Vals AI 于北京时间 2026 年 10 月 20 日 12:04 在 X 发帖称 Index 升至 v2.2。Vals Index 页面标注 Updated 10/19/2026，前三名与开源最高位次与串推一致。据 Vals AI，该指数按金融、编程、法律、税务等代理任务表现加权汇总，权重参考各行业占美国 GDP 的份额。
v2.2 改了什么
据 Vals AI 的 X 串与 Index 更新日志，v2.2 包括：
- Finance Agent v2.1：新的裁判模型组；在数值之间左右逢源的回答判失败
- 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，并修订隐藏测试
- Harvey's LAB v1.1（榜上写作 HLAB）：裁判可查看红线修订痕迹
- Tax Agent Bench：须通过全部 rubric 检查才计分（all-pass）
新的榜首
在 2026 年 10 月 19 日更新的 Vals Index 榜上，Vals AI 报告：
- 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 称为开源权重最高
Vals AI 还注明，Sonnet 5.5 与 Opus 5.5 的分数含部分因提供方拒绝而改用 fallback 模型的任务；Vals AI 称，若把这些任务计为失败，Sonnet 5.5 会降到 69.03%，Opus 5.5 降到 64.16%，而没有 fallback 的 Gemini 4 Argon 会排第一。这是这次排名最关键的限定条件。分项榜首并不统一：Vals AI 称 Opus 5.5 领跑 Finance Agent v2.1，Sonnet 5.5 领跑 EMB v1.1 与 Code Migration v1.1，Gemini 4 Argon 领跑 HLAB v1.1 等。
