OpenClaw—AI研究AI模型的进步长期依赖“爬山”式循环：先定义一个可衡量的目标，再找出差距并持续改进。但从图像分类到软件开发，每一次重大突破都被这样度量。Vals团队认为，模型迭代的速度已经超过社区构造新基准的能力，巨额资金投向智能本身，投入衡量的部分却少得可怜。
这种失衡带来三重后果。旧基准往往在几个月内被模型刷满，测试集还会泄露进训练语料；新基准又常常由构建模型的同一批公司生产或运行，独立性存疑。结果是实验室缺少可信方式证明模型仍在进步，企业无法量化AI投入的回报，政府也难以评估前沿能力与网络风险。
Vals因此把自己定位为人工智能的独立评估者。它通过与法律、金融、工程、医疗等领域的机构合作，建立代表性任务的分类体系，并开发自动评分方法，衡量模型能否完成律师、银行家、工程师与医生的工作。相关评分基于其私有测试集，以保持结果的信号价值。
这套方法正逐渐成为行业参照。Vals的评测结果被OpenAI、Anthropic、谷歌、Meta与xAI写入模型卡，部分大型企业AI部署也用它挑选模型并对标前沿水平，团队还曾为美国商务部和国会议员的AI政策工作提供支持。与2025年全年相比，公司营收增长8倍，客户数量翻倍，团队规模在六个月内扩大到原来的三倍。
2026年8月13日，Vals宣布完成4000万美元A轮融资，估值4亿美元，由a16z领投，老股东8VC、Pear VC与Bloomberg Beta继续跟投，HRT Ventures和Next Ladder Ventures新加入。公司同时发布三项成果：可从任意GitHub仓库创建自定义编程基准的Vals Smith、与CoreWeave合作的前沿风险基准，以及重建后的Vals 2.0网站和新的Vals指数。
其中Vals Smith已正式开放，用户可获得120个免费额度起步；前沿风险基准包含RSI指数、与学者共同构建的网络基准SREBench，并公布了在心理健康方向的首批工作。Vals指数则扩大了经济领域的覆盖范围，试图让AI能力评估更贴近真实产业需求。
在基准测试公信力备受质疑的当下，这笔融资被视作对独立评测路线的押注。若第三方评测能够持续提供可信、可复现的结果，它将成为实验室、企业与监管机构之间的共同语言，而基准测试也不再只是厂商自说自话的宣传材料。