UniPat AI
出榜单，也计划卖数据

官网首页只有一句使命（把 AI 推向真实世界的自动化）、对 UniPat 这个名字的注释（Universe of Patterns）、联系邮箱和 X 链接；导航里只有博客、榜单和招聘，没有团队页、融资说明或办公地址。法人和成立时间要靠外部拼：投资界 2026-10-14 的稿子引天眼查，写公司名称是模式星河（北京）科技有限公司、2025 年 12 月正式成立（投资界）；Bloomberg 的报道经 IT之家转述写成立于 2025 年末（IT之家）；GitHub 组织 UniPat-AI 创建于 2025-11-08。本刊没有核到工商登记原文，工商信息只引转述。

创始团队可以从论文署名读到一条线。据 Bloomberg 的转述，公司由去年在通义 AI 实验室做后训练分析、数据合成和强化学习的李宽创办；WebSailor（arXiv，2025-07-03）里 Kuan Li 是第一作者，第三作者是 Huifeng Yin（尹汇锋），末位署名是通义的 Pengjun Xie、Fei Huang、Jingren Zhou，WebSailor-V2（arXiv 2509.13305）同样由 Kuan Li 领衔。投资界按智源社区的个人主页写其本科北航、硕士中科院计算所、2023 年起在香港科技大学读博，WebSailor 发布时是二年级博士生。陈亮（Liang Chen）是 BabyVision 的第一作者：陈亮的个人主页写自己是北京大学计算语言学研究所博士生，2025 年 8 月 28 日的动态记下自己启动了一家做 Agent 数据与强化学习环境的公司；alphaXiv 档案把陈亮列为 UniPat AI 联合创始人兼 CTO（2025-12 起），经历里有阿里 Qwen 组（2023-10 至 2025-01）和 Moonshot AI 多模态组（2025-02 至 06）；90说科技也称陈亮是联合创始人兼 CTO。尹汇锋的角色媒体口径不一：投资界称尹汇锋是创业伙伴，90说科技称其后来成为 UniPat 的成员，alphaXiv 档案写 Researcher at UniPat AI，本刊不把尹汇锋写成联合创始人。

研究谱系上，UniScientist 页的署名里有 Baixuan Li、Jialong Wu、Yida Zhao、Xuanzhong Chen、Huifeng Yin 等人，这些名字同样出现在通义 DeepResearch 一系列论文里，包括 Tongyi DeepResearch Technical Report。这是署名事实；谁在何时离开阿里、与阿里有没有合作协议，本刊没有核到。

与 xbench 的关系有一部分是公开的：BabyVision 是红杉中国 xbench 与 UniPat AI 团队联合发布的（2026-01-12 的稿子），官网 BabyVision 页和 Monthly-SWEBench 页的作者名单里都有 xbench 的署名；BabyVision 页上两份署名名单把第 2 家机构分别写成 Hongshan Group 和 xbench。投资界称圈内流传 UniPat 是红杉孵化的项目，那是传闻；Bloomberg 转述的说法是红杉是老股东。

判断一：评测该量从头做到尾并留下证据，不只是答对一步。证据来自它自己的几项基准。PaperBenchX的 93 个任务里，最强的 GPT-6-Astra（Codex）完整复现 13 个（13.98%），部分得分 59.08%；页文称建模和执行两阶段的中位分约 73%，验证阶段只有 40.0%，304 个上游两阶段都不低于 80% 的结果里只有 53 个越过 90% 线。SaaS-Bench v1.1（23 个 SaaS 系统、106 个任务）里最高的 Checkpoint Score 是 78.3%（Pine Computer 的运行时），最高的 Resolved Score 只有 31.1%（Opus 5 / Claude Code）；同一个模型换 harness 分数不同，GPT-5.6 sol 在通用 harness 下 Resolved 17.9%，换成 Codex 是 29.2%。EvoCode-Bench 的摘要写多数 agent 的单轮得分比多轮得分高 22 到 40 分，RoadmapBench 的摘要写最强的 Claude-Opus-4.7 只解决 39.1%。它反驳的是把单次通过率当作能力的做法，页面点名的是 SWE-bench Pro；Vibe-Coding Arena给的例子是 4 个匿名模型在 14 个任务上，一个在 SWE-bench Pro 上与另一个几乎打平的模型，过程分最低（1.79 分，满分 5），这条证据样本很小，模型还是匿名的。产品含义是评测、环境和轨迹被打包成订阅服务；政策含义是采购方看榜单时要问 harness、判官和没做完怎么记分——SaaS-Bench 的表本身就显示这些选择会改变结果。

判断二：视觉短板更像处理出错而不是看见出错，一个代码环境就能补上一大块。BabyVision 的原始叙事是模型的视觉原语缺失：arXiv 摘要写 Gemini3-Pro-Preview 得 49.7，成人均分 94.1，官网页文称 Mini 版里最强模型约在 3 岁儿童水平。但两个月后的 SWE-Vision写的是很多视觉失败不是看错而是算错，给 GPT-5.2 一个 Jupyter 内核后 BabyVision 从 34.4 升到 52.6，MathVision 从 86.1 到 94.0；阿里 Qwen3.5-397B-A17B 的官方模型卡把 BabyVision 列在视觉表里，并在脚注里分别给出启用代码解释器的 52.3 与不启用的 43.3。到 榜单页最后更新的 2026-08-03，榜首是 Qwen3.8-Max（带工具）91.3%，人类基线 94.1%；不带工具的同一模型是 82.0%。也就是说，初版认为模型视觉不如三岁儿童的结论，在它自己的榜单上用了不到七个月就缩小到 3 个百分点以内（榜首 91.3% 对人类 94.1%），而且带工具与否差了 9 个点以上。产品含义是视觉 agent 应该是视觉加代码；政策含义是引用这类基准的结论时要带上日期和是否带工具，榜单的寿命很短。人类基线只有 16 名成人（官网页文，网易号转载稿写他们至少有本科背景），儿童组是同一所学校的每龄 20 多人。

判断三：专家写的 rubric 可以同时当评测和训练信号。ExpertEval把医学、金融、法律的 3,213 个案例（207 个场景，平均每例 21.83 条 rubric，另设 Critical Negatives（关键负面项）扣分）切成 90 题留出集和约 2,500 例训练集，对 Qwen3.5-35B-A3B 做 SFT，得分从 54.76% 到 66.22%，8 样本聚合后 68.94%，页面所列的 Claude-Opus-4.6 是 66.88%。UniScientist用同样的思路做科研题：基座是 Qwen3-30B-A3B-Thinking-2507，约 1,200 H200 GPU 小时，FrontierScience-Research 得 28.3，页面所列的 Claude Opus 4.5 是 17.5、GPT-5.2 completion mode 是 25.2；投资界的授权转载稿写数据集有 4,700 多个研究级实例、50 多个学科，专家标注平均每条 1 到 2 小时。UniMath用证明修改轨迹做数学，IMO 2025 六题得 35/42，USAMO 2026 得 36/42（官网口径）。这些结果都有同一个局限：测试集、rubric 和判官都是自己的，没有找到第三方复现；ExpertEval 的留出集与训练集同分布，UniMath 的分数由三个模型判官打、再由人类专家复核，不是竞赛官方评分，IMO-ProofBench 上它是 86.0%，页面所列的 GPT-5.6-Sol 是 91.1%。产品含义是同一套 rubric 既能做榜单，也能做训练数据——Bloomberg 转述称公司计划向其他研究者和企业出售训练与评测数据；政策含义就是评测方和数据供应方是同一家时，独立性要另外说明。

本刊核到的第三方采用只有一处明确的：上面提到的阿里 Qwen3.5 模型卡，BabyVision 一行里还有 GPT-5.2 的 34.4、Claude 4.5 Opus 的 14.2、Gemini-3 Pro 的 49.7，数字与 UniPat 榜单一致。数智奔流的稿子（钛媒体转载）写它发布的基准已被美国实验室引用进模型报告，没有点名是哪家哪份，本刊没有核到。榜单页上还收录了 ClawBench：页面链接的论文（arXiv 2604.08523）、仓库、数据集都属于 TIGER-AI-Lab 等外部团队，页内没有出现 UniPat 的字样，它在其中的角色本刊没有核到。

榜单是 UniPat 自己维护的：官方 X 在 Kimi K2.5（2026-01-31）、Qwen3.5（2026-02-24）等模型上榜时发帖祝贺。BabyVision 榜列 29 个模型，最早的 KimiVL-A3B（2025-04）是 12.4%，最新榜首是 2026-08 的 91.3%，页尾写明可联系公司提交模型结果，但没有写谁来跑分、怎样核验。开发者一侧，GitHub 接口在 2026-10-22 返回的星标是 BabyVision 265、SWE-Vision 177、UniScientist 174、SaaS-Bench 104、PaperBenchX 40；Hugging Face 数据集的累计下载（接口的 downloadsAllTime）是 BabyVision 8,410 次、RoadmapBench 240,144 次、EvoCodeBench 4,069 次，Monthly-SWEBench 三个月各约 9 千多次，下载次数不等于使用；官方 X 有 816 个关注者、关注 0 人。

独立性是媒体提到的疑问。数智奔流的稿子写评测公司同时参与某个模型的训练又负责评价它，客户会质疑独立性，也提醒测试集被研究透之后模型可能反过来针对榜单优化。本刊并列两个事实，不下结论：Bloomberg 转述称阿里拟领投 UniPat，BabyVision 榜首和第 6 位都是阿里的 Qwen3.8-Max；榜单页上没有看到关于投资关系的披露语句。

公司自己没有披露融资，官网、X、GitHub 和公众号里都没有。外部口径有三层。第一层是 Bloomberg 在 2026-09-10 的报道，下面是转述：IT之家写阿里拟领投一轮 3 亿美元融资、估值 25 亿美元，知情人士称融资预计很快完成、腾讯和红杉等老股东也参与，各方仍在磋商、交易细节可能变化；Dealroom转述同一报道，写红杉（HSG，原红杉中国）是此前的投资方，并称李宽的研究实验室获得砺思资本（Dealroom 摘要写作 Monolith）和字节支持的锦秋基金投资，这个实验室是否与 UniPat 同一主体，转述没有写清。第二层是把拟领投写成已获得的稿子：IT桔子标题写获得 3 亿美元 A 轮融资，没有注明来源；36氪英文站转载的数智奔流稿标题写 Secures（已获得）阿里领投的融资，正文又写各方仍在磋商，作者在后文用的是融资若最终完成的假设语气。第三层是 The Crane China的周报，写阿里据报道接近达成这笔交易。投资界 10-14 的稿子仍用将领投、将参与的措辞，并说 UniPat 尚未在工商层面变更股权。阿里、腾讯、红杉有无公告，本刊没有核到；Dealroom 另有一条简讯，本刊没有核到正文，不引其中数字。

营收和客户只有传闻。投资界写据说今年初营收已突破 1 亿美元、数据卖给腾讯、阿里、字节，并写明这是圈内多次聊起、尚未得到官方证实的说法。要小心的是，铅笔道 10-15 的稿子标题里的年入 6.7 亿、估值 207 亿说的是 Arena，不是 UniPat；那一篇对 UniPat 只有一句融资传闻。90说科技引匿名从业者称，阿里作为领投方还提供资金和算力支持，算力一年约为数千万元人民币，合作以强化学习后训练数据为主；这是匿名说法，没有 UniPat 或阿里的证实。公开可核的商业信号只有两处：Vibe-Coding Arena 页写明按订阅服务提供，招聘页列了 9 个岗位，包括研究科学家、Agent 系统工程师、基础设施工程师、专家社区负责人，还有法务和资深税务专员。

2026-10-19 的公众号文章正文是 7 张海报图，页面的摘要只有一句话，说的是让懂问题的人和懂 AI 的人一起工作。据海报图片：UniPat AI 探索实验室未来一年投入一亿元，邀请科学领域的顶尖研究者与自家研究员、工程师协作，并借鉴贝尔实验室的研究组织方式；做法是由每位 Fellow 从熟悉的问题里找出今天依赖专业研究者、将来可能由 AI 完成的任务，先建评测基准，再把专业软件、仿真系统和实验反馈接成可交互环境，让 AI 提方案、用工具、按反馈改进，研究方向不设学科边界。海报举了四个匿名例子：北京大学物理背景的光学芯片自动设计、北京大学药学院的抗体设计与改造、UCLA 的芯片版图自动设计，以及预测模型与市场预测。

条款一栏，据海报图片：每位 Fellow 的支持包括价值 50 万元的模型 API 调用额度、与 UniPat 研究员和工程师的协作、有市场竞争力的薪酬（无具体数字），以及数据、专家网络、算力和工具环境；分全职 Fellow 和 3 个月起的项目制 Fellow，鼓励在北京中关村现场协作，可协商混合办公；申请材料是一个未来 3 个月只能推进的、当前 AI 做不到但值得做的问题，加简历和 1 到 2 项代表性成果，发到 Fellows 邮箱（[email protected]）。机器之心发布的转载稿（搜狐、网易号）内容与海报一致，另加了今年下半年国内不少大厂和创业公司发布面向科学家人才计划的背景判断；它属于企业发布稿，不是独立报道。

海报和转载稿都没有写的：一亿元的资金来源和币种（语境是人民币）、名额、截止日期、单人资助额（只有 50 万元额度一项）、薪酬数字、评审人、入选者名单，以及成果的知识产权、论文发表权和数据使用条款。后一条值得单独说明：海报写明真实任务和反馈最终用于模型能力提升，Fellow 做出的评测和环境归谁，本刊没有核到。公司官网的招聘页也没有 Fellows 入口。

页内不一致与口径问题。UniMath 页的开头写它在 IMO 2026 和 USAMO 2026 上达到金牌水平，博客索引和结果表写的是 IMO 2025；BabyVision 的 GPT-5.2 成绩，官网榜单和 Qwen 模型卡写 34.4，新浪 2026-01-12 的稿子写 34.8。Echo的榜单是 2026-03-27 的快照：EchoZ-1.0 的 Elo 是 1034.2，Gemini-3.1-Pro 是 1032.2，页面没有写置信区间、对战样本数、训练样本量，也没有写 EchoZ 的基座；页面里的 API 示例（伊利诺伊州共和党初选，预测日 2026-03-18）在同一段里写明美联社等 03-17 晚已宣布结果，这是已决事件，不能当作预测能力的证据。对人类市场的胜率（政治治理 63.2%、7 天以上 59.3%）是公司自述，4 月新闻稿里 5 个 EchoZ agent 一周实盘、4 个盈利的说法，本刊是据 36氪转载，没有核到原稿。

方法与公开程度。PaperBenchX需要科学判断的评分项统一由 GPT-5.6-Sol 当判官，而排名第一的 GPT-6-Astra 与它来自同一厂商，页面没有讨论判官偏差；93 题里只公开 12 题，另外 81 题封闭（官方 X 与量子位 10-08 的稿子一致），论文页标 Coming soon。官网博文里 UniScientist、UniMath、PaperBenchX、Echo 都没有论文，只有 BabyVision、SaaS-Bench、RoadmapBench、EvoCode-Bench 四篇上了 arXiv（本刊按作者检索，可能有遗漏）。UniSwarm 的具体分数在图表里，页文只写与更大的前沿 agent 有竞争力，本刊没有核到数字。Monthly-SWEBench 榜单页每月取约 100 道新合并 PR 的任务，页面写明的临时发布规则是缺失或尚未干净重跑的必选模型行按 0 分计。数量上也有小分歧：官方博文写 71 个任务从未被完整复现，硅星人的稿子（网易号转载）写 70 道，本刊没有核到差的那 1 个出自哪里。

本刊没有核到的有：融资是否交割、阿里腾讯红杉的官方公告和各方金额、估值口径；工商登记（法人、注册资本、股东、成立日）；员工总数；营收和客户名单；红杉孵化一说；被美国实验室模型报告引用具体指哪些；BabyVision 榜单的分数由谁运行、怎样核验，人类原始数据是否已公开；ClawBench 与 UniPat 的合作关系；Pine Computer 与 UniPat 的关系；尹汇锋是否联合创始人；NeurIPS 2026 的录用轨道；Fellows 计划的资金来源、名额、截止日期和知识产权条款。