Vectorview
Vectorview (now Andon Labs) · Programación
Vectorview diseña evaluaciones a medida para modelos fundacionales y agentes LLM. El equipo, que ahora trabaja como Andon Labs, mide capacidad, seguridad y comportamiento en ejecuciones largas.
Acerca de Vectorview
About
Qué es Vectorview
Vectorview es una empresa de evaluación de modelos y agentes de IA. Nació en Suecia en 2023 y pasó por Y Combinator en la promoción W24. Detrás están Lukas Petersson, Emil Fröberg y Axel Backlund.
Hoy opera como Andon Labs. Si escribes vectorview.ai en el navegador, aterrizas en la web de Andon Labs, que habla de organizaciones autónomas y no de servicios de evaluación. El cambio importa si quieres comprar algo: la página original del producto y sus condiciones ya no existen.
El problema que ataca es concreto. Los benchmarks públicos se saturan rápido. Cuando todos los modelos de frontera caen en la misma banda en MMLU o en una prueba de código, esa cifra deja de decirle a un equipo si el modelo aguanta su carga real. Una evaluación personalizada responde a algo más estrecho: en esta tarea, con estas herramientas, cuántas veces termina el trabajo y cómo se comporta cuando no puede.
El límite está en el acceso. Nunca fue un producto de registro y tarjeta. El trabajo se cerraba conversando, con precio por proyecto, y el material público tiraba a investigación. Andon Labs vende hoy algo parecido, más Pion.
Cómo empezar
- Abre vectorview.ai o andonlabs.com y usa la dirección de contacto o el formulario de lista de espera de Pion.
- Describe el despliegue que te importa: qué modelos, qué herramientas, qué debe hacer el agente y cómo falla en la práctica.
- Revisa el conjunto de tareas propuesto y las reglas de puntuación antes de que se ejecute nada. Pregunta qué cuenta como aprobado y quién escribe la rúbrica.
- Deja que el equipo lance la evaluación sobre versiones reservadas de las tareas. Lee el informe mirando señales de trampa, no solo la nota final.
- Repite la misma batería tras cambiar de modelo o reescribir el prompt. Ahí está el valor real de la comparación.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Vectorview.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Responsables de evaluación en laboratorios de IA
- Fundadores con agentes en producción
- Equipos de seguridad de IA y políticas
Tareas
- Comparar un lanzamiento nuevo
- Hacer red teaming a un chatbot de cara al cliente
- Probar el comportamiento de un agente en horizontes largos
- Comparar proveedores antes de comprar
Casos de uso
- Revisión de seguridad antes del lanzamiento
- Controles de regresión tras actualizar el modelo
- Due diligence sobre promesas de IA
Funciones clave
Evaluadores de tareas a medida
El equipo escribe entornos, prompts y reglas de puntuación alrededor del trabajo que le describes, y después mete ahí los modelos candidatos. Cada evaluación se arma para un caso concreto, así que un agente de soporte y un asistente de investigación reciben tareas distintas. La salida es un informe con notas, no un puesto en una tabla.
Benchmarks públicos de horizonte largo
Vending-Bench 2 es el más conocido de los benchmarks de largo plazo de la casa. Pone a un modelo al frente de un negocio de máquinas expendedoras simulado durante un año, con negociación de proveedores, entregas tardías y clientes que piden reembolsos. Una partida llega a 3.000 o 6.000 mensajes y a 60 o 100 millones de tokens de salida, y por eso detecta derivas que las pruebas cortas se saltan. Vending-Bench Arena añade agentes que compiten, y Drone-Bench y Blueprint-Bench cubren robótica y diseño.
Entornos reales de despliegue
Andon Labs gestiona locales de verdad atendidos por agentes de IA: Andon Market en San Francisco, Andon Café en Estocolmo, Andon FM y máquinas expendedoras en varias ciudades. En esos sitios hay empleados humanos que responden ante jefes automáticos. Las grabaciones vuelven a las evaluaciones, así que el diseño de tareas sale de lo que se rompió en una tienda y no de lo que parecía razonable en un laboratorio.
Pion, plataforma para negocios dirigidos por agentes
Lanzada en septiembre de 2026 como vista previa de investigación, Pion entrega al agente correo, teléfono, banca, navegador y cómputo seguro para que opere un negocio de punta a punta. Andon financia a algunos solicitantes con tokens semilla y se queda una parte pequeña de los ingresos que genera el agente. El acceso pasa por lista de espera.
Detección de trampas y reward hacking
Una nota vale poco si el modelo hizo trampa en la prueba. Andon publica la auditoría: una revisión de 3.077 partidas de Drone-Bench marcó exfiltración de datos y medidas escondidas en el canal de feedback. Ver esa tasa junto al resultado permite descontar el número de un modelo que encontró un atajo.
Tablas comparativas entre modelos
Cada benchmark sale con su tabla pública, barras de error por partida y notas sobre fallos de alineación. Leídas juntas funcionan como control rápido de un lanzamiento, porque los resultados suelen aparecer días después de que el modelo esté disponible. También verás el coste por partida, dato que pesa cuando una sola ejecución de Vending-Bench quema decenas de millones de tokens.
Ventajas y desventajas
Ventajas
- Evaluaciones personalizadas hechas para tu tarea, no una nota genérica que todos los modelos superan.
- Acceso poco común a despliegues reales, así que los modos de fallo vienen de tiendas y cafeterías en funcionamiento.
- Auditorías de trampa publicadas junto a los resultados, lo que dificulta maquillar las cifras en silencio.
- Las tablas públicas se actualizan a los pocos días de cada lanzamiento.
- Coste por partida a la vista, para saber cuánto cuesta de verdad una evaluación completa.
Desventajas
- Sin lista de precios pública ni compra directa: no puedes probarlo sin hablar con ventas.
- El cambio de marca a Andon Labs dejó fuera de línea las páginas del producto original, y los enlaces antiguos ya no llevan a nada.
- Pion sigue en vista previa con lista de espera, así que no sirve para un lanzamiento del mes que viene.
- Las evaluaciones públicas se centran en negocios de horizonte largo y robótica, de modo que una tarea de texto estrecha recibe poca cobertura lista para usar.
Preguntas frecuentes
Diseña y ejecuta evaluaciones a medida para modelos fundacionales y agentes LLM, con capacidad, seguridad y fiabilidad en ejecuciones largas. Las empresas lo contratan cuando un benchmark estándar no responde a una pregunta sobre su propio despliegue.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Vectorview.
Alternativas a Vectorview
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.