跳到主要內容
2026-11-15 日報
研究與評測

Google DeepMind 聯手 Artificial Analysis 推出 MKA 基準測試:Claude Fable 5.2 達標率 57% 奪冠,Gemini 4 Carbon 成本僅六分之一

iThome單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據報導,Google DeepMind 與評測機構 Artificial Analysis 聯手推出「多模態知識代理」(Multimodal Knowledge Agent,MKA)基準測試,專門評估 AI 代理處理建築圖、工程圖、臨床影像等複雜檔案並產出報告、簡報或試算表的「視覺型知識工作」能力。MKA 共設計 200 項任務,涵蓋商業、工程、金融、醫療、科學等 10 大領域共 83 種職業,每項任務模擬資深專業人士需花費 3 至 8 小時的工作量。評分機制中,75% 比重著重於事實正確性,25% 則評定最終成品的視覺呈現。所有模型均在相同 Agent 環境、工具與操作次數限制下測試,不同模型完成同一類工作平均需 30 至 130 輪操作。評測結果顯示,Claude Fable 5.2 以 57% 的高難度項目加權達標率(Climb WSR)位居第一,Gemini 4 Carbon 則以 54% 排名第二;不過 Google 強調,Gemini 4 Carbon 完成任務的平均成本僅約第一名的六分之一。
讀原始報導