综合能力

Vals Index

综合金融、编程、法律与税务任务，按行业经济权重衡量 Agent 的工作能力

它测什么

Vals Index 是 Vals AI 汇总真实工作任务表现的综合指数，目前采用 v2.2 版本。它包含金融、编程、法律和税务四个领域：金融看财报研究与 Excel 财务建模，编程看终端任务、应用开发与代码迁移，法律看检索研究和长流程法律工作，税务看研究级的美国企业税务问题。

你可以把它理解成一张有不同科目权重的成绩单：先算出每个领域的平均分，再把四个领域合成总分。金融权重最高，所以两个模型即使编程成绩接近，也可能因为财务研究和建模能力不同而拉开总分。

金融由 Finance Agent v2.1 和 Excel Modeling Benchmark v1.1 组成，编程由 Terminal-Bench 4.0、Vibe Code Bench v1.1 和 Code Migration v1.1 组成，法律由 Legal Research Bench 和 HLAB-Vals-1.1（Harvey 的 Legal Agent Benchmark）组成，税务由 Tax Agent Bench 单独构成。权重参考对应行业在美国 GDP 中的占比：金融与保险 8.0、信息行业 5.6、法律服务 1.2、会计与报税服务 0.5，合计 15.3；归一化后约为 52.3%、36.6%、7.8% 和 3.3%。

怎么看分数

分数越高，表示在这组任务和权重下的综合表现越好。计算方式为（8 × 金融平均分 + 5.6 × 编程平均分 + 1.2 × 法律平均分 + 0.5 × 税务得分）÷ 15.3。例如四个领域分别得 60、80、40、50 分，综合指数约为 65.4%。它不是所有任务的简单正确率，也不表示已经能替代相同比例的岗位或创造相同比例的 GDP。收录官方标注 2026 年 10 月 29 日更新的 v2.2 榜单全部 32 条模型成绩，保留官方公布的推理设置。v2.2 把 Finance Agent 升到 v2.1、EMB 升到 v1.1、Code Migration 升到 v1.1，把 HLAB 换成 HLAB-Vals-1.1，并把 Tax Agent Bench 改用全部通过率计分；不同版本的组成与权重会变化，不宜直接比较。Code Migration 在此指数中使用固定子集：50 个 CLI 迁移任务和全部 10 个 COBOL 任务，按 75% / 25% 加权，不能直接拿其完整榜单总分替代。表中保留官方综合分，不用本站其他评测的分数重新拼算；来源中的标准误也不作为 95% 置信区间展示。

来源Vals AI

查看金融分项：Finance Agent v2.1

模型表现

核对于 2026年11月1日32 条成绩

Vals Index — 模型表现。选择列标题可排序。

Claude Sonnet 5.5 (max)Anthropic	70.9%¹
Gemini 4 Carbon (high)Google	70.4%
Claude Opus 5.5 (max)Anthropic	70.2%²
Gemini 4 Argon (high)Google	69.2%
Muse Wonder Full (max)Meta	66.8%
GPT-6 Astra (max)OpenAI	65.0%
Muse Wonder (max)Meta	64.9%
GPT-6.1 Sol (max)OpenAI	63.9%
Kimi K3.1 ProKimi	62.5%
DeepSeek V4.1 Flash 1017 (max)DeepSeek	61.3%
GPT-6.1 Terra (max)OpenAI	60.5%
GLM-5.3 (max)Z AI	59.7%
Qwen3.8 Max (0902)Alibaba	59.0%
Claude Haiku 5.5 (max)Anthropic	58.7%³
Grok 4.7 (xhigh)xAI	58.6%
MiMo V2.6 ProXiaomi	57.8%
Mistral Large 4 OSS (high)Mistral	56.4%
Gemini 3.8 Flash (high)Google	56.0%⁴
MiMo V2.6 FlashXiaomi	54.8%
Step 5 PreviewStepFun	54.8%
MiniMax-M3.1-Flash (max)MiniMax	53.8%
Hy4 PreviewTencent	53.2%
DeepSeek V4 Pro 0813 (max)DeepSeek	53.0%
Kimi K3Moonshot AI	53.0%
GPT-6 Luna (max)OpenAI	52.3%⁵
GLM-5.3 Flash (max)Z AI	50.9%
Muse Spark Open (xhigh)Meta	48.6%
Mercury 3 (high)Inception	43.7%⁶
Beam 1.0Reflection	43.4%
Nemotron 3.5 Super VL (high)NVIDIA	29.7%
Inkling (0.99)Thinking Machines	29.0%
Inkling Small (0.99)Thinking Machines	27.6%