Vals AI 於北京時間 2026 年 10 月 20 日 12:04 在 X 發文稱 Index 升至 v2.2。Vals Index 頁面標註 Updated 10/19/2026，前三名與開源最高位次與串文一致。據 Vals AI，該指數按金融、程式、法律、稅務等代理任務表現加權匯總，權重參考各產業占美國 GDP 的份額。
v2.2 改了什麼
據 Vals AI 的 X 串與 Index 更新日誌，v2.2 包括：
- Finance Agent v2.1：新的裁判模型組；在數值之間左右逢源的回答判失敗
- Excel Modeling Benchmark v1.1：改由 GPT-6 Luna 判分
- Code Migration v1.1：全部模型跑在 Pi agent harness 上，並修訂隱藏測試
- Harvey's LAB v1.1（榜上寫作 HLAB）：裁判可查看紅線修訂痕跡
- Tax Agent Bench：須通過全部 rubric 檢查才計分（all-pass）
新的榜首
在 2026 年 10 月 19 日更新的 Vals Index 榜上，Vals AI 報告：
- 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 稱為開源權重最高
Vals AI 還註明，Sonnet 5.5 與 Opus 5.5 的分數含部分因提供方拒絕而改用 fallback 模型的任務；Vals AI 稱，若把這些任務計為失敗，Sonnet 5.5 會降到 69.03%，Opus 5.5 降到 64.16%，而沒有 fallback 的 Gemini 4 Argon 會排第一。這是這次排名最關鍵的限定條件。分項榜首並不統一：Vals AI 稱 Opus 5.5 領跑 Finance Agent v2.1，Sonnet 5.5 領跑 EMB v1.1 與 Code Migration v1.1，Gemini 4 Argon 領跑 HLAB v1.1 等。
