阿里巴巴将领投AI评测公司UniPat AI的一轮3亿美元融资，投后估值约25亿美元。据钛媒体经授权发布的内容，腾讯、红杉中国等投资方也可能参与，但交易仍在谈判，具体条款尚未最终确定。

UniPat在AI圈外知名度不高，但其定位切中了大模型行业的一个关键瓶颈。该公司设计用于测试和衡量人工智能模型的现实场景，并生成详细的训练与基准测试数据。其发布的基准测试已开始被美国实验室引用到自己的模型报告中。

这家公司成立于2025年末，创始人曾在阿里巴巴、月之暗面和腾讯工作。在阿里期间，其就职于通义人工智能实验室，参与训练后分析、数据合成和强化学习相关工作。从公开项目看，UniPat并不满足于给模型排个名次。在软件开发领域，Monthly-SWEBench每月从真实GitHub项目中筛选任务，测试智能体能否修复代码、完成新功能并通过真实验证；EvoCode-Bench则让模型在同一工作空间中连续完成多轮任务，处理需求变化、上下文积累和前后步骤依赖。其Echo系统会从新闻、数据、预测市场和实时网络信息中提取线索，生成概率判断，并在未来事件发生后验证结果。

UniPat在4月发布的一份公司新闻稿称，团队让5个EchoZ智能体在Polymarket进行一周实盘测试，其中4个获得正收益；公司同时公布了政治与治理问题上的63.2%市场胜率，以及7天以上预测中的59.3%胜率。这让UniPat的角色从“AI考官”变得更复杂：既测试模型，也训练模型；既生产数据，也试图把预测能力变成可出售的服务。

其ExpertEval测试集覆盖医疗、金融和法律三个高风险领域，包含3213个专家案例、207个场景和平均每题21.83条评分标准。这些标准不仅判断答案是否正确，还会判断模型有没有遗漏关键条件、是否违反专业规则，以及有没有犯那些表面合理、现实代价却很高的错误。UniPat把这些错误称为“关键负面项”。这套方法背后的判断是：模型能力的瓶颈，不总是参数和算力，也可能是监督质量。UniPat在公开材料中称，经过专家Rubric监督训练的小模型，在多个专业任务上取得了明显提升。

这一方向与阿里AI战略的变化相呼应。阿里正把AI从模型研发推向云、企业软件和消费业务。2026年3月，阿里推出企业级智能体平台悟空，希望让多个智能体进入企业工作流程；阿里还成立了Alibaba Token Hub事业群，把基础模型、模型服务和AI应用放在更紧密的组织体系中。2026年6月，阿里把通义大模型团队和未来生活实验室合并为Token Foundry，由集团CEO吴泳铭直接负责。阿里需要的因此不只是更强的Qwen，还需要知道Qwen在真实办公流程里能否完成任务、模型生成的答案是否值得企业采用、AI能力能否转化成客户愿意支付的钱。这些问题都需要独立的测试环境、可重复的任务和明确的验收标准。

阿里2026年公布的业绩资料显示，云智能集团外部收入增速达到40%，AI相关产品已成为云业务的重要增长来源；Model Studio客户数量同比增长8倍。公司随后披露，AI云与算力服务收入达到71亿美元，同比增长45%。阿里投资UniPat的战略逻辑可能就在这里：为Qwen以及未来更多AI产品，提前购买一套“能不能真正工作”的判断系统。

如果融资最终完成，UniPat约25亿美元的估值来自三个未来下注。第一，UniPat能否成为模型公司的测试供应商。第二，它能否掌握足够多的真实任务、专业规则和反馈数据。第三，它能否让自己的测试结果进入模型采购、企业部署和模型训练流程。一旦第三点成立，评测公司就不再是模型产业链的附属角色，而会变成某种“标准制定者”。

但风险也很清楚。评测公司必须保持可信。如果它同时参与某个模型的训练，又负责评价这个模型，外部客户就会质疑其独立性。更大的问题是，评测是否会被模型公司反向优化。只要测试集、评分标准和任务结构被充分研究，模型就可能学会针对榜单，而不是学会真正完成工作。模型会越来越多，排行榜也会越来越多，但真正稀缺的，可能是一个可信的答案：这个模型到底能不能完成客户交给它的事情。谁掌握了这个答案，谁就可能站在AI商业化的验收环节。