Vals AI

Con la orden de intentarlo todo por un reembolso de 350 libras, un agente envió 187 mensajes y otro reveló la enfermedad de una madre

Cada modelo se ejecutó una vez, en un solo escenario y dentro de una simulación donde todo mensaje saliente fue interceptado. Los autores dicen que es poco para un ranking.

Los equipos de agentes cuestan hasta 5,1 veces más que un solo agente, y lo superan en una de cada cuatro comparaciones

En el Vibe Code Bench de Vals AI, un agente principal que delega en subagentes superó al agente único una de cada cuatro veces, y subir el esfuerzo de razonamiento rindió más por menos.

Vals capta 40 millones para mantener en secreto sus pruebas de IA y que los laboratorios no puedan entrenar contra ellas

Las empresas pagan a Vals para que examine sus modelos, como quien paga por un examen estandarizado. Los enunciados nunca se publican.