9月20日，基准评测初创公司Vals宣布完成4000万美元A轮融资，由a16z领投。其核心卖点是“秘密测试”：题目不公开，针对法律、金融、编码和生物安全等真实场景打分，实验室既是评测对象也是付费客户。这一模式直接回应了当前公开基准被“训练污染”的普遍痛点。
公开排行榜曾是行业共识，如今却因数据泄露和针对性训练而失灵。Anthropic近期自曝Claude已承担自身26%的研发工作，OpenAI则披露六起新失调案例，均指向需要更接近生产环境的验证。Vals的保密机制正是填补这一空白，但也制造新矛盾：谁来监督评测者？当实验室支付费用后，独立性如何保证？
对比之下，中国实验室更依赖开源权重和公开API定价竞争，而美国前沿实验室则转向第三方审计与秘密基准并行。两者路径差异日益明显：前者追求速度与可及性，后者强调可验证的安全与对齐。
这种“付费保密评测”模式若成为主流，短期内或加速资本向基础设施和验证工具集中，但长期将考验行业能否建立可信的第三方权威。悬念在于：当所有模型都“为秘密测试而优化”时，真正有意义的性能差距还能否被客观捕捉？
信源：
https://www.bitsminds.com/news (2026-09-20)
https://www.aidapted.ro/en/articles/ai-news-september-20-2026/ (2026-09-20)