Vals AI Mengumpul $40Juta Siri A yang Dipimpin oleh a16z untuk Membangun Ukuran Model AI Bebas
2026/08/22 12:06:00
Bulatan Pendanaan Menandakan Peningkatan Permintaan untuk Penilaian Prestasi AI Dunia Nyata
Pada pertengahan Ogos 2026, Vals AI mengumumkan putaran Siri A sebanyak $40 juta pada penilaian $400 juta, dipimpin oleh Andreessen Horowitz dengan penyertaan daripada pelabur sedia ada 8VC, Pear VC, dan Bloomberg Beta, ditambah pelabur baharu HRT Ventures dan Next Ladder Ventures. Syarikat berpusat di San Francisco ini menempatkan dirinya sebagai penilai bebas model AI terkini, membina tolok ukur yang menilai prestasi dalam kerja profesional yang bermakna secara ekonomi, bukan ujian gaya akademik yang telah pun jenuh. Keputusannya sudah muncul dalam kad model daripada OpenAI, Anthropic, Google, Meta, dan xAI. Pendapatan telah meningkat lapan kali ganda berbanding keseluruhan tahun 2025, pangkalan pelanggan telah ganda dua, dan pasukan telah ganda tiga dalam tempoh enam bulan.
Seiring dengan pendanaan tersebut, Vals melancarkan Vals Smith untuk ukuran kod tersuai yang diambil dari mana-mana repositori GitHub, Indeks RSI yang dibangunkan bersama CoreWeave untuk mengukur kemampuan peningkatan diri berulang, ReverseEngBench yang dicipta bersama penyelidik dari Columbia, Tufts, UC Berkeley, dan UCLA, serta Indeks Vals 2.0 yang diperluaskan yang memberi timbangan prestasi berdasarkan sumbangan sektor kepada PDB AS. Langkah-langkah ini datang ketika perusahaan menghadapi tekanan yang semakin meningkat untuk mengadopsi AI sambil kekurangan cara yang boleh dipercayai untuk mengukur pulangan pelaburan, dan kerana kerajaan mencari ukuran bebas terhadap kemampuan terkini dan risiko siber. Tesis utama ialah bahawa ukuran tugas profesional yang bebas dan dikemas kini secara berterusan telah menjadi infrastruktur penting bagi ekonomi AI, menutup jurang yang semakin lebar antara skor papan pemimpin yang dilaporkan penjual dan kemampuan sebenar untuk menyelesaikan kerja berperingkat dalam kewangan, undang-undang, kejuruteraan perisian, dan domain risiko berisiko tinggi.
Mengapa Papan Pemimpin AI Tradisional Kehilangan Kuasa Ramalan untuk Keputusan Enterpris
Ujian akademik awam dahulu memberikan bahasa bersama untuk memantau kemajuan model, tetapi satu analisis pada Februari 2026 oleh penyelidik di ETH Zurich dan Stanford mengkaji 60 penilaian model bahasa besar yang banyak digunakan dan mendapati bahawa 29 daripadanya telah jenuh, dengan jurang prestasi antara model teratas dan kedua jatuh di dalam bunyi pengukuran. Pencemaran berlaku apabila data ujian memasuki korpus latihan, kadang-kadang melalui Common Crawl, sementara makmal juga mengoptimumkan secara langsung terhadap sasaran yang diketahui. Keputusannya ialah skor tinggi pada MMLU, HumanEval, atau set setara tidak lagi boleh dipercayai untuk meramalkan kejayaan dalam alur kerja profesional yang rumit dan berbilang langkah. Vals menangani ini dengan mengekalkan set ujian utama secara peribadi, bekerjasama dengan pakar bidang untuk mentakrifkan tugas yang mewakili, dan menghentikan ujian apabila ia berhenti membezakan model.
Pada Mei 2026, syarikat tersebut menggantikan penilaian CorpFin sebelumnya dengan Benchmark Pemodelan Excel yang lebih sukar kerana pembezaan telah runtuh. Pendekatan adaptif ini memperlakukan penilaian itu sendiri sebagai infrastruktur berterusan, bukan ujian statik, memberikan isyarat yang lebih jelas kepada perusahaan apabila memilih model untuk pelaksanaan pengeluaran. Dokumentasi rasmi mengenai metodologi syarikat dan pengumuman pelaburan a16z kedua-duanya menekankan bahawa set-set peribadi yang dikuratori pakar dengan penggantian berterusan lebih berkesan menentang laluan kejenuhan berbanding ujian statik sepenuhnya awam atau sepenuhnya peribadi.
Bagaimana Vals Membina Ukuran Pembanding Berdasarkan Alur Kerja Profesional Sebenar
Vals berkerjasama dengan peguam amali, analis kewangan, jurutera perisian, dan klinikus untuk memetakan taksonomi tugas yang mentakrifkan kerja yang kompeten di setiap bidang, kemudian membangunkan sistem penilaian automatik yang menilai hasil kerja yang dihasilkan berdasarkan piawaian pakar, bukan kebenaran pilihan berganda atau persamaan rentetan tepat. Tugas khas Agen Kewangan v2 memerlukan agen untuk mengambil data sokongan daripada dokumen, mensintesis model nilai relatif di antara syarikat sejenis, mengenal pasti katalis sektor, dan menghasilkan cadangan pelaburan yang berasaskan tanpa mengarang angka atau kehilangan konteks di sepanjang langkah-langkah. Pada Mei 2026, model dengan skor tertinggi hanya mencapai ketepatan 52 peratus dalam set tugas ini, menunjukkan bahawa sistem terkini masih gagal dalam lebih kurang separuh tugas yang diharapkan ditangani oleh seorang analis profesional.
Falsafah yang sama berlaku kepada penyelidikan undang-undang, pemindahan kod, kejuruteraan berasaskan terminal, dan pengkodan perubatan. Kerana penilaian adalah automatik tetapi dikalibrasi mengikut penilaian pakar, penilaian boleh dihasilkan dalam beberapa jam selepas menerima akses model, sepadan dengan jadual mingguan semasa pelancaran terkini. Syarikat tersebut telah membuka sumber sebahagian infrastruktur penilaian untuk menyokong kebolehulangan sambil melindungi integriti set ujian peribadi yang menghasilkan skor utama. Kombinasi kerjasama domain, penilaian automatik tahap pakar, dan tempoh penyelesaian pantas membezakan platform ini daripada papan pemimpin akademik dan arena semata-mata berdasarkan keutamaan.
Alasan a16z untuk memimpin putaran pada penilaian $400 juta
Andreessen Horowitz membentuk pelaburan ini berdasarkan masalah ketidaksamaan maklumat klasik yang digambarkan oleh ekonom George Akerlof: apabila penjual mengetahui lebih banyak mengenai kualiti produk berbanding pembeli dan mempunyai insentif untuk memaparkan data yang menguntungkan, pasaran akan menurun kepada hasil yang berkualiti lebih rendah. Jennifer Li dan rakan-rakan di a16z membandingkan keperluan akan seorang penilai AI yang bebas dengan kemunculan sejarah Moody’s di pasaran kredit dan auditor bebas dalam pelaporan syarikat awam. Model pendapatan Vals, yang mengenakan bayaran untuk perkhidmatan penilaian bukan untuk mengesahkan dakwaan mana-mana makmal tertentu, bertujuan untuk mengekalkan kemandirian struktur.
Syarikat tersebut menekankan kedalaman teknikal pendirinya dan keraguan jangka panjang terhadap kesahihan tolok ukur, mencatat bahawa Rayan Krishnan dan Langston Nashold telah bekerjasama sebelum ini dalam masalah pengukuran dunia nyata semasa belajar sains komputer di Stanford. Penilaian putaran ini dan kehadiran HRT Ventures yang berkaitan dengan perdagangan kuantitatif semakin menandakan bahawa modal canggih memandang pengukuran yang boleh dipercayai sebagai infrastruktur penting, bukan alat penyelidikan sampingan. Komen rasmi a16z menekankan bahawa model kini berubah dari menjawab soalan kepada melaksanakan alur kerja agen berjam-jam, meningkatkan kos pilihan model yang buruk daripada perbelanjaan token kepada masa dan hasil pelanggan yang hilang.
Latar Belakang Pendiri dan Asal-Usul Teori Penilaian Bebas
Rayan Krishnan, yang berperan sebagai CEO syarikat, mempunyai latar belakang yang ketara, termasuk pengalaman sebelumnya di Palantir, sebuah syarikat analitik data yang terkenal. Rakan penubuhnya, Langston Nashold, memegang kedudukan CTO dan membawa pengalaman yang kaya daripada masa beliau di syarikat teknologi besar seperti Meta, NVIDIA, dan Hudson River Trading. Kedua-dua penubuh itu pertama kali berjumpa semasa perjalanan mendaki gunung sebelum orientasi di Universiti Stanford, di mana mereka dengan cepat membentuk ikatan. Mereka kemudian bekerjasama dalam pelbagai tugas kursus sains komputer, yang membawa mereka kepada satu kesedaran penting: model bahasa besar mempunyai potensi untuk merevolusikan cara kerja dijalankan. Namun, mereka juga menyedari bahawa industri ini masih kekurangan kaedah yang kredibel dan berkesan untuk menguji model-model ini. Didorong oleh wawasan mereka, mereka membuat keputusan berani untuk meninggalkan program sarjana masing-masing bagi menubuhkan Vals. Fokus awal usaha baharu mereka ialah tugas kewangan dan pengaturcaraan, yang mereka kenal pasti sebagai mewakili bahagian besar aktiviti ekonomi di Amerika Syarikat.
Semasa mereka mulai mendapat perhatian di pasaran, mereka menerima petikan penting dalam kad model utama dan mendapat sokongan daripada Jabatan Perdagangan, serta keterlibatan dalam usaha kongres berkaitan dasar AI. Pendiri-pendiri memberi penekanan kuat terhadap kepentingan terus-menerus menarik balik tolok usang dan menggunakan set ujian peribadi. Pendekatan ini merupakan hasil langsung daripada pemerhatian mereka mengenai seberapa pantas model boleh mencapai puncak tolok statik dan bagaimana data latihan boleh mempengaruhi penilaian awam. Pengalaman bersama mereka dalam sistem pengeluaran dan persekitaran kuantitatif telah secara signifikan membentuk reka bentuk tumpuan penilaian, serta produk komersial yang kini digunakan oleh perusahaan untuk memilih dan memantau model selaras dengan terkini teknologi.
Pengukuran Agen Kewangan Mengungkap Kesenjangan Berterusan Antara Skor Papan Pemimpin dan Kerja Tahap Analis
Walaupun model mencapai keputusan hampir sempurna pada set akademik lama, set Finance Agent v2 terus menunjukkan kekurangan material yang signifikan dan tidak boleh diabaikan. Tugas-tugas yang terlibat dalam set ini merangkumi sintesis pelbagai dokumen, pemodelan nilai relatif, dan penghasilan cadangan, kesemuanya meniru dengan rapat output harian yang dihasilkan oleh analis kewangan profesional di industri ini. Sempadan 52 peratus yang dicatat pada Mei 2026 untuk sistem terkemuka merupakan pengingat yang jelas bahawa skor pengetahuan am yang tinggi tidak secara automatik bermaksud kemampuan analisis kewangan yang boleh dipercayai dan autonomi.
Vals memberikan berat strategik kepada Indeks Komposit Valsnya dengan mempertimbangkan sumbangan hampir setiap sektor terhadap PDB AS, yang memberikan kesan multiplier yang besar kepada sektor kewangan, memastikan bahawa kesan ekonomi direfleksikan dengan tepat dalam peringkat agregat pelbagai model. Perusahaan yang berjaya melaksanakan model yang dipilih sebahagiannya melalui penilaian Vals melaporkan penggunaan platform ini tidak hanya untuk proses pemilihan awal tetapi juga untuk pengukuran berterusan prestasi produk berbanding garis dasar had yang telah ditetapkan. Selain itu, jurang prestasi yang sedia ada juga memainkan peranan penting dalam memberi maklumat kepada keputusan pengalokasian modal dalam institusi kewangan. Institusi-institusi ini mesti membuktikan perbelanjaan AI mereka dengan keuntungan produktiviti yang boleh diukur, bukan hanya bergantung pada demonstrasi kualitatif, yang seringkali bersifat subjektif dan kurang boleh dipercayai. Proses penilaian berterusan ini penting untuk memastikan bahawa pelaburan dalam teknologi AI menghasilkan faedah dan peningkatan nyata dalam kecekapan operasi.
Vals Smith Membuka Ujian Kod Khusus yang Ditarik Terus dari Repositori Enterpris
Dengan pengumuman Siri A, Vals menjadikan Smith boleh didapati secara umum, membenarkan mana-mana organisasi menghasilkan piawaian pengkodean tersuai daripada repositori GitHub sendiri. Sistem ini mengekstrak tugas pembangunan sebenar daripada permintaan tarik sejarah dan menerapkan ujian tersembunyi untuk menentukan sama ada model mampu menyelesaikan kerja tersebut. Pengguna menerima 120 kredit percuma untuk memulakan. Bagi syarikat-syarikat yang kodnya mengandungi corak, pustaka, dan konvensi seni bina milik, perbezaan antara kecekapan Python atau Java generik dan kemampuan beroperasi di dalam persekitaran tertentu itu adalah menentukan.
Smith dengan itu menukar soalan abstrak mengenai kemampuan pengkodean kepada ukuran yang konkrit dan spesifik organisasi. Pengadopsi perusahaan awal kini boleh menghargakan model berdasarkan prestasi pada beban kerja kejuruteraan sebenar mereka, bukan pada set publik yang mungkin telah diingati atau dioptimumkan sebahagiannya. Rilis ini memperluaskan jangkauan Vals melampaui tolok domain pra-dibina ke dalam infrastruktur penilaian yang disesuaikan yang boleh diskalakan mengikut keperluan pelanggan.
Indeks RSI dan ReverseEngBench Memperluas Cakupan ke Domain Risiko Frontier
Sejajar dengan pendanaan terkini, Vals dengan bangga melancarkan Indeks RSI, yang dibangun bekerjasama dengan CoreWeave. Indeks inovatif ini bertujuan untuk menilai sama ada pelbagai model mampu melaksanakan tugas penyelidikan yang penting untuk memajukan pembangunan model, teknik pemampatan, metodologi latihan, strategi pengoptimuman parameter, amalan kejuruteraan harness, dan penilaian pasca-latihan. Selain itu, syarikat tersebut telah memperkenalkan ReverseEngBench, satu projek yang dibangunkan dengan teliti bersama institusi akademik terkemuka, termasuk Universiti Columbia, Universiti Tufts, UC Berkeley, dan UCLA. Penilaian komprehensif ini terdiri daripada 19 program proprieteri, yang secara keseluruhan purata melebihi 16,000 baris kod.
Program-program ini merangkumi pelbagai bidang, termasuk protokol rangkaian, firmware, aplikasi permainan, proses pemulihan format fail, dan analisis malware, semua dilindungi oleh suite anti-analisis yang luas yang direka untuk meningkatkan keselamatan. Keputusan awal menunjukkan perbezaan yang ketara di kalangan model terkini terkemuka, mengungkapkan potensi yang masih besar sebelum agen boleh merekabentuk semula binari realistik secara konsisten. Selain usaha-usaha ini, kerja awal juga telah dimulakan dalam bidang aplikasi kesihatan mental, dengan perancangan untuk memperluaskan lebih lanjut ke bidang penting seperti penilaian kesan persekitaran, aplikasi tentera, dan domain biosekuriti. Penilaian-penilaian ini, yang berorientasikan risiko, mengatasi kemampuan yang penting untuk meningkatkan postur keselamatan perusahaan dan penilaian kerajaan terhadap sistem canggih.
Indeks Vals 2.0 Mengagregasi Prestasi Berdasarkan Kontribusi Ekonomi
Laman web yang direka semula dan Vals Index 2.0 kini menawarkan cakupan yang jauh lebih luas merentas pelbagai domain, termasuk kewangan, pengaturcaraan, dan tugas undang-undang. Berat sektor yang digunakan dalam Indeks diperoleh daripada data nilai tambah yang disediakan oleh Pejabat Analisis Ekonomi. Formula komposit yang digunakan mengira purata metrik prestasi dalam setiap sektor, kemudian menggabungkan skor sektor ini berdasarkan peratusan hampir kepada PDB. Pada pertengahan Ogos 2026, Claude Opus 5 berada di terdepan dalam Indeks, diikuti rapat oleh Claude Fable 5 dan GPT-5.6 Sol.
Indeks dikemas kini secara kerap untuk mencerminkan pelancaran model terkini dan berfungsi sebagai metrik utama yang menunjukkan potensi kesan ekonomi, sambil masih membenarkan pengguna untuk menggali lebih dalam ke papan pemimpin domain individu untuk wawasan yang lebih terperinci. Disebabkan fakta bahawa tolok ukur asas kekal sebahagian besar sulit dan diperbaharui secara berkala, Indeks mampu mengekalkan perbezaannya untuk tempoh yang lebih panjang berbanding komposit semata-mata awam. Perusahaan dan penyelidik sama-sama merujuk Indeks ini bukan sahaja untuk tujuan peringkat relatif tetapi juga untuk menjalankan analisis perdagangan kos-latensi-keupayaan di seluruh ekosistem model semasa, memastikan mereka membuat keputusan yang berasaskan data yang paling relevan.
Pola Pengambilan Oleh Perusahaan dan Permintaan untuk ROI yang Boleh Diukur
Penghantaran AI berskala besar semakin mengintegrasikan penilaian Vals semasa memilih model asas dan semasa menilai produk dalaman berbanding metrik prestasi terkini. Kombinasi putaran pantas, kekhususan domain, dan kemandirian ini secara efektif menangani cabaran praktikal yang dihadapi oleh pasukan pengadaan dan pemimpin teknikal: kad penilaian vendor sahaja tidak lagi mencukupi untuk membuat keputusan berisiko tinggi.
Pertumbuhan pendapatan yang luar biasa sebanyak lapan kali berbanding keseluruhan tahun 2025, bersama dengan pangkalan pelanggan yang ganda dan bilangan pekerja yang tiga kali ganda dalam hanya enam bulan, dengan jelas menunjukkan bahawa permintaan telah berpindah melampaui eksperimen awal ke fasa ketergantungan operasi. Kerajaan juga telah terlibat dengan platform ini untuk mendapatkan wawasan berharga mengenai pengukuran kemampuan dan risiko siber, dengan demikian memperkuat kepentingannya dalam konteks komersial dan dasar. Kapasiti platform untuk mengekalkan kesejajaran dengan pelepasan model mingguan memastikan bahawa isyarat tetap semasa dan relevan, bukannya tertinggal beberapa bulan di belakang sempadan.
Ekosistem dan Pembezaan Struktur daripada Platform Berdasarkan Keutamaan
Usaha penilaian lain memang wujud dalam landskap ini, termasuk arena pengundian preferensi yang mengagregasi penilaian manusia terhadap output terbuka, serta pendekatan psikometrik yang bertujuan untuk memendekkan masa penilaian secara ketara. Vals membezakan dirinya melalui reka bentuk tugas profesional yang dikuratori oleh pakar, yang memastikan kepentingan dan kesesuaian yang tinggi, bersama dengan penilaian automatik yang dikalibrasi dengan teliti untuk memenuhi piawaian domain yang telah ditetapkan. Syarikat ini menggunakan set ujian peribadi yang terus ditamatkan untuk mengekalkan integriti penilaian mereka, dan ia memiliki rekod petikan yang telah dibuktikan oleh setiap makmal hadapan utama dalam bidang ini.
Rekod petikan ini berfungsi sebagai bentuk legitimasi yang penting yang perlu diperjuangkan oleh peserta baru untuk mendapatkan kredibiliti. Selain itu, penekanan syarikat terhadap alur kerja berbilang langkah yang diimbangkan secara ekonomi, bukan sekadar memfokuskan pada keutamaan perbualan atau kelajuan tulen, menjadikannya sebagai infrastruktur penting untuk membuat keputusan pengeluaran yang berasaskan maklumat, bukan sekadar menjadi pemain dalam papan pemimpin penyelidikan. Pelabur jelas telah mengenali dan menetapkan nilai unik ini ke dalam penilaian $400 juta yang mengagumkan.
Inferens untuk Pembangun Model dan Kepantasan Pengukuran Kemampuan
Makmal Frontier kini beroperasi dalam persekitaran di mana skor bebas membawa kredibiliti luaran yang semakin kurang dimiliki oleh nombor yang dilaporkan sendiri. Pemautan dalam kad model menandakan kepada pembeli perusahaan bahawa keputusan telah mengalami pemeriksaan pihak ketiga. Pada masa yang sama, penciptaan berterusan tolok yang lebih sukar meningkatkan tahap yang perlu dilalui oleh model-seterusnya. Proses “mendaki bukit” yang mendorong kemajuan AI oleh itu menghadapi set bukit yang lebih curam dan sering diperbaharui.
Pembangun yang memperlakukan penilaian sebagai perkara sekunder berisiko menemui kesenjangan kemampuan hanya selepas pelaksanaan; mereka yang mengintegrasikan pengukuran bebas lebih awal boleh menentukan keutamaan peningkatan yang penting untuk kerja sebenar. Pembebasan sumber terbuka kepada komponen infrastruktur terpilih juga mendorong keterulangan sambil melindungi penilaian peribadi utama yang menghasilkan skor dengan isyarat paling tinggi.
Kebutuhan Pasar yang Lebih Luas terhadap Institusi Pengukuran yang Dipercaya
Semasa sistem AI bergerak lebih dalam ke dalam alur kerja yang berkesan secara undang-undang dan kewangan, ketiadaan pengukuran bebas mencipta risiko asimetri maklumat yang sama yang secara sejarah menghasilkan agensi penilaian dan auditor dalam industri lain. Metrik pertumbuhan Vals dan kualiti penyokongnya menunjukkan bahawa modal mengenali kekosongan institusi ini. Misi yang dinyatakan oleh syarikat tersebut, untuk bertindak sebagai penilai bebas kecerdasan buatan, selari dengan keperluan praktikal syarikat yang mencari kejelasan ROI dan pembuat dasar yang mencari pemahaman mengenai kemampuan dan risiko.
Pemerkembangan berterusan ke dalam domain profesional dan risiko tambahan akan menguji sama ada metodologi ini boleh diskalakan sambil mengekalkan kemandirian dan kualiti isyarat. Untuk masa ini, gabungan pelancaran produk terkini, tarikan komersial yang pantas, dan komitmen modal bermaruah menjadikan Vals sebagai titik rujukan utama bagi sesiapa yang perlu memutuskan model mana yang benar-benar mampu menjalankan kerja yang penting.
Soalan Lazim
Apa yang tepatnya diumumkan oleh Vals AI dalam putaran pendanaan Seri A-nya?
Vals AI menutup siri A sebanyak $40 juta pada penilaian $400 juta pada 13 Ogos 2026. Andreessen Horowitz memimpin putaran ini, dengan pelabur sedia ada 8VC, Pear VC, dan Bloomberg Beta kembali, serta pelabur baharu HRT Ventures dan Next Ladder Ventures menyertai. Syarikat tersebut secara serentak melancarkan Vals Smith untuk tolok kod tersuai, Indeks RSI, ReverseEngBench, Vals Index 2.0 yang diperluaskan, dan laman web yang dibina semula. Pernyataan rasmi daripada Vals dan a16z mengesahkan angka-angka tersebut serta pelancaran produk yang menyertainya.
Bagaimana tolok ukur Vals berbeza daripada papan pemimpin awam seperti MMLU atau SWE-bench?
Vals berfokus pada alur kerja profesional berbilang langkah yang ditakrifkan bersama pakar domain dan dinilai oleh sistem automatik yang dikalibrasi mengikut piawaian pakar. Set ujian utama kekal sulit dan dihentikan apabila tidak lagi membezakan model, mengurangkan pencemaran dan permainan pengoptimuman. Set akademik awam sering mencapai jenuh atau bocor ke dalam data latihan, menghadkan nilai prediktifnya untuk tugas perniagaan sebenar. Pendekatan Vals menghasilkan keputusan dalam beberapa jam selepas akses model dan sudah muncul dalam kad model makmal-makmal utama.
Apakah kepentingan skor 52 peratus pada tugas Agen Kewangan?
Pada Mei 2026, model terkemuka mencapai ketepatan kira-kira 52 peratus dalam suite Finance Agent v2, yang memerlukan pemodelan nilai relatif, sintesis dokumen, dan rekomendasi berdasarkan fakta. Angka ini menunjukkan bahawa sistem terkuat yang tersedia masih gagal sekitar separuh daripada tugas yang diharapkan daripada seorang analis kewangan profesional. Kesenjangan antara skor akademik dan prestasi tugas profesional inilah tepatnya masalah yang ingin diukur dan seterusnya ditutup oleh Vals.
Siapakah pendirinya dan pengalaman apakah yang mereka bawa?
CEO Rayan Krishnan sebelum ini bekerja di Palantir. CTO Langston Nashold mempunyai pengalaman di Meta, NVIDIA, dan Hudson River Trading. Keduanya belajar ilmu komputer di Stanford dan mula bekerja sama dalam masalah pengukuran sebelum mewujudkan syarikat tersebut. Latar belakang mereka menggabungkan pengalaman sistem pengeluaran dengan perspektif kuantitatif dan penyelidikan yang membentuk penekanan Vals terhadap penilaian yang ketat dan adaptif.
Apa yang dibenarkan oleh Vals Smith untuk perusahaan?
Vals Smith membenarkan mana-mana organisasi untuk menghasilkan tolok kod tersuai secara langsung daripada repositori GitHubnya. Sistem ini mengekstrak tugas pembangunan yang realistik daripada permintaan tarikan sejarah dan menerapkan ujian tersembunyi. Pengguna mula dengan 120 kredit percuma. Alat ini menukar tolok kod generik kepada ukuran khas organisasi yang mencerminkan corak kod proprieteri dan amalan kejuruteraan.
Bagaimana Indeks Vals menggabungkan penimbangan ekonomi?
Indeks ini mengagregasi prestasi merentas tugas kewangan, pengaturcaraan, dan undang-undang, kemudian memberi berat kepada purata sektor berdasarkan sumbangan anggaran mereka terhadap PDB AS menggunakan data Biro Analisis Ekonomi. Komposit yang dihasilkan memberikan ukuran utama tunggal terhadap potensi kesan ekonomi sambil masih membenarkan pemeriksaan terperinci terhadap keputusan domain individu. Versi 2.0 memperluaskan cakupan dan dikemas kini secara kerap untuk mencerminkan pelepasan model baru.
🔥 KuCoin Menawarkan Pilihan yang Lebih Stabil di Pasar yang Bergolak
Jika anda bimbang tentang naik turun yang kerap berlaku di pasaran, dan mencari pilihan yang lebih stabil untuk menghasilkan wang secara pasif, KuCoin adalah tempat yang tepat untuk datang:
Simple Earn: Deposit dan keluar token kapan saja, dapatkan pulangan stabil.
KuCoin Untung: Hasilkan keuntungan stabil dengan pengurusan aset profesional.
Pegang untuk Untung: Dapatkan ganjaran dengan memegang aset dalam Akaun Pendanaan, Dagangan, Margin, Niaga Hadapan, Penambangan, dan Akaun Bersepadu.
Staking: Buka potensi pendapatan daripada aset atas rantai.
Pelaburan Lanjutan: Pelaburan Lanjutan menawarkan pelbagai produk berstruktur untuk membantu wang anda bertumbuh dalam mana-mana pasaran.
Shark Fin: Perlindungan Prinsipal dan Keuntungan Terjamin
Pelaburan Dwi: Beli rendah dan jual tinggi dengan pengiraan pulangan yang telus.
Bola Salji: Pulangan tinggi, dengan perlindungan harga.
Belian Diskaun: Beli kripto pada harga diskaun.
KCS Loyalty: Naikkan peringkat untuk menikmati keistimewaan eksklusif dengan staking ≥ 1 KCS.
KuCoin Wealth: Temui nilai masa depan dan mulakan perjalanan pelabaran pintar anda.
Manfaat KCS: Simpan dan bertaruh KCS untuk mengakses manfaat di seluruh platform.
KCS Staking 2.0: Sertai tata kelola on-chain KCS untuk mendapatkan hasil.
Penafian: Kandungan ini hanya untuk tujuan maklumat dan tidak merupakan nasihat pelaburan. Pelaburan mata wang kripto membawa risiko. Sila lakukan penyelidikan anda sendiri (DYOR).
Penafian: Halaman ini telah diterjemahkan dengan menggunakan teknologi AI untuk keselesaan anda. Untuk mendapatkan maklumat yang paling tepat, rujuk kepada versi bahasa Inggeris asal.