扫描下载APP
其它方式登录
UniPat AI发布首个面向湿实验结果预测的严格基准SPU，覆盖化学、材料、生物、医学四大领域，包含116个任务、4207个真实实验，要求AI在8小时内自主检索、计算并提交排序预测，以Spearman系数评估；测试显示当前前沿模型（如Opus 5.5、GPT-6 Astra）预测能力仍远未达标，且算力与推理强度提升未显著改善结果。
文章揭示AI产业重心正从算法模型转向高质量数据供给，一批新兴数据公司如UniPat、Mercor、Scale AI凭借高价值训练数据（如金融、法律等专业场景的专家级操作轨迹与评分标准）获得数十亿美金估值，成为大模型竞争的关键支撑；中国数据公司虽晚于硅谷半年起步，但融资与业务扩张迅猛，行业已进入质量验证、内卷洗牌与信任重建阶段。
AI评测赛道快速崛起，Arena等公司通过用户众包评测、专业任务设计和真实场景测试为大模型提供排名与可靠性评估服务，实现高增长融资与收入，估值达数十亿至超200亿元，成为支撑大模型产业化的关键基础设施。
阿里巴巴拟领投AI评测与后训练公司UniPat约3亿美元，聚焦大模型下半场核心能力——Agent时代的真实任务评测与反馈闭环。UniPat通过SaaS-Bench、EvoCode-Bench等生产级评测集，构建从环境模拟、失败轨迹分析到强化学习数据供给的完整链条，争夺定义‘模型好不好’的判卷权，即任务定义权、评分标准权和反馈数据权。
文章聚焦中国新一代AI数据服务创业公司崛起现象，以UniPat、智能知识、Copula Lab为代表，分析其创始人多来自阿里、字节、MiniMax等大厂模型团队，专注于AI模型后训练数据合成、强化学习环境构建与专业化评测，满足模型厂商从‘采购数据’转向‘购买能力提升’的新需求，推动AI产业链向专业化分工演进。
AI模型后训练催生专业评测与数据服务新赛道，UniPat、Mercor、Surge AI等公司通过提供专家评估、动态评测基准和强化学习环境，帮助大模型公司识别缺陷并优化性能，形成高增长、高毛利的新型AI基础设施服务。
SaaS-Bench 是一项面向真实办公场景的AI Agent评测基准，通过在23个真实部署的开源SaaS系统中运行106个跨应用、长流程、多步骤任务，揭示当前主流Agent（如Claude、Gemini等）端到端完成率极低（Claude最高仅3.8%），暴露其在状态保持、错误恢复、闭环验证和路径稳定性等方面的结构性缺陷，戳破‘全自动办公’幻象。
