A16z lidera rodada de $40M para Vals AI após 52% de acerto
A Vals afirma que seu teste do Finance Agent v2 mostra que modelos de fronteira ainda falham em cerca de metade dos fluxos de trabalho reais de analistas, e quer ser o avaliador independente do mercado.
A Vals AI levantou uma rodada de investimento Série A de $40 milhões liderada pela Andreessen Horowitz, com uma avaliação de $400 milhões, após seu benchmark Finance Agent v2 colocar o melhor modelo de fronteira com 52% de precisão em trabalhos de análise financeira de múltiplas etapas.
O argumento é que as narrativas de "AI está pronta" agora são menos limitadas por lançamentos de modelos e mais por saber se alguém pode medir a correção do fluxo de trabalho real rápido o suficiente para acompanhar.
A16z Apoia Vals à Medida que Benchmarks de Agentes Financeiros Colocam Modelos de Fronteira com 52% de Precisão
A Vals AI fechou uma rodada de investimento Série A de $40 milhões com uma avaliação de $400 milhões em 13 de agosto de 2026, liderada pela Andreessen Horowitz (a16z). Investidores que retornaram, como 8VC, Pear VC e Bloomberg Beta, participaram novamente, com HRT Ventures e Next Ladder Ventures se juntando como novos apoiadores.
A rodada está sendo vendida como infraestrutura, não como uma aposta em modelos. O benchmark Finance Agent v2 da Vals registrou uma pontuação máxima de 52% de precisão em maio de 2026, o que significa que o melhor sistema disponível falhou em completar corretamente cerca da metade das tarefas de múltiplas etapas que um analista financeiro profissional deveria ser capaz de lidar.
Mecanicamente, o Finance Agent v2 não é um exame de múltipla escolha. Ele testa se um agente pode executar um fluxo de trabalho do início ao fim, incluindo a recuperação de dados de apoio, a síntese desses dados sem alucinar números e a conexão de raciocínios entre etapas.
As tarefas listadas pela Vals incluem construir modelos de valor relativo entre empresas pares, sintetizar catalisadores setoriais e gerar recomendações de investimento baseadas em dados de documentos reais.
A Vals combinou o financiamento com métricas de tração: crescimento de receita oito vezes em 2025, contagem de clientes dobrando e a equipe triplicando nos últimos seis meses. Também afirmou que suas avaliações foram citadas em cartões de modelo, as divulgações oficiais de avaliação que os laboratórios publicam, da OpenAI, Anthropic, Google, Meta e xAI.
De Leaderboards à Correção do Fluxo de Trabalho: Por Que a Vals Acha Que Benchmarks Públicos Enganam
A principal afirmação da Vals é que os leaderboards públicos estão cada vez mais medindo a coisa errada, ou medindo-a depois que o mercado já aprendeu a manipulá-la. Os modos de falha que ela aponta são a saturação de benchmarks, onde os melhores modelos se tornam estatisticamente indistinguíveis em um teste, e a contaminação de benchmarks, onde perguntas de teste vazam para os dados de treinamento e inflacionam as pontuações.
O argumento da empresa se baseia em um estudo de fevereiro de 2026ETHO preprint de Zurique e Stanford analisou 60 benchmarks amplamente utilizados para modelos de linguagem de grande porte e descobriu que 29 dos 60 estavam saturados, com lacunas entre o melhor e o segundo melhor dentro do ruído de medição.
O mesmo preprint é citado para uma conclusão menos confortável para os avaliadores: conjuntos de testes privados não previnem sistematicamente a saturação uma vez que as características de distribuição de um benchmark são amplamente conhecidas.
A resposta do produto da Vals é a gestão do ciclo de vida. Ela trata os benchmarks como "perecíveis" e os aposenta quando eles param de diferenciar modelos. Em maio de 2026, substituiu seu benchmark CorpFin por um teste em Excel depois que o CorpFin parou de fornecer separação suficiente entre modelos de fronteira.
É também aqui que a Vals traça uma linha contra tabelas de classificação de votos de preferência. A Arena (anteriormente LMArena) coleta milhões de votos de preferência humana para responder: "Qual modelo os usuários preferem em chat?" A Vals está explicitamente tentando responder a uma pergunta diferente: "qual modelo completa a pesquisa de investimento corretamente em padrões profissionais?"
Essas são arquiteturas diferentes, e elas falham de maneiras diferentes quando você tenta operacionalizá-las dentro de um fluxo de trabalho financeiro.
Junto com a captação, a Vals lançou três produtos que ampliam seu escopo além de testes pontuais de finanças e codificação: Vals Smith (benchmarks de codificação personalizados construídos a partir de repositórios do GitHub corporativo), um conjunto de benchmarks de risco de fronteira (cibersegurança, saúde mental, segurança em IA) e um Vals Index 2.0 expandido com uma cobertura econômica mais ampla.
A proposta do Vals Smith é a lacuna entre testar "este modelo pode escrever Python?" e "este modelo pode escrever nosso Python?" para empresas com bases de código proprietárias.
Sinais que os Traders Podem Rastrear: Rotatividade de Benchmark, Adoção de Produto e Quem foi o Modelo de 52%
O detalhe mais relevante para o mercado que está faltando é básico: a Vals não nomeia qual modelo de fronteira específico obteve 52% no Finance Agent v2 em maio de 2026. Até que esse mapeamento seja público, o ponto de dados é mais útil como um teto na categoria do que como uma leitura clara do ritmo de lançamento de qualquer laboratório.
O próximo sinal é se esse teto se move com os lançamentos subsequentes de modelos, ou se permanece fixo porque o gargalo é a confiabilidade do fluxo de trabalho em vez da capacidade bruta. Se a Vals conseguir continuar apresentando resultados "dentro de horas" após obter acesso ao modelo, o benchmark se torna uma verificação quase em tempo real sobre a hype de lançamento.
Do lado do produto, a adoção do Vals Smith é o proxy mais limpo para saber se as empresas estão orçando para medição como um item de linha. Benchmarks personalizados construídos a partir de repositórios privados do GitHub implicam que um comprador já está além da fase de demonstração e na disciplina de aquisição.
Finalmente, observe as mudanças na cobertura do Vals Index 2.0 e aposentadorias ou substituições de benchmarks semelhantes à troca de CorpFin por Excel. A rápida rotatividade é um indicativo de que os testes estão saturando rapidamente, e que a credibilidade do "contador de pontos" depende de reconstruir continuamente o exame.
Minha Leitura: O Negócio Não é 'IA é Inteligente'—É 'A Medição se Torna o Gargalo'
O limiar que importa aqui não é se um modelo pode liderar um ranking público, mas sim se ele pode atender a fluxos de trabalho profissionais com taxas de erro baixas o suficiente para sobreviver na produção.
Um teto de 52% de precisão no Finance Agent v2 é uma restrição contundente nas narrativas de "agente financeiro autônomo" a curto prazo, porque implica que o melhor sistema ainda está errado com frequência suficiente para exigir um ciclo de controle humano.
Se a Vals continuar sendo citada em cartões de modelo enquanto também vende avaliações pagas para o mesmo ecossistema, o verdadeiro teste é se seus incentivos permanecem alinhados com os compradores em vez de com os vendedores.
Se essa independência se mantiver e a rotatividade de benchmarks permanecer alta, a medição se torna a camada de controle que decide quais modelos são implantados, e esse é o ponto prático onde a categoria deixa de ser impulsionada por narrativas e começa a ser impulsionada por aquisições.
