实体库 · 机构 · 公司

Einsia

Einsia：公司；实体库里暂时没有记录带证据的关系。

档案 · 深度报告 CASE FILE / 评测基准 / agent 工具 / 具身与量化 / 新加坡注册法人（据官网条款）· 论文署名含清华大学 · 首次发布 2026-11-05

Einsia · 榜单很多，数字多是自测

Einsia 自称 NeoLab，研究组叫 Navers Lab。2026-04 以来它公开了 9 个研究项目，其中 6 个是带榜单的 benchmark，评分方式的共同点是把答案放在 agent 看不到的地方：封存的 2024 年行情、只读的验证器、agent 碰不到的重训容器。同一时期它的 EmbodiedEvo 登上 RoboDojo 机器人榜单的 Agent 类，论文分数与官方榜分数并存，收录三天后就有 agent 超过它；Frontier-Eng 的评测器在 2026-09 被外部人指出可被候选代码篡改，修复后重算了榜单；Quant-Arena 的榜上则放着 Einsia 自己构造未公开的策略。创始人、融资和总部本刊没有核到。本档案按公司自述、第三方报道、公开数据库分开记。

项目内容
类型 / TYPE营利性公司（官网条款的法人为 Einsia AI Technology (SG) PTE. LTD.）；评测基准、agent 工具与产品；研究组 Navers Lab
领域 / FOCUS评测基准与榜单（工程优化、算法设计、软件迁移、视觉编码、视频世界模型、量化研究）；用 coding agent 做具身控制（EmbodiedEvo）；浏览器 agent 技能；agent 记忆与会话工具（OpenChronicle、AgentGit）；面向市场的研究系统 LaPlace’s Eye
总部 / HQ官网没有写办公地址；法人名带 “(SG)”，指新加坡；论文署名单位含 Tsinghua University，物理世界模型考试论文另含 Peking University
成立 / FOUNDEDGitHub 组织创建于 2025-11-25；公司注册日本刊没有核到
规模 / TEAM论文作者表各 10–21 人；Qinhuai Na、Calvin Xiao、Kaisen Yang、Youjie Zheng 出现在全部 8 篇论文里；GitHub 公开成员 1 位；员工总数未公布
融资 / FUNDING本刊没有核到：官方与媒体都没有公布融资
状态 / STATUS运营中；研究页最新条目 2026-10-21，官方 X 最新帖 2026-10-24，GitHub 2026-11-05 新建 Frontier3D、AgentGit 发布 v0.2.40
最后核实 / VERIFIED2026-11-05

§ 01 / 它是谁

一个评测型研究组，和旁边的产品线

官网的服务条款把站点内容归于 Einsia AI Technology (SG) PTE. LTD.；Vida 的服务条款与 AgentGit 的页脚署的是同一个主体。about 页自称 Einsia 是 “a NeoLab”，一个独立的研究与构建组织，不绑定单一基础模型、行业或应用形态，方法叫 Frontier-to-Capability System：找前沿、暴露缺口、造出能力、证明迁移。研究放在 Navers Lab，页脚口号是 “Benchmark. Build. Break.”，它的 about 页预测五年内 AI agent 会成为科研、工程设计与专业决策的核心合作者。官网没有团队页，本刊没有找到创始人和 CEO 的公开说明。

能核到的人来自论文署名。arXiv 上的 7 篇论文加上第 8 篇 BrowserBC，Qinhuai Na、Calvin Xiao、Kaisen Yang、Youjie Zheng 四人出现在每一篇的作者表里；Qinhuai Na 在其中 7 篇排最后，第一作者在轮换（8 篇里共 7 位不同的人）。EmbodiedEvo 论文把 Kaisen Yang 与 Qinhuai Na 标为通讯作者、Wenyi Li 标为项目负责人，署名单位写 “Navers Lab, Einsia.AI, Tsinghua University”；物理世界模型考试论文的单位另含 Peking University。Kaisen Yang 的个人主页自述是清华大学计算机系本科生，同时列着 Einsia.AI “Lab Leader”（2025-12 起），这是唯一能看到的职务，来自个人自述。官网没有写与清华的机构合作。

组织本身的痕迹：GitHub 组织 Einsia 创建于 2025-11-25，公开仓库 12 个；官方 X @EinsiaAI2026-01 开号，有 899 位关注者。旁边的产品线有三条：AgentGit保存、分享、续跑 agent 会话，可从 Claude Code、Codex、OpenCode、OpenClaw、Hermes、WorkBuddy 导入，开源仓库为 MIT 协议、Rust 编写、415 星，2026-11-05 发到 v0.2.40；Einsia for Overleaf是 Overleaf 里的 Chrome 扩展，页面写免费；Vida是桌面端的 AI 工作伙伴。三条产品线的用户数与收入本刊都没有核到。

§ 02 / 研究组合

九个项目里，六个是带榜单的 benchmark

Navers Lab 的 research 页列了 9 项；Einsia 首页只列 8 项，少的是物理世界模型考试。六个 benchmark 的设计有一个共同点：评分发生在 agent 看不到的地方。以下数字都是 Einsia 自己的评测。

Frontier-Eng。项目页和论文（2026-04-14）：47 个真实工程优化任务、5 大类，agent 在固定预算内反复改代码，由冻结的、只读的领域验证器给分，评分环节没有 judge 模型。论文称改进频率约按 1/迭代轮数衰减、单次改进幅度约按 1/改进次数衰减（R² 均高于 0.83），预算固定时深度比宽度重要。摘要称评了 8 个前沿模型，GPT 5.4 最稳健；项目 README 自 2026-06-30 起另报 Medal Score，榜首是 Claude Opus 4.6（v1 为 0.533，GPT-5.4 为 0.454），两种指标不同。

AI4AI-Bench。项目页与论文（2026-08-20）：10 个冻结的研究代码库（OpenR1、RAGEN、DPO、DiGress 等），agent 在 1 张 B300 上用 4 小时重写训练算法，代码再在它碰不到的容器里从头训练最多 12 小时，由它看不到的评测器与仓库原算法同条件比较；0.1 分等于原算法，1.0 为任务最优。29 个配置、6 个系统的均值是 0.166，最佳 0.250，290 次运行里有 124 次重写比原代码更差，探索总共花了 5334 美元。

SWE Refactor Bench。项目页与论文（2026-08-24）：20 个整库迁移（改语言、框架、平台或构建系统），三段评测：迁移审计、行为测试、6 个独立 coding agent 生成的补充测试。520 次运行里只有 28 次（5.4%）全部通过，13 个任务没有任何通过的解，最佳模型 47.0 分。论文说有的运行靠“不迁移”让行为测试通过，被第一关挡下。

PPTBench、物理世界模型考试、Quant-Arena。PPTBench（论文）要求 agent 把科研流程图重建为可编辑的 PowerPoint，500 个任务、36 个配置，最佳 77.34，配置中位数 24.38；物理世界模型考试（论文）用 40 个受控实验测视频模型的物理一致性，论文版 8 个模型、1,280 个视频，最佳 57.76 分（满分 100）；Quant-Arena（论文）把模型放进 A 股真实数据，模型只在 2022–2023 年研究并拿到有限反馈，冻结一个策略，在封存的 2024 年上评一次。论文摘要称 9 个模型里得分最高的是 GPT-6 Astra（该配置年化 10.7%），没有模型跑赢 2024 年的等权市场（年化 17.1%）；各模型取最佳配置，4 个期末净值高于本金、5 个低于本金；正文另写 38 个配置里只有 GPT-6 Sol 中档一个高于市场（18.4%，高 1.4 个百分点）。PPTBench 由多阶段 agentic judge 评分（页面写 54,000 轮 judge），物理考试先用视觉语言模型筛一致性，两者都含模型评审的环节。

§ 03 / Agent 与工具

经验、轨迹和记忆：让下一个 agent 不从零开始

EmbodiedEvo（细节见下一节）让 coding agent 通过程序化接口控制 RoboDojo 里的机器人：在每个任务的一个 Playground 场景里把交互经验沉淀成可复用的代码（Skills）和诊断笔记（Lessons），冻结后交给新场景里的全新 agent，不更新模型权重。论文的讨论部分追问具身控制是否必须依赖 VLA，但证据只来自 RoboDojo 一个仿真基准。

BrowserBC（项目页，论文2026-06-30）把成功的人类浏览轨迹蒸馏成自然语言技能，在新任务里检索使用。自述结果：WebArena-Hard（258 题）总体从 60.5 升到 81.4，ClawBench（152 题）从 32.9 升到 68.4，WebArena-Hard 平均工具调用从 31.2 降到 22.7；用 Sonnet 蒸馏的技能把 Qwen 从 53% 提到 77%。论文的判断是浏览器 agent 缺的是不完全信息下的先验，而不是点击能力。本刊没有找到第三方复现；BrowserBC 仓库没有被 GitHub 识别出许可证。

OpenChronicle（项目页，仓库）是本地优先的 agent 记忆层：读屏幕与应用的辅助功能树，写成可读的 Markdown 记忆，任何会调用工具的 agent 都能读，可接 Ollama、OpenAI、Anthropic 或 LiteLLM，MIT 协议，2026-11-05 有 2,787 星、217 个 fork；项目页自述对标 OpenAI 的 Chronicle，区别是开放、不绑定模型、可检查。它没有论文。

§ 04 / EmbodiedEvo

两套数字，收录三天后被超过

EmbodiedEvo 的论文（2026-10-13，v2 在 10-14）报告 RoboDojo 仿真全量评测的平均分 44.48、成功率 37.82%，称超过所有“officially verified”的结果。项目页的数据文件写明这是每个任务 50 个场景、1 个随机种子的评测，执行模型是 GPT-6 Astra（xhigh 推理档），并自己注明：wiki 设定是看过较早结果后选的，开发场景与全量评测场景可能重叠，外部榜单的协议与这次评测不统一。

RoboDojo 官方榜在 2026-10-14 收录同一系统，写作 “45.08 / 38.95%, contributed by Einsia.AI”，归在 Agent 类。榜上这一行的 5 个分项与论文逐项不同：Generalization 35.22 / 30.83（论文 34.12 / 29.67）、Precision 25.15 / 16.25（23.65 / 13.25）、Long-Horizon 33.83 / 21.75（37.20 / 23.50）、Memory 79.40 / 76.67（71.90 / 69.67）、Open 51.81 / 49.25（55.52 / 53.00）。RoboDojo 的协议页写明官方榜的模拟成绩由官方在线评测系统计算、取三个随机种子的均值并做隐藏布局验证，不是参与者自报；论文是一个种子。两页都没有解释差值，本刊并列写出，以官方榜为准。

榜上 Agent 类共 10 行（页面 2026-11-03 更新、共 66 个模型）。EmbodiedEvo 的 45.08 在 Agent 类和全榜按平均分都排第 6：前面是 Q0-Preview 74.20（Qoo Tech，10-30 收录）、GO-3 Nano Preview 61.90（AGIBOT，10-27）、PyRUA-Lean 55.26（PKU DAGroup，10-24）、HexaFuture 的 HexaShell-Preview 53.18（10-20）、Manifold AI 的 WorldScape-R²SI 46.58（10-17，晚它 3 天）；后面有 PhysicalRSI 36.27 和 RoboDojo Team 自己的 GPT-6-Astra 基线 28.97，也就是同一个执行模型不带 EmbodiedEvo 的成绩。官方主榜对 Agent 行不编名次。非 Agent 类的最高分是 WALL-OSS-1.0-lite 的 42.59。

论文自己写明的局限：全量评测里 Precision 类成功率只有 13.25%，插管（tube insertion）类任务仍然失败，论文称精细操作仍是主要瓶颈。成本上，详情页写 Skills 与 Lessons 每个测试 episode 估算 5.732 美元，对比原始交互历史的 12.203 美元（降 53.0%），成功率 30.17% 对 29.78%；同一页也写明总 token 只少 11.3%，降幅主要来自未缓存输入少了 87.9%，且按论文固定的 token 单价算。“传送带抓取 0 → 40%”只涉及 5 个新场景。

§ 05 / 公开履历

从工程优化到量化与物理，半年九个项目

  • 2025-11-25 至 2026-02 GitHub 组织 Einsia 创建；Kaisen Yang 个人主页写 2025-12 起任 Lab Leader（自述）；X 账号 2026-01-28 开号；最早的公开仓库 Frontier-Engineering 2026-02-11 创建（仓库）。
  • 2026-04-14 Frontier-Eng 论文与项目页发布；机器之心发布稿在 2026-05-12 经投资界转载，写 “Einsia AI 旗下 Navers Lab”。同月 OpenChronicle 仓库（04-21）和页面（04-25）上线。
  • 2026-06-20 至 06-30 BrowserBC 页面与 arXiv 论文；Frontier-Eng 加 Medal Score 与 10 题 v1-lite。
  • 2026-08-20 至 08-31 AI4AI-Bench（08-20）、SWE Refactor Bench（08-24）、PPTBench（08-31）。
  • 2026-09-01 AgentGit 仓库创建；同日外部用户在 Frontier-Engineering 提 issue #106，指出评测器可被候选代码篡改。
  • 2026-09-14 至 09-16 维护者回复已修复并重算受影响的提交，09-16 发公告、更新榜单。
  • 2026-10-06 至 10-14 物理世界模型考试论文（10-06）；EmbodiedEvo 页面 10-12、论文 10-13；10-14 被 RoboDojo 官方榜收录。
  • 2026-10-21 至 10-24 Quant-Arena 论文与榜单（10-21），机器之心发布稿次日经新浪转载；10-24 官方 X 发布 LaPlace’s Eye。
  • 2026-11-01 至 11-05 物理世界模型考试页面加入第 9 个模型 Odyssey-3（官网仓库提交记录显示 11-01）；11-05 新建 Frontier3D（README 题为 3DBench，160 个任务，Apache-2.0），官网 research 页尚未列出；AgentGit 同日发布 v0.2.40。

§ 06 / 评测的可信度

评测器出过洞，榜上放着自家的策略

Frontier-Eng 的评测器。2026-09-01，外部用户在仓库提了 issue #106：Python 类任务的候选代码被加载进评分器同一个进程，可以改写评分函数，属于一类问题而不是单个任务。09-14 维护者在该 issue 里回复：已确认，把候选执行移出评分进程，三个量子计算任务加了电路等价检查，受影响的归档提交重新评测，已公布的分数表和榜单排除了无效结果。09-16 的项目公告说明是依社区反馈做的修正，并承认此前无效解或被操纵的分数可能得分（项目页，对应合并的 PR #113）。这件事有两面：设计原则是只读验证器，问题出在验证器与候选代码同进程这一层；项目方在约两周内公开修复并重算。issue 在 2026-11-05 仍显示 open。

许可证。同一仓库的 issue #109（2026-09-11）询问许可证，提问者说找不到根目录许可证、因此没有继续使用，0 条回复，仍 open；GitHub 没有识别出许可证，README 也没有许可证声明。Frontier-Engineering、BrowserBC、EmbodiedEvo、物理世界模型考试四个仓库在 GitHub 上都没有识别出许可证；OpenChronicle、PPTBench、AgentGit 是 MIT，AI4AI-Bench、SWE Refactor Bench、Frontier3D 是 Apache-2.0；Quant-Arena 没有公开代码仓库。

Quant-Arena 榜上的 Kepler-1。榜单与论文都列了 Kepler-1，写作 Einsia AI 自研的私有策略，构造未公开：总分 77.56，2024 年化 94.0%（超额 +76.9 个百分点），夏普 2.98，最大回撤 −15.9%，期末净值 1.93，同期市场 1.17。论文说它的 RankIC 0.085 低于 GPT-6 Astra 的 0.101，优势来自把信号转成收益。因为构造未公开、没有代码，别人无法复现这个数字；机器之心发布稿同样写明这是团队放进擂台的自有策略。这里只记录事实：本刊没有核到它是否用过 2024 年数据，也没有证据说它有问题。

LaPlace’s Eye。2026-10-24 的官方 X 帖把它介绍为 “an AI-for-AI research system”，站点描述为由知识库、提出假设的模型、挑战假设的 agent 委员会和事先设定的风险边界组成，团队页只给三个名字（Richard、Calvin、Nana），没有姓氏和职务。站点声明所有数字与图表为示意，不构成投资建议，没有披露管理规模或实盘业绩；愿景页说它赚到的钱会回流到数据、算力、模型和人。Quant-Arena 页面的署名是 “LaPlace’s Eye · Einsia AI”。

模型评审与新增条目。PPTBench 的评分和物理考试的一致性筛选都包含模型评审，评审模型的偏差没有独立评估。物理考试页面后来加入的第 9 个模型 Odyssey-3 总分 62.17 居首，依据是页面所述“供稿的评分报告”，该报告没有一致性门槛标签、P14 的一个 seed 未报告，其余 8 个模型仍用论文分数。

§ 07 / 读法与局限

数字是自测，外部印证还很少

自述数字。本档案里除 RoboDojo 榜单、GitHub 与 arXiv 的登记信息外，所有性能数字都来自 Einsia 自己的项目页和论文：Frontier-Eng 的双幂律、AI4AI-Bench 的 0.166、SWE Refactor Bench 的 5.4%、BrowserBC 的 +20.9、Quant-Arena 的各项成绩。本刊没有找到第三方对其中任何一个 benchmark 结果的独立复现。Frontier-Eng 被 NeurIPS 2026 接收一事只见于 Kaisen Yang 的个人主页，本刊没有核到会议官方页。

官方榜与自家论文。EmbodiedEvo 在官方榜上是第 6，协议是三个种子加隐藏布局验证；论文数字是一个种子，且自己注明了选择与场景重叠的限制。两处的差异来源没有被说明，读者引用时应写清用的是哪一个。

对 GPT-6 Astra 的依赖。EmbodiedEvo 的执行者、Quant-Arena 与 PPTBench 的榜首都是 GPT-6 Astra；官方榜上不带 EmbodiedEvo 的 GPT-6-Astra 基线是 28.97，带上是 45.08。这是一个 harness 的增益，不是新模型的成绩。

组织信息的缺口。创始人、CEO、各人职务、公司注册日、融资与估值、员工数、办公地址，官方与媒体都没有公布；与清华的关系只有论文署名单位与个人主页自述两处。产品的用户数、定价、收入没有核到。

本刊没有核到的有：创始人与职务；公司注册信息（登记号本刊没有核到）；融资与估值（Crunchbase 等数据库本刊没有核到内容）；EmbodiedEvo 论文数与官方榜数差值的来源；Kepler-1 的构造与 LaPlace’s Eye 是否实盘；Quant-Arena 是否已有外部提交；issue #106 仍 open 的原因；Frontier-Eng 的 NeurIPS 接收；署名人参与但不在 Einsia 研究页上的论文（如 DiabAgent、AAArena）与 Einsia 的关系。

看到 “某某 benchmark 显示前沿模型只能做到 X” 这类说法，先问三件事：评分在谁手里（Einsia 的设计是评分放在 agent 看不到的地方，但 Frontier-Eng 的评测器出过漏洞，榜上也有 Einsia 自己的策略）；数字是谁测的（几乎全是自测，没有第三方复现）；以及哪个版本为准（EmbodiedEvo 的论文数与官方榜数并存）。这家团队的公开材料密度很高，值得看；它的创始人、资金和商业模式目前看不到。

来源 / SOURCES

关系 每条写成一句话：主语 → 宾语，点开看证据

在 NEO LAB 档案里的位置 · 1

在本站哪里出现

同一方向的实验室 评测·观察 · 在 NEO LAB 图谱里看

Andon LabsConcordia AIApollo ResearchMETRSecureBioFacultyEquiStampArtificial AnalysisEpoch AIArenaUniPat AIFangcun AIFrontier DesignBottleneck LabsTacit Labs

数据