト最高と説明
Vals AI は、Sonnet 5.5 と Opus 5.5 のスコアに、提供側の拒否後にフォールバックモデルへ回した一部タスクが含まれると注記しています。Vals AI によると、それらのタスクを失敗扱いにすると Sonnet 5.5 は 69.03%、Opus 5.5 は 64.16% に下がり、フォールバックのなかった Gemini 4 Argon が 1 位になります。今回の順位を読むうえで最も重要な前提です。個別ベンチの首位は分かれており、Vals AI によると Opus 5.5 が Finance Agent v2.1、Sonnet 5.5 が EMB v1.1 と Code Migration v1.1、Gemini 4 Argon が HLAB v1.1 などで先頭です。
