Vals raccoglie 40 milioni per aggiornare il benchmarking dell'IA

Vals ha raccolto 40 milioni di dollari da Andreessen Horowitz per rinnovare i benchmark dei modelli di intelligenza artificiale¹.

Oggi molte prove sono datate, non misurano le capacità dei modelli più recenti e si possono aggirare. Ne deriva un quadro falsato delle prestazioni reali. Vals vuole spostare il baricentro su test attuali e difficili da manipolare, che riflettano l’uso concreto dei modelli¹.

La startup nasce nel 2024. Prima della serie A ha chiuso un seed round guidato da 8VC e Bloomberg Beta. TechCrunch descrive una crescita rapida e un posizionamento in consolidamento nell’industria tecnologica¹.

Al centro c’è Rayan Krishnan, 25 anni, co-fondatore. Ha svolto uno stage in Palantir, e da studente a Stanford ha lavorato per Microsoft e per il laboratorio di intelligenza artificiale dell’università. Dalle esperienze sul campo ricava una tesi netta: i benchmark non tengono il passo con i progressi dei modelli che dovrebbero valutare¹.

I test contano. Guidano le scelte dei clienti e il marketing dei fornitori. Se il settore premia il punteggio e quel punteggio si ottiene “giocando” con prove superate, il segnale perde valore. Vals sostiene che servano metriche utili, robuste, meno esposte a scorciatoie¹.

L’operazione guidata da Andreessen Horowitz risponde a questa diagnosi. Secondo la tesi d’investimento, un sistema di misurazione migliore può riallineare le valutazioni alle capacità effettive dei modelli e ridurre gli incentivi a “battere il test” invece di migliorare il prodotto¹.

Ambizione dichiarata: fissare lo standard di riferimento del settore. Non aggiungere complessità per alzare l’asticella, ma definire prove che discrimino tra modelli su compiti rilevanti oggi. Obiettivo: misure che resistano all’overfitting e a pratiche opportunistiche, così da restituire segnali affidabili agli acquirenti¹.

La posta in gioco è pratica. Confronti più credibili permettono ai team di prodotto di valutare costo, qualità e rischi con meno rumore. Metriche più attuali riducono il rischio di ottimizzare per il test invece che per l’uso reale. È su questo impatto operativo che Vals chiede di essere giudicata¹.