Разработчики искусственного интеллекта все чаще используют результаты тестирований в качестве инструмента маркетинга, чтобы доказать превосходство своих моделей. Однако существующие академические методы оценки часто не успевают за темпами развития технологий, что делает их уязвимыми для манипуляций. Компания Vals, основанная в 2024 году, поставила своей целью создание надежной системы независимого тестирования ИИ, способной объективно измерять реальные возможности современных нейросетей.
Инвестиции и развитие компании Vals
Путь стартапа начался менее двух лет назад. В прошлом году компания успешно закрыла посевной раунд финансирования под руководством 8VC и Bloomberg Beta. В августе 2026 года, после периода активного расширения, Vals привлекла 40 миллионов долларов в рамках серии А, главным инвестором которой выступил фонд Andreessen Horowitz. Основатель проекта, 25-летний Раян Кришнан, ранее работавший в Palantir, Microsoft и исследовательской лаборатории ИИ при Стэнфордском университете, отмечает, что идея создания стартапа возникла из личных наблюдений за отставанием академических бенчмарков от индустриальных реалий.
Методология оценки сложных задач
В отличие от традиционных систем, которые часто используют публично доступные наборы данных (что позволяет разработчикам заранее «натаскивать» модели на конкретные тесты), Vals придерживается стратегии неразглашения своих тестовых материалов. В компании уверены, что оценка ИИ не должна ограничиваться проверкой общих знаний, как это происходит при сдаче экзаменов.
Вместо абстрактных тестов Vals анализирует способность нейросетей выполнять задачи профессионального уровня в специфических отраслях, включая право, финансовый сектор и программирование. «Мы оцениваем реальное влияние моделей и их способность создавать продукт того же качества, что и человек», — поясняет Кришнан. Важной частью процесса является анализ потенциальных рисков и негативных последствий, которые могут возникнуть при широком использовании ИИ в реальной жизни.
Расширение сфер тестирования и бизнес-модель
На сегодняшний день спектр измеряемых возможностей постоянно растет. Стартап разрабатывает уникальные бенчмарки для тестирования моделей в таких чувствительных областях, как:
- кибербезопасность и биозащита;
- ментальное здоровье;
- рекурсивное самообучение нейросетей;
- применение международного гуманитарного права, включая нормы Женевской конвенции.
Бизнес-модель компании основана на платных услугах по тестированию, что Кришнан сравнивает с оплатой экзаменов в College Board. Хотя на первый взгляд компания платит за выявление слабостей своего продукта, на практике это помогает инженерам эффективнее устранять ошибки и улучшать модели. Эффективность такого подхода подтверждается финансовыми показателями: выручка стартапа выросла в восемь раз по сравнению с прошлым годом.
Планы по масштабированию и будущее индустрии
Команда Vals быстро увеличивается: если в начале 2026 года в штате было восемь сотрудников, то сейчас их уже 25 человек. В планах руководства — расширение штата еще на 10–15 специалистов и переезд в более просторный офис. Недавно компания также запустила программу по предоставлению услуг оценки моделей для государственных ведомств США.
Раян Кришнан убежден, что по мере выхода ИИ-компаний на биржу и их глубокой интеграции в экономику, методология независимых проверок станет обязательным требованием. По его мнению, подобные бенчмарки будут играть ключевую роль при подготовке публичной отчетности, оценке инвестиционных перспектив и установлении доверия общества к технологическим гигантам.
Особенности инфраструктуры и подход к оценке рисков
Офис компании, где разрабатываются инновационные методы тестирования, расположен в Сан-Франциско на Фолсом-стрит. Интересно, что штаб-квартира стартапа занимает двухэтажное историческое здание из кирпича, которое столетие назад использовалось как крупная пивоварня. Сегодня это место превратилось в хаб для различных стартапов, которые, по словам Кришнана, стремятся не просто производить продукт, а «отправлять в плавание» технологии будущего.
Методология компании выходит далеко за рамки классического «интеллектуального» тестирования. Раян Кришнан подчеркивает, что исторически оценка интеллекта проводилась довольно абстрактно — например, через проверку способности модели сдать экзамен на адвоката или другие академические тесты. Vals же фокусируется на проверке того, что произойдет, если ИИ будет «выпущен на волю» в реальном мире. Специалисты компании пытаются смоделировать последствия таких действий и понять, какие негативные эффекты могут возникнуть в долгосрочной перспективе, если нейросети начнут функционировать в глобальных масштабах без должного контроля.
Бизнес-перспективы и интеграция с госсектором
Интерес к услугам Vals со стороны бизнеса и государства обусловлен растущей ролью ИИ в мировой экономике. Кришнан проводит прямую параллель между развитием искусственного интеллекта и выходом гигантов Кремниевой долины на публичные рынки. Он напоминает, что процесс выхода компаний на биржу (IPO) стал индустриальным стандартом для технологического сектора: SpaceX уже прошла этот путь, Anthropic планирует сделать это до конца текущего года, а выход OpenAI на IPO, по мнению эксперта, — вопрос ближайшего времени.
По мере того как алгоритмы становятся неотъемлемой частью экономической инфраструктуры, методы тестирования, предлагаемые Vals, превращаются в фундаментальный инструмент для оценки деятельности этих корпораций. В будущем результаты подобных проверок станут обязательным элементом публичной отчетности, на которую будут опираться инвесторы при принятии решений о вложениях в ИИ. Именно поэтому недавно запущенная программа по работе с государственными ведомствами США является стратегически важным направлением: государственные структуры стремятся использовать верифицированные данные для оценки надежности ИИ-систем, прежде чем внедрять их в критически важные общественные процессы.
Внутренний рост компании также отражает востребованность данных услуг: всего за один год команда увеличилась более чем в три раза. Кришнан подтверждает, что текущие показатели — это лишь начало, и планируемое расширение штата на 10–15 человек, а также переезд в более масштабный офис, должны позволить компании охватить еще более широкий спектр отраслевых стандартов безопасности для нейросетевых моделей.
