Vals AI نے a16z کی قیادت میں 40 ملین امریکی ڈالر کی سیریز A فنڈنگ حاصل کی ہے تاکہ مستقل AI ماڈل بینچ مارکس تعمیر کیے جا سکیں
2026/08/22 12:06:00
فنڈنگ راؤنڈ سے ظاہر ہوتا ہے کہ ریل ورلڈ AI پرفارمنس بنچ مارکس کی مانگ بڑھ رہی ہے
اگست 2026 کے درمیان، والس AI نے 400 ملین ڈالر کی قیمت پر 40 ملین ڈالر کی سیریز A راؤنڈ کا اعلان کیا، جس کی قیادت اینڈریسن ہوروویٹز نے کی اور موجودہ سرمایہ کاروں 8VC، Pear VC، اور Bloomberg Beta کے علاوہ نئے سرمایہ کار HRT Ventures اور Next Ladder Ventures نے شرکت کی۔ سین فرانسسکو میں واقع یہ کمپنی فرانٹیئر AI ماڈلز کا ایک مستقل جائزہ لینے والا کردار ادا کرتی ہے، جو اقتصادی طور پر معنی خیز پیشہ ورانہ کاموں پر کارکردگی کا جائزہ لینے والے بینچ مارکس تیار کرتی ہے، جبکہ اکثر اکادمیک انداز کے ٹیسٹس جو تقریباً سیر کر چکے ہیں، ان کی جگہ لیتی ہے۔ اس کے نتائج پہلے ہی OpenAI، Anthropic، Google، Meta، اور xAI کے ماڈل کارڈز میں شامل ہو چکے ہیں۔ آمدنی 2025 کے مجموعی سال کے مقابلے میں آٹھ گنا بڑھ چکی ہے، صارفین کی تعداد دوگنا ہو چکی ہے، اور چھ ماہ میں ٹیم تین گنا ہو چکی ہے۔
فندنگ کے ساتھ، والز نے والز اسمتھ جاری کیا، جو کسی بھی گٹہب ریپوزٹری سے لی گئی کسٹم کوڈنگ بینچ مارکس کے لیے ہے، کور ویو کے ساتھ تیار کیا گیا RSI انڈیکس جو ریکرسیو خود بہتری کی صلاحیتوں کو پیمانے کے لیے استعمال ہوتا ہے، ریورس اینج بینچ جو کولمبیا، ٹافٹس، یو سی بیرکلے اور یو سی لاس اینجلس کے تحقیق دانوں کے ساتھ تخلیق کیا گیا، اور والز انڈیکس 2.0 کا وسعت پذیر نسخہ جو امریکہ کے جی ڈی پی میں شعبہ جات کے حصہ کے مطابق کارکردگی کو وزن دیتا ہے۔ یہ اقدامات اس وقت آئے ہیں جب کاروباری ادارے AI اپنانے کے دباؤ کا سامنا کر رہے ہیں جبکہ ان کے پاس سرمایہ کاری پر واپسی کو قابلِ اعتماد طریقے سے مانچنے کے لیے کوئی ذرائع نہیں ہیں، اور حکومتیں فرانٹیر صلاحیتوں اور سائبر خطرات کے لیے مستقل پیمانوں کی تلاش میں ہیں۔ بنیادی خیال یہ ہے کہ مستقل، لگاتار اپڈیٹ شدہ پیشہ ورانہ کاموں کے بینچ مارکس AI اقتصاد کے لیے ضروری بن چکے ہیں، جو فنانس، قانون، سافٹ وئیر انجینئرنگ، اور اعلیٰ خطرے والے شعبوں میں متعدد مراحل کے کام مکمل کرنے کی حقیقی صلاحیت اور فروشندگان کے ذرائع سے رپورٹ کردہ لیڈر بورڈ اسکورز کے درمیان بڑھتے ہوئے فرق کو ختم کرتے ہیں۔
کیوں روایتی AI لیڈربورڈز کی کاروباری فیصلوں کے لیے پیشگوئی کرنے کی طاقت ختم ہو چکی ہے
عوامی اکیڈمک معیارات ایک مشترکہ زبان فراہم کرتے تھے جس سے ماڈل کی پیشرفت کا جائزہ لیا جا سکتا تھا، لیکن ایتھ زیورخ اور اسٹینفورڈ کے محققین نے فروری 2026 میں 60 عام طور پر استعمال ہونے والے بڑے زبان ماڈل جائزہ کا جائزہ لیا اور پایا کہ ان میں سے 29 سیر ہو چکے تھے، جبکہ سب سے اچھے اور دوسرے ماڈل کے درمیان پرفارمنس کا فرق پیمانے کے شور کے اندر آ گیا تھا۔ آلودگی اس وقت ہوتی ہے جب ٹیسٹ ڈیٹا تربیتی کارپورا میں داخل ہو جاتا ہے، کبھی کبھی کامن کرول کے ذریعے، جبکہ لیبز بھی معلوم مقاصد کے خلاف ب без ترتیب دیتے ہیں۔ نتیجہ یہ ہے کہ MMLU، HumanEval یا اس جیسے سوٹس پر اعلی نمبر اب بھروسہ مند طریقے سے مصروف، متعدد مراحل والے پیشہ ورانہ عمل پر کامیابی کا پیشگوئی نہیں کرتے۔ Vals اس کا حل یہ ہے کہ وہ بنیادی ٹیسٹ سیٹس کو پرائیویٹ رکھتا ہے، شعبہ کے ماہرین کے ساتھ شراکت کرتا ہے تاکہ نمائندہ کام طے کر سکے، اور جب یہ ماڈلز کو الگ نہ کر پائے تو معیارات کو منسوخ کر دیتا ہے۔
مئی 2026 میں، کمپنی نے اپنے پہلے CorpFin ایوالویشن کو ایک مشکل Excel مڈلنگ بینچ مارک سے تبدیل کر دیا، بالکل اس لیے کہ تمیز ختم ہو چکا تھا۔ یہ ایڈاپٹوو طریقہ ایوالویشن کو ایک سٹیٹک امتحان کے بجائے مسلسل بنیادی ڈھانچہ سمجھتا ہے، جس سے کاروبار کو پروڈکشن ڈپلومنٹ کے لیے ماڈلز منتخب کرتے وقت ایک واضح سگنل ملتا ہے۔ کمپنی کے طریقہ کار پر موجود سرکاری دستاویزات اور a16z کے سرمایہ کاری کے اعلان دونوں یہ زور دیتے ہیں کہ نجی، ماہرین کی طرف سے ترتیب دی گئی اور مسلسل تبدیل ہونے والی سیٹس، مکمل طور پر عوامی یا صرف نجی سٹیٹک ٹیسٹس کے مقابلے میں سیریشن کے راستے کو زیادہ اثر انگیز طریقے سے روکتی ہیں۔
Vals کیسے اصل پیشہ ورانہ عمل کے اردگرد معیارات تعمیر کرتا ہے
والس مہنہ وار قانونی ماہرین، مالیاتی تجزیہ کاروں، سافٹ ویئر انجینئرز اور طبی ماہرین کے ساتھ شراکت کرتا ہے تاکہ ہر شعبے میں کامیاب کام کو تعریف کرنے والے کاموں کی تصنیف کو نقشہ بنائے، پھر خودکار درجہ بندی نظام تیار کرتا ہے جو تخلیق کردہ کام کو متعدد اختیارات کی درستگی یا بالکل مطابقت کے بجائے ماہرین کے معیارات کے ساتھ سمجھتا ہے۔ ایک عام فنانس ایجنٹ v2 کا کام ایجنٹ سے متعلقہ دستاویزات سے حمایتی ڈیٹا حاصل کرنے، مساوی کمپنیوں کے درمیان ریلیٹو ویلیو ماڈلز کو مرکب بنانے، سیکٹر کے کیٹلسٹس کو شناخت کرنے اور اعداد و شمار کا جھوٹ بولے بغیر یا مراحل کے درمیان تناظر کو ضائع نہ کرتے ہوئے زمینی سرمایہ کاری تجاویز تیار کرنے کا مطالبہ کرتا ہے۔ مئی 2026 میں، سب سے زیادہ اسکور والے ماڈل نے اس سیریز پر صرف 52 فیصد درستگی حاصل کی، جس سے ظاہر ہوتا ہے کہ حتیٰ کہ سرحدی نظام بھی اس قسم کے تقریباً نصف کاموں میں ناکام رہتے ہیں جنہیں ایک پیشہ ورانہ تجزیہ کار سنبھالنے کا تصور کرتا ہے۔
یہی فلسفہ قانونی تحقیق، کوڈ مائیگریشن، ٹرمینل-بنیادی انجینئرنگ اور میڈیکل کوڈنگ کے لیے بھی لاگو ہوتا ہے۔ کیونکہ گریڈنگ خودکار ہے لیکن ماہرین کے ججمنٹ کے مطابق کی گئی ہے، اس لیے جائزے مدل تک رسائی حاصل ہونے کے صرف گھنٹوں کے اندر تیار کر دیے جا سکتے ہیں، جو فرنتیر ریلیزز کے موجودہ ہفتہ وار رفتار کے مطابق ہیں۔ کمپنی نے اپنی ایوالویشن انفراسٹرکچر کے کچھ حصوں کو اوپن سورس کر دیا ہے تاکہ دوبارہ حاصل کرنے کی حمایت کی جا سکے جبکہ ان پرائیویٹ ٹیسٹ سیٹس کی مکملیت برقرار رکھی جائے جو بنیادی اسکورز پیدا کرتے ہیں۔ ڈومین پارٹنرشپ، خودکار ماہر سطح کے اسکورنگ، اور تیز رفتار ٹرن arounڈ کا یہ ترکیب پلیٹ فارم کو اکادمک لیڈربورڈز اور صرف ترجیحات پر مبنی میدانوں سے الگ کرتا ہے۔
a16z کا $400 ملین کی قیمت پر راؤنڈ کی قیادت کرنے کا ترکیبی دلیل
اینڈریسن ہوروزوٹ نے اس سرمایہ کاری کو اقتصاد دان جارج ایکرلوف کے ذریعہ بیان کیے گئے کلاسک معلومات کی عدم توازن کے مسئلے کے حوالے سے پیش کیا: جب فروخت کرنے والے مصنوعات کی معیار کے بارے میں خریداروں سے زیادہ جانتے ہیں اور مثبت ڈیٹا پیش کرنے کے لیے محرک رکھتے ہیں، تو بازار کم معیار کے نتائج کی طرف تباہ ہو جاتے ہیں۔ جینیفر لی اور ایک 16 زیڈ کے دیگر افراد نے ایک مستقل AI اسکورکیپر کی ضرورت کو کریڈٹ بازاروں میں موڈیز کے تاریخی ظہور اور عوامی کمپنیوں کی رپورٹنگ میں مستقل آڈٹرز کے ظہور سے موازنہ کیا۔ والس کا آمدنی ماڈل، جو کسی خاص لیب کے دعوؤں کو تصدیق نہیں کرتا بلکہ تجزیہ سروسز کے لیے فees لیتا ہے، ساختی استقلال برقرار رکھنے کا مقصد رکھتا ہے۔
کمپنی نے بانیوں کی ٹیکنیکل ڈیپتھ اور بینچ مارک کی درستگی کے بارے میں ان کی طویل عرصے سے کشیدہ رائے پر زور دیا، جس میں یہ نوٹ کیا گیا کہ ریان کرشنن اور لینگسٹن ناشولڈ نے اسٹینفورڈ میں کمپیوٹر سائنس کا مطالعہ کرتے ہوئے پہلے ہی حقیقی دنیا کے پیمانے کے مسائل پر مل کر کام کیا تھا۔ اس راؤنڈ کی قیمت اور مقداری ٹریڈنگ سے منسلک HRT Ventures کی شرکت سے یہ بھی ظاہر ہوتا ہے کہ مہارت والے سرمایہ دار قابل اعتماد پیمانے کو ایک دُرستہ بنیادی ڈھانچہ سمجھتے ہیں، نہ کہ ایک ساتھی تحقیقی ٹول۔ a16z کے باقاعدہ تبصرے میں زور دیا گیا ہے کہ ماڈلز اب سوالات کے جواب دینے سے گزرتے ہوئے متعدد گھنٹوں کے اجینٹ ورک فلوز کو انجام دینے لگے ہیں، جس سے ایک خراب ماڈل کے انتخاب کی قیمت صرف ٹوکن خرچ نہیں، بلکہ وقت اور صارفین کے نتائج کا نقصان بھی بن گئی ہے۔
انٹیگریٹر کے پیشہ ورانہ پس منظر اور انڈیپینڈنٹ-ایوالویشن تھیسس کی ابتدا
ریان کرشنن، جو کمپنی کے سی ای او ہیں، کے پاس پالنٹیر، ایک مشہور ڈیٹا تجزیہ فرم میں پہلے کام کرنے کا قابل ذکر تجربہ ہے۔ ان کے سہملاکر، لینگسٹن نشولڈ، سی ٹی او کا عہدہ رکھتے ہیں اور میٹا، نوڈیا اور ہڈسن ریور ٹریڈنگ جیسی بڑی ٹیک کمپنیوں میں اپنے تجربے کے ساتھ اپنی بھرپور تجربہ کاری لائے ہوئے ہیں۔ دونوں ملاکر نے اسٹینفورڈ یونیورسٹی میں ایک پری-آرینٹیشن بیکپیکنگ سفر کے دوران پہلی بار اپنے آپ کو ملا، جہاں انہوں نے جلد ہی ایک ربط قائم کر لیا۔ بعد میں انہوں نے کمپیوٹر سائنس کے مختلف کورس ورک پر مل کر کام کیا، جس سے انہیں ایک اہم احساس ہوا: بڑے زبان ماڈلز کام کرنے کے طریقے کو انقلابی بنانے کی صلاحیت رکھتے ہیں۔ تاہم، انہوں نے یہ بھی پہچان لیا کہ صنعت میں ان ماڈلز کا جائزہ لینے کے لئے قابل اعتماد اور موثر طریقے ابھی تک کم تھے۔ اپنے خيالات سے متاثر ہوکر، انہوں نے اپنے متعلقہ گریجویٹ پروگرامس چھوڑنے کا جرات مندانہ فیصلہ کیا تاکہ وولس قائم کر سکیں۔ ان کے نئے کاروبار کا ابتدائی فوکس فنانس اور کوڈنگ کے کاموں پر تھا، جنہیں انہوں نے ریاستہائے متحدہ میں معیشت کے اہم حصوں کے طور پر شناخت کیا۔
جب وہ مارکیٹ میں مقبولیت حاصل کرنے لگے، تو انہیں بڑے ماڈل کارڈز میں نمایاں حوالہ جات حاصل ہوئے اور تجارت کے محکمہ سے ان کے اقدامات کی حمایت حاصل ہوئی، ساتھ ہی AI پالیسی سے متعلق کانگریس کے اقدامات میں ان کی شرکت بھی ہوئی۔ بانیان مسلسل obsolete بینچ مارکس کو ختم کرنے اور پرائیویٹ ٹیسٹ سیٹس کا استعمال کرنے کے اہمیت پر زور دیتے ہیں۔ یہ رویہ ان کی مشاہدات کا ب без نتیجہ ہے کہ ماڈلز کس طرح تیزی سے اسٹیٹک بینچ مارکس کے پیک پر پہنچ جاتے ہیں اور ٹریننگ ڈیٹا کس طرح عوامی جائزہ لینے پر اثر ڈالتا ہے۔ ان کا پروڈکشن سسٹمز اور کوانٹیٹیٹو ماحول دونوں میں مل کر تجربہ تجزیہ اسٹیک کے ڈیزائن، اور اس کامرسیل پروڈکٹ کو بھی بڑھاوا دیا جسے اب صنعتیں جدید ترین ٹیکنالوجی کے مطابق ماڈلز کا انتخاب اور نگرانی کرنے کے لیے استعمال کر رہی ہیں۔
فائننس ایجینٹ بینچ مارکس سے پتہ چلتا ہے کہ لیڈر بورڈ اسکورز اور اینالسٹ لیول کے کام کے درمیان مستقل فرق موجود ہے
اگرچہ ماڈلز پرانے اکیڈمک سوٹس پر تقریباً مکمل نتائج حاصل کرتے ہیں، لیکن فنانس ایجینٹ v2 سوٹ اب بھی ایسے اہم کمیوں کو ظاہر کرتا رہتا ہے جنہیں نظرانداز نہیں کیا جا سکتا۔ اس سوٹ میں شامل کاموں میں متعدد دستاویزات کا ادغام، ریلیٹو ویلیو ماڈلنگ، اور تجویز کی تخلیق شامل ہے، جو صنعت میں پیشہ ورانہ مالیاتی تجزیہ کاروں کے روزمرہ کے نتائج کے قریب قریب ہیں۔ مئی 2026 میں سب سے آگے والے سسٹم کا 52 فیصد کا سرحدی نقطہ اس بات کا واضح تذکرہ ہے کہ اعلیٰ عام علم کے اسکور خودمختار اور قابل اعتماد مالیاتی تجزیہ کی صلاحیتوں کے مساوی نہیں ہوتے۔
والس اپنے کمپوزٹ والس انڈیکس کو امریکی جی ڈی پی میں تقریبی سیکٹر کے حصے کو مدنظر رکھ کر وزن دیتا ہے، جس سے فنانس کو ایک بڑا ضربی اثر حاصل ہوتا ہے، جس سے مجموعی رینکنگ میں مختلف ماڈلز کے معاشی اثر کو درست طریقے سے ظاہر کیا جاتا ہے۔ جن کاروباروں نے والس کے جائزہ سے جزوی طور پر منتخب کردہ ماڈلز کو کامیابی سے لاگو کیا ہے، وہ پلیٹ فارم کا استعمال صرف ابتدائی منتخب کرنے کے لیے نہیں بلکہ مصنوعات کی پرفارمنس کو قائم فرنٹیر بیس لائنز کے خلاف مستقل طور پر ناپنے کے لیے بھی کرتے ہیں۔ علاوہ ازیں، پرفارمنس میں موجود فرق مالیاتی اداروں میں سرمایہ تقسیم کے فیصلوں کو ترتیب دینے میں بھی اہم کردار ادا کرتا ہے۔ ان اداروں کو اپنے اے آئی خرچوں کو صرف معیاری ثبوت پر انحصار نہیں کرنا چاہیے، بلکہ انہیں قابلِ قیاس پیداواری فائدے کے ساتھ اپنے خرچوں کو مناسب ٹھہرانا ہوگا، جو اکثر موضوعانہ اور کم قابلِ اعتماد ہوتے ہیں۔ یہ مستقل جائزہ لینے کا عمل اے آئی ٹیکنالوجیز میں سرمایہ کاری سے قابلِ لحاظ فائدے اور آپریشنل کارکردگی میں بہتری حاصل کرنے کے لیے ضروری ہے۔
والس اسمتھ نے اینٹرپرائز ریپوزٹریز سے ب без تفصیل کشیدہ کسٹم کوڈنگ بینچ مارکس کھول دیے
سریز A کے اعلان کے ساتھ، والس نے اسمتھ کو عام طور پر دستیاب کر دیا، جس سے کوئی بھی تنظیم اپنے اپنے گٹہب ریپوزٹریز سے ایک کسٹم کوڈنگ بینچ مارک تیار کر سکتی ہے۔ یہ سسٹم تاریخی پل ریکسٹس سے حقیقی ترقیاتی کاموں کو نکالتا ہے اور یہ طے کرنے کے لیے پوشیدہ ٹیسٹس لگاتا ہے کہ کیا ماڈل کام مکمل کر سکتا ہے۔ صارفین شروع کرنے کے لیے 120 مفت کریڈٹس حاصل کرتے ہیں۔ جن کمپنیوں کے کوڈ بیس میں ملکہ پیٹرنز، لائبریریز اور آرکٹیکچرل معاہدات ہوتے ہیں، عام پائتھن یا جاوا کی مہارت اور اس خاص ماحول میں کام کرنے کی صلاحیت کے درمیان فرق فیصلہ کن ہوتا ہے۔
اس لیے اسمتھ کوڈنگ کی صلاحیت کے انتزاعی سوال کو ایک عملی، تنظیم کے مخصوص پیمانے میں تبدیل کر دیتے ہیں۔ اب ابتدائی کاروباری جلدی اپنائینے والے اپنے اصل انجینئرنگ ورک لود پر ماڈلز کی کارکردگی کے مطابق ان کا درجہ بندی کر سکتے ہیں، نہ کہ ان عوامی سوٹس کے مطابق جن میں سے کچھ حصہ یاد کر لیا گیا ہو یا اس کے خلاف بہتر بنایا گیا ہو۔ یہ ریلیز والس کی دائرہ کار کو پہلے سے تیار شدہ شعبہ جاتی بینچ مارکس سے آگے، صارفین کی ضروریات کے ساتھ بڑھتے ہوئے مخصوص جائزہ لینے کے بنیادی ڈھانچے تک پہنچا دیتی ہے۔
RSI انڈیکس اور ReverseEngBench کا دائرہ کار فرانتیئر ریسک ڈومینز میں وسعت پذیر ہو گیا
ہر فنڈنگ کے ساتھ، والس نے کور ویو کے ساتھ تعاون کے ذریعے RSI انڈیکس کا اعلان کیا ہے۔ یہ نوآوری والی انڈیکس مختلف ماڈلز کو یہ جانچنے کے لیے ڈیزائن کی گئی ہے کہ وہ ماڈل ترقی، کمپریشن ٹیکنیکس، ٹریننگ طریقہ کار، پیرامیٹر آپٹیمائزیشن اسٹریٹجیز، ہارنیس انجینئرنگ پریکٹس اور ٹریننگ کے بعد کے جائزے کے لیے ضروری تحقیقی کاموں کو انجام دے سکتے ہیں یا نہیں۔ علاوہ ازیں، کمپنی نے ReverseEngBench کا اعلان کیا ہے، جو عظیم اکادمک اداروں، بشمول کولمبیا یونیورسٹی، ٹفٹس یونیورسٹی، UC بیرکلے اور UCLA کے ساتھ تعاون کے ذریعے دقت سے ترتیب دیا گیا ہے۔ یہ جامع بینچ مارک 19 ملکی پروگرامز پر مشتمل ہے، جو مل کر تقریباً 16,000 لائنز کوڈ کا اوسط بناتے ہیں۔
یہ پروگرامز نیٹ ورک پروٹوکولز، فرمویئر، گیمنگ ایپلیکیشنز، فائل فارمیٹ ریکوری پروسیجرز اور میلویئر تجزیہ جیسے مختلف شعبوں پر مشتمل ہیں، جن کا تحفظ ایک وسیع اینٹی اینالسس سوٹ کے ذریعے کیا جاتا ہے جو تحفظ کو بہتر بنانے کے لیے ڈیزائن کیا گیا ہے۔ ابتدائی نتائج سے ظاہر ہوتا ہے کہ لیڈنگ فرنٹیر ماڈلز کے درمیان اہم فرق موجود ہے، جس سے یہ بات سامنے آتی ہے کہ ایجنسز کے لیے حقیقی بائنریز کو ریورس انجینئرنگ کرنے تک اب بھی کافی ممکنات باقی ہیں۔ ان کوششوں کے علاوہ، ذہنی صحت کے ایپلیکیشنز کے شعبے میں بھی ابتدائی کام شروع کر دیا گیا ہے، جس کے بعد ماحولیاتی اثرات کے جائزے، فوجی اطلاقات اور بائیو سکیورٹی شعبوں جیسے اہم شعبوں میں مزید وسعت کا منصوبہ ہے۔ یہ جائزے، جو خطرات کے حوالے سے ہیں، ان صلاحیتوں کا جائزہ لیتے ہیں جو کاروباری تحفظ کے وضع کو بہتر بنانے اور حکومتی جائزہ لینے والوں کے لیے نئے سسٹمز کے حوالے سے انتہائی اہم ہیں۔
Vals انڈیکس 2.0 معیاشی شراکت کے مطابق کارکردگی کو جمع کرتا ہے
ڈیزائن کیا گیا ویب سائٹ اور ویلز انڈیکس 2.0 اب مالیات، کوڈنگ اور قانونی کاموں سمیت مختلف شعبوں میں کافی وسیع تر دائرہ کار پیش کرتے ہیں۔ انڈیکس میں استعمال کی جانے والی سیکٹر وزنوز بیورو آف اکونومک اینالسس کی طرف سے فراہم کی جانے والی جمع شدہ معلومات سے حاصل کی گئی ہیں۔ استعمال کی جانے والی مرکب فارمولہ ہر سیکٹر کے اندر پرفارمنس میٹرکس کا اوسط لیتی ہے اور پھر ان سیکٹر سکورز کو ان کے جی ڈی پی کے تقریبی حصوں کے مطابق ملا دیتی ہے۔ اگست 2026 کے وسط تک، کلود آپس 5 انڈیکس میں سب سے آگے ہے، جس کے بعد کلود فیبل 5 اور جی پی ٹی-5.6 سول آتے ہیں۔
انڈیکس کو تازہ ترین ماڈل ریلیزز کو ظاہر کرنے کے لیے اکثر اپڈیٹ کیا جاتا ہے اور یہ ایک منفرد سرخی میٹرک ہے جو ممکنہ معاشی اثر کو ظاہر کرتا ہے، جبکہ صارفین کو اضافی تفصیلات کے لیے انفرادی دائرہ کار لیڈر بورڈز میں جانے کی اجازت دیتا ہے۔ چونکہ بنیادی بینچ مارکس زیادہ تر پرائیویٹ رہتے ہیں اور دوران دوران تازہ کیے جاتے ہیں، اس لیے انڈیکس صرف عوامی کمپوزٹس کے مقابلے میں لمبے عرصے تک اپنا فرق برقرار رکھ پاتا ہے۔ درخواست دہندگان اور تحقیق کار دونوں اس انڈیکس کو نہ صرف نسبتی درجہ بندی کے مقاصد کے لیے بلکہ موجودہ ماڈل ایکو سسٹم کے دوران لاگت-تاخیر-قابلیت کے توازن کے تجزیے کے لیے بھی استعمال کرتے ہیں، تاکہ وہ دستیاب سب سے متعلقہ ڈیٹا پر مبنی فیصلے کر سکیں۔
کاروباری اپنائی کے نمونے اور قابل پیمانہ ROI کی مانگ
بڑے پیمانے پر AI ڈیپلومنٹس، بنیادی ماڈلز کے انتخاب اور اندر کے پروڈکٹس کو فرنٹیئر پرفارمنس میٹرکس کے خلاف جانچنے کے دوران Vals جائزہ لینے کو زیادہ سے زیادہ شامل کر رہے ہیں۔ تیز رفتار ریٹرن، دائرہ کار کی خصوصیت اور آزادی کا یہ ترکیب، خریداری ٹیمز اور ٹیکنیکل لیڈرز کے سامنے آنے والے عملی چیلنجز کو مؤثر طریقے سے حل کرتا ہے: صرف وینڈر اسکورکارڈز اب اعلیٰ خطرے والے فیصلوں کے لیے کافی نہیں ہیں۔
2025 کے پورے سال کے مقابلے میں آٹھ گنا رvenue کا قابلِ ذکر اضافہ، صرف چھ ماہ میں صارفین کی تعداد میں دوگنا اور ملازمین کی تعداد میں تین گنا اضافہ، واضح طور پر ظاہر کرتا ہے کہ مانگ اب ابتدائی تجربے کے مرحلے سے آپریشنل انحصار کے مرحلے میں منتقل ہو چکی ہے۔ حکومتوں نے بھی صلاحیتوں کی پیمائش اور سائبر خطرات کے بارے میں قیمتی جانکاری حاصل کرنے کے لیے اس پلیٹ فارم کے ساتھ تعاون کیا ہے، جس سے اس کا اہمیت تجارتی اور پالیسی دونوں پہلوؤں میں مزید مضبوط ہوئی ہے۔ ہفتہ وار ماڈل ریلیز کے ساتھ اس پلیٹ فارم کی صلاحیت یقینی بناتی ہے کہ سگنل موجودہ اور متعلقہ رہے، اور کئی ماہ تک فرنٹیر سے پیچھے نہ رہے۔
ایکو سسٹم اور ترجیحی مبنی پلیٹ فارمز سے ساختی فرق
دیگر جائزہ کی کوششیں واقعی منظر میں موجود ہیں، جن میں ترجیحی ووٹنگ کے میدان شامل ہیں جو کھلے خاتمہ کے نتائج پر انسانی ججمنٹس کو اکٹھا کرتے ہیں، اور نفسیاتی طریقے جو جائزہ کے وقت کو کافی حد تک کم کرنے کا مقصد رکھتے ہیں۔ والس اپنے ماہرین کے ذریعہ تیار کردہ پیشہ ورانہ کام کے ڈیزائن کے ذریعہ خود کو الگ کرتا ہے، جو اعلیٰ متعلقہ اور قابلِ عمل گواہی فراہم کرتا ہے، اس کے علاوہ خودکار درجہ بندی جو مقررہ شعبہ معیارات کے مطابق دقت سے ترتیب دی گئی ہے۔ کمپنی پرائیوٹ ٹیسٹ سیٹس کا استعمال کرتی ہے جو اپنے جائزہ کی مکملیت برقرار رکھنے کے لیے لگاتار ختم کر دی جاتی ہیں، اور اس کے پاس شعبے کے ہر بڑے سرحدی لیبارٹری کے ذریعہ ثابت شدہ حوالہ جات کا ریکارڈ ہے۔
یہ حوالہ ریکارڈ ایک اہم اعتماد کا ذریعہ ہے جسے نئے داخل ہونے والے حاصل کرنے کے لیے کوشش کرنا ہوتا ہے۔ علاوہ ازیں، کمپنی کا زور معیاری، متعدد مراحل والے عمل کے بجائے صرف مکالماتی ترجیح یا صرف رفتار پر نہ ہونے کی وجہ سے اسے معلوماتی پیداواری فیصلوں کے لیے ایک ضروری بنیادی ڈھانچہ بناتا ہے، صرف تحقیقی لیڈر بورڈ میں ایک شرکت کنندہ کے طور پر نہیں۔ سرمایہ کاروں نے واضح طور پر اس منفرد فرق کو پہچان لیا ہے اور اسے $400 ملین کی حیرت انگیز قیمت میں شامل کر دیا ہے۔
ماڈل ڈویلپرز کے لیے استنباط اور صلاحیت کی پیمائش کا رفتار
اب فرانٹیئر لیبارٹریاں ایسے ماحول میں کام کر رہی ہیں جہاں مستقل اسکورز کو باہری credibility حاصل ہے، جبکہ خود رپورٹ کیے گئے اعداد و شمار کی اہمیت لگاتار کم ہو رہی ہے۔ ماڈل کارڈز میں حوالہ دینا کاروباری خریداروں کو یہ سignل دیتا ہے کہ نتائج کو تیسری طرف کی جانچ کا سامنا کرنا پڑا ہے۔ اسی دوران، مشکل ترین بینچ مارکس کا لگاتار تخلیق ہونا اگلے ماڈلز کے لیے نئی اور زیادہ مشکل چیلنجز کا باعث بنتا ہے۔ اس طرح، AI کی ترقی کو چلانے والی “ہل-کلائمنگ” پروسیس کے سامنے اب زیادہ تیز اور زیادہ بار بار اپڈیٹ ہونے والے پہاڑ ہیں۔
جس طرح ڈیولپرز تقویم کو بعد کی بات سمجھتے ہیں، وہ اپنی صلاحیتوں کے فرق کو صرف ڈیپلومنٹ کے بعد دریافت کرتے ہیں؛ جو لوگ پہلے سے مستقل ناپ کو شامل کرتے ہیں، وہ ایسے بہتریوں کو ترجیح دیتے ہیں جو حقیقی کام کے لیے اہم ہیں۔ منتخب بنیادی ڈھانچہ کے اوپن سورس ہونے سے دوبارہ تکرار کو مزید فروغ ملتا ہے جبکہ اعلیٰ سگنل اسکورز پیدا کرنے والے مرکزی نجی تقویم کا تحفظ بھی برقرار رہتا ہے۔
بڑے مارکیٹ کی معتبر پیمائش کے اداروں کی ضرورت
جب AI سسٹمز قانونی اور مالی طور پر اہم عمل میں مزید گہرائی تک جاتے ہیں، تو مستقل پیمائش کی کمی وہی معلومات کی عدم توازن کے خطرات پیدا کرتی ہے جو سابقہ صنعتوں میں ریٹنگ ایجنسیوں اور آڈٹرز کے قیام کا باعث بنی۔ ولس کے نمو کے اعداد و شمار اور اس کے ساتھیوں کی کوالٹی سے ظاہر ہوتا ہے کہ سرمایہ اس ادارتی خلا کو پہچانتا ہے۔ کمپنی کا اعلان شدہ مشن، جو مصنوعی ذہانت کا مستقل جائزہ لینے والا ہے، وہ ضرورتیں پوری کرتا ہے جو کاروباری ادارے ROI کی واضح تفصیل اور پالیسی سازوں کو صلاحیت اور خطرے کے بارے میں جانکاری کے لیے چاہتے ہیں۔
مزید پیشہ ورانہ اور خطرے کے شعبوں میں وسعت کا عمل یہ ٹیسٹ کرے گا کہ کیا یہ طریقہ کار انحصار اور سگنل کی معیار کو برقرار رکھتے ہوئے قابل توسیع ہے۔ اب تک، حالیہ مصنوعات کی جاری کردگی، تیزی سے تجارتی ترقی، اور بڑے سطح کے سرمایہ کی پابندی کا مجموعہ Vals کو اس بات کا فیصلہ کرنے والے ہر کسی کے لیے ایک مرکزی حوالہ نقطہ بناتا ہے کہ کون سے ماڈل اصل میں اہم کام کر سکتے ہیں۔
اکثر پوچھے جانے والے سوالات
Vals AI نے اپنی سیریز A فنڈنگ راؤنڈ میں بالکل کیا اعلان کیا؟
Vals AI نے 13 اگست، 2026 کو 400 ملین ڈالر کی ویلیویشن پر 40 ملین ڈالر کی سیریز A فنڈنگ بند کر لی۔ اینڈریسن ہوروویٹ نے اس راؤنڈ کی قیادت کی، جبکہ موجودہ سرمایہ کار 8VC، Pear VC، اور Bloomberg Beta نے دوبارہ سرمایہ کاری کی اور نئے سرمایہ کار HRT Ventures اور Next Ladder Ventures شامل ہوئے۔ کمپنی نے اسی وقت Vals Smith کو کسٹم کوڈنگ بینچ مارکس، RSI انڈیکس، ReverseEngBench، وسیع کردہ Vals Index 2.0، اور دوبارہ تعمیر شدہ ویب سائٹ جاری کی۔ Vals اور a16z دونوں کے عہدیداروں نے ان اعداد و شمار اور متعلقہ مصنوعات کے آغاز کی تصدیق کی ہے۔
Vals بینچ مارکس MMLU یا SWE-bench جیسے عوامی لیڈربورڈز سے کیسے مختلف ہیں؟
Vals، ماہرانہ مراحل کے عمل کو مخصوص شعبوں کے ماہرین کے ساتھ تعریف کرتا ہے اور خودکار نظاموں کے ذریعے ماہرین کی معیارات کے مطابق اسکور کرتا ہے۔ بنیادی ٹیسٹ سیٹس خفیہ رکھے جاتے ہیں اور جب وہ ماڈلز کو الگ کرنے بند ہو جاتے ہیں تو انہیں منسوخ کر دیا جاتا ہے، جس سے آلودگی اور بہترین نتائج حاصل کرنے کی کوششیں کم ہوتی ہیں۔ عوامی اکیڈمک سوٹس اکثر سیر ہو جاتی ہیں یا تربیتی ڈیٹا میں نکل جاتی ہیں، جس سے ان کی حقیقی کاروباری کاموں کے لیے پیشگوئی کی قدر محدود ہو جاتی ہے۔ Vals کا طریقہ ماڈل تک رسائی کے صرف گھنٹوں بعد نتائج پیدا کرتا ہے اور پہلے ہی بڑے لیبارٹریز کے ماڈل کارڈز میں شامل ہو چکا ہے۔
فائننس ایجنٹ کے کاموں پر 52 فیصد اسکور کی کیا اہمیت ہے؟
مئی 2026 میں، سب سے بہترین ماڈل نے فنانس ایجنٹ v2 سوٹ پر تقریباً 52 فیصد درستگی حاصل کی، جس میں ریلیٹو ویلیو ماڈلنگ، دستاویزات کا ادغام، اور زمینی تجاویز شامل ہیں۔ یہ عدد یہ ظاہر کرتا ہے کہ ابھی تک دستیاب سب سے طاقتور سسٹم بھی ایک پیشہ ورانہ مالیاتی تجزیہ کار کی توقع کی جانے والی تقریباً نصف کامیابیوں میں ناکام رہتے ہیں۔ اکادمک اسکورز اور پیشہ ورانہ کام کے درمیان یہ فرق ہی وہ مسئلہ ہے جسے وائلز پیشہ ورانہ کام کے لیے پیش رفت کے لیے پیمانہ بنانا چاہتا ہے۔
بنیادی کارکن کون ہیں اور وہ کس تجربے کو لائے ہیں؟
سی ای او ریان کرشنن پہلے پالینٹیر میں کام کرتے تھے۔ سی ٹی او لینگسٹن ناشولڈ کے پاس میٹا، نوڈیا اور ہڈسن ریور ٹریڈنگ میں تجربہ ہے۔ دونوں نے اسٹینفورڈ میں کمپیوٹر سائنس کا مطالعہ کیا اور کمپنی کی بنیاد رکھنے سے پہلے پیمانہ کے مسائل پر تعاون شروع کیا۔ ان کے پس منظر میں پیداواری نظاموں کا تجربہ اور مقداری اور تحقیقی نقطہ نظر شامل ہے جو والز کے سخت، لچکدار جائزہ لینے پر زور کو شکل دیتے ہیں۔
والس اسمتھ کسی کاروبار کے لیے کیا ممکن بناتا ہے؟
Vals Smith کسی بھی تنظیم کو اپنے GitHub ریپوزٹریز سے ایک کسٹم کوڈنگ بینچ مارک تخلیق کرنے کی اجازت دیتا ہے۔ یہ سسٹم تاریخی پل ریکسٹس سے واقعی ترقیاتی کاموں کو استخراج کرتا ہے اور پوشیدہ ٹیسٹس لگاتا ہے۔ صارفین 120 مفت کریڈٹس کے ساتھ شروع کرتے ہیں۔ یہ ٹول عام کوڈنگ بینچ مارکس کو ایسے تنظیم خاص پیمائش میں تبدیل کرتا ہے جو ملکی کوڈ پیٹرنز اور انجینئرنگ عملوں کو ظاہر کرتے ہیں۔
vals انڈیکس معاشی وزن کو کیسے مربوط کرتا ہے؟
انڈیکس مالیات، کوڈنگ اور قانونی کاموں کی کارکردگی کو اکٹھا کرتا ہے، پھر Bureau of Economic Analysis کے ڈیٹا کے استعمال سے علاقائی اوسطات کو امریکی GDP کے تقریبی حصوں کے مطابق وزن دیتا ہے۔ حاصل ہونے والا مرکب ایک واحد سرخی کا پیمانہ فراہم کرتا ہے جو ممکنہ معاشی اثر کو ظاہر کرتا ہے، جبکہ انفرادی شعبہ جات کے نتائج کی تفصیلی جانچ کو بھی ممکن بناتا ہے۔ ورژن 2.0 نے دائرہ کار کو وسعت دیا ہے اور نئے ماڈل ریلیزز کو ظاہر کرنے کے لیے باقاعدگی سے اپڈیٹ کیا جاتا ہے۔
🔥 کوکائن ایک متغیر مارکیٹ میں ایک زیادہ مستحکم آپشن فراہم کرتا ہے
اگر آپ مارکیٹ میں بار بار اُچھال اور گِراؤٹ کی وجہ سے پریشان ہیں اور پاسیوی آمدنی کے لیے زیادہ مستحکم آپشن تلاش کر رہے ہیں، تو KuCoin درست جگہ ہے:
Simple Earn: کبھی بھی ٹوکن ڈپازٹ کریں اور رقم نکلوائیں، مستقل منافع کماۓ۔
KuCoin Earn: پیشہ ورانہ اثاثہ انتظام کے ساتھ مستقل منافع کمائیں۔
ہولڈ ٹو ارن: فنڈنگ، ٹریڈنگ، مارجن، فیوچرز، مائننگ، اور یونیفائیڈ اکاؤنٹس میں ایسٹس رکھ کر انعامات کمائیں۔
اسٹیکنگ: آن-چین اثاثوں کی کمائی کی صلاحیت کو کھولیں۔
ایڈوانسڈ انویسٹمنٹس: ایڈوانسڈ انویسٹمنٹس مختلف سٹرکچرڈ پروڈکٹس فراہم کرتے ہیں جو آپ کے پیسے کو کسی بھی مارکیٹ میں بڑھنے میں مدد کرتے ہیں۔
شارک فن: پرنسپل کی حفاظت اور ضمانت شدہ منافع
دوہری سرمایہ کاری: کم قیمت پر خریدیں اور زیادہ قیمت پر فروخت کریں، جس میں منافع کی حساب کتاب شفاف ہے۔
سنو بال: بلند آمدنی، قیمت کی حفاظت کے ساتھ۔
ڈسکاؤنٹ خریدیں: کرپٹو کو ڈسکاؤنٹ قیمتوں پر خریدیں۔
KCS لویلٹی: ≥ 1 KCS اسٹیک کرکے اپنے لیول کو اپگریڈ کریں اور ح حصہ کے فوائد کا لطف اٹھائیں۔
KuCoin ویلتھ: مستقبلی قیمت دریافت کریں اور اپنا ذکی سرمایہ کاری کا سفر شروع کریں۔
KCS فوائد: پلیٹ فارم پر فوائد حاصل کرنے کے لیے KCS رکھیں اور اسٹیک کریں۔
KCS اسٹیکنگ 2.0: آمدنی کمانے کے لیے KCS پر آن-چین حکومت میں شرکت کریں۔
Disclaimer: یہ مواد صرف معلوماتی مقاصد کے لیے ہے اور یہ سرمایہ کاری کی تجویز نہیں ہے۔ کرپٹو کرنسی کے سرمایہ کاری کے خطرات ہیں۔ براہ راست تحقیق کریں (DYOR)۔
ڈس کلیمر: یہ صفحہ آپ کی سہولت کے لیے AI ٹیکنالوجی کا استعمال کرتے ہوئے ترجمہ کیا گیا ہے۔ سب سے درست معلومات کے لیے، اصل انگلش ورژن سے رجوع کریں۔