2026. szeptember 20., vasárnap · Üzlet

AI-benchmark reform: 40 millió dollárt kapott a Vals

A 2024-ben alapított Vals startup célja, hogy megreformálja az AI-modellek teljesítménymérését, mivel a vállalat szerint sok jelenlegi benchmark elavult, és a fejlesztőcégek megtanulták kijátszani őket. A Vals tavaly a 8VC és a Bloomberg Beta vezette magvető körben jutott forráshoz, majd a múlt hónapban 40 millió dolláros A-sorozatot zárt az Andreessen Horowitz vezetésével. A 25 éves társalapító, Rayan Krishnan – aki korábban a Palantirnál gyakornokoskodott, és Stanford hallgatóként a Microsoftnak, illetve az egyetem AI-laborjának dolgozott – szerint a hagyományos akadémiai tesztek, például jogi vizsgák szimulációi, nem tükrözik hűen a modern modellek valós képességeit. A cég olyan méréseket fejleszt, amelyek azt ellenőrzik, hogy a modellek valóban tudják-e azt, amit fejlesztőik állítanak róluk.

Miért fontos?

Ha a Vals valóban iparági szabvánnyá válik, az közvetlenül befolyásolhatja, mely AI-cégek marketinges teljesítményállításait fogadják majd el hitelesnek a vásárlók és a szabályozók.

Források

TechCrunch AI

Említve a tudásbázisban

fogalom Benchmark (mércetesztek)

Kapcsolódó témák

Napi összefoglalók AI üzlet #Vals AI#AI-benchmarking

Napi összefoglaló

Ez a hír a 2026. szeptember 20., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

Az Anthropic is elhalasztja tőzsdére lépését 2026 novemberére

A The Information és a The Wall Street Journal értesülései szerint az Anthropic októberről novemberre halasztja tervezett tőzsdei bevezetését, miután korábban az OpenAI is 2027-re tolta saját IPO-ját. A cég tanácsadói szerint az Anthropic erős harmadik negyedéves eredményekkel akar a nyilvánosság elé állni, bár a cikk szerint ez az indoklás nem teljesen áll össze, hiszen a második negyedéves számok állítólag már önmagukban is elég erősek lennének egy tőzsdei bevezetéshez. A befektetők mintegy 2000 milliárd dolláros értékelést és akár 100 milliárd dolláros tőkebevonást várnak, ami rekordot jelentene a SpaceX júniusi IPO-jához képest. A The Information szerint az Anthropic bevétele az első és második negyedév között 4,7 milliárd dollárról 11,5 milliárd dollár fölé nőtt, miközben a számítási infrastruktúrára fordított kiadás csak 65 százalékkal emelkedett.

Anthropic az Accenture-t vonja be modelljei értékelésébe

Az Anthropic bejelentette, hogy az Accenture AI-részlege, a Faculty munkatársai belső, „beágyazott” értékelőként dolgoznak majd a cégnél: modelleket tesztelnek, red teaming-et végeznek, illesztési (alignment) vizsgálatokat folytatnak és a biztonsági korlátokat ellenőrzik. Az Anthropic szerint mindkét fél legalább 1 milliárd dollárt fektet a programba az elkövetkező öt évben, és további értékelőkkel, köztük a METR-rel is tárgyalnak. A TechCrunch szerint a választás sokakat meglepett, mivel az Accenture nem a mélytanulási kutatás élvonalához kötődik, a hír hatására viszont a cég részvényei 8%-kal emelkedtek tőzsdezárás után. Az Anthropic hangsúlyozza, hogy a beágyazott értékelők nem csökkentik, hanem ellenőrizhetőbbé teszik a felelősségét, kritikusok szerint viszont a modell inkább az önszabályozás látszatát keltheti.

A Crusoe 3,9 milliárd dolláros tőkét szerzett adatközpont-bővítésre

A Crusoe adatközpont-fejlesztő cég csütörtökön bejelentette, hogy 3,9 milliárd dolláros Series F körben jutott friss tőkéhez, amivel a vállalat értékelése 30,9 milliárd dollárra nőtt. A kört az Atreides Management, a Mubadala Capital és a Valor Equity Partners vezette, résztvevőként pedig többek között a Nvidia, a Founders Fund és a Qatar Investment Authority is szerepelt. A cég a tőkét meglévő projektek, például az OpenAI által használt abilene-i (Texas) létesítmény finanszírozására, valamint kis, moduláris, teherautóval szállítható „Spark” nevű AI-adatközpontok építésére fordítja. A Crusoe bevételi modellje három lábon áll: GPU-kapacitás bérbeadása, saját GPU-k üzemeltetése és inferencia-számítás értékesítése, e modell segítette a céget abban, hogy korábban 13 milliárd dolláros, ötéves felhőszolgáltatási szerződést kössön a Jane Street kereskedési céggel.

Amodei és Altman beépített biztonsági ellenőröket ígér a frontier AI-hoz

Dario Amodei, az Anthropic vezérigazgatója egy hétvégén közzétett esszéjében azt javasolta, hogy a vezető AI-cégek engedjenek be független értékelőket, mint a METR vagy a Redwood Research, akik betekintést kapnának a rendszerekbe, jelenthetnék a biztonsági incidenseket, és nyilvánosan közölhetnék torzítatlan megállapításaikat. Sam Altman, az OpenAI vezérigazgatója szerint cége is vállalja ezt a gyakorlatot. A TechCrunch által megkérdezett külső értékelők – köztük Alexander Meinke, az Apollo Research kutatási vezetője és Adam Gleave, a FAR.AI vezérigazgatója – üdvözölték az ötletet, de hangsúlyozták, hogy a részleteket tisztázni kell, ideális esetben törvényi háttérrel, különben az értékelők inkább a cégek szállítói, mint valódi, független őrzőkutyái maradnak. Az értékelők azt is szeretnék elérni, hogy ne csak a végleges modellhez, hanem a betanítás közbeni köztes verziókhoz is hozzáférjenek, mivel a modellek egyre jobban felismerik, ha tesztelik őket.