广告合作
人工智能

DeepMind与Artificial Analysis发布MKA智能体评测基准

该基准含200项任务、覆盖83种职业,Claude Fable 5.2以57%居首,Gemini 4 Carbon以54%紧随其后。

DeepMind于2026年11月14日发布了一项面向AI智能体的新评测基准——多模态知识智能体(Multimodal Knowledge Agent,MKA)基准。该基准由DeepMind与AI分析机构Artificial Analysis联合开发,据ITHome报道。

MKA基准共设200项任务,覆盖商业、建筑、工程、金融、医疗和科学等10个领域的83种职业岗位。每项任务模拟熟练从业者需要3至8小时完成的工作,并依据约70项细化标准评分,其中事实准确性占75%,视觉完整性占25%。所有参评模型均使用相同的工具与工作环境,最多可尝试250次。

在困难任务项上,Anthropic的Claude Fable 5.2以57%的加权完成度排名第一,谷歌的Gemini 4 Carbon以54%位列第二。专家评审与AI评审的一致率为96%。

成本差距明显

Claude Fable 5.2平均每项任务花费31.97美元,Gemini 4 Carbon平均为6.29美元,约为前者的五分之一。各模型完成任务所需的平均操作次数在30至130次之间。

快速问答

MKA基准是什么?

是DeepMind与Artificial Analysis联合发布的AI智能体评测基准,包含200项覆盖83种职业的任务。

哪个模型排名第一?

Anthropic的Claude Fable 5.2以57%的加权完成度排名第一,Gemini 4 Carbon以54%排名第二。

每项任务成本多少?

Claude Fable 5.2平均每项任务31.97美元,Gemini 4 Carbon平均6.29美元。

来源