// AI 新闻 · 2026-11-11 · Google Gemini
谷歌推出多模态知识代理基准测试
谷歌与Artificial Analysis合作推出多模态知识代理（MKA）基准测试，用于评估智能体在处理视觉复杂文件时完成真实世界知识工作能力。该基准涵盖200个任务，由来自10个行业83种职业的领域专家设计，每个任务包含多模态输入文件、现实场景提示及专家撰写的评分标准，其中75%权重为事实准确性，25%为视觉设计质量。
原文发布 2026-11-11 00:00（北京时间）来源 Google Gemini自动整理 · 已核对原文
01摘要
测试中，模型在完成任务时使用30至130轮操作，表现差异显著；基于非谷歌模型构建的自动评估器与专家评分一致率达96%。所有模型均在相同开源代理框架Stirrup中运行，输入输出文件被严格隔离，确保测试集不泄露。谷歌Gemini 4 Carbon在质量与成本上处于帕累托前沿，平均任务成本为领先模型的六分之一。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- MKA基准由10个行业83种职业专家设计，包含200个视觉复杂任务。
- 每个任务需资深专业人士3至8小时完成，配备真实输入与70项专家评分规则。
- 模型在任务中操作轮数差异显著，从30到130轮不等，凸显视觉理解能力的重要性。
- Gemini 4 Carbon在质量与成本上表现最优，平均任务成本为顶级模型的六分之一。
03原文出处
Introducing the Multimodal Knowledge Agent benchmark
Google Gemini · 发布于 2026-11-11 00:00（北京时间） · 上方为原标题
05相关新闻
- 同来源 · Gemini上线Apple CarPlay实现语音交互2026-11-12 · Google Gemini
- 同来源 · Google Gemini支持连接Google Wallet获取财务洞察2026-11-14 · Google Gemini
- 同主题 · 在GKE中实验ClusterNetworkPolicy以增强网络策略控制2026-11-11 · Google Cloud
- 同主题 · Gemini 4 Carbon 模型现已上线2026-11-11 · Google Keyword
- 同日 · Gemini 4 Carbon 模型在 Gemini 应用中正式上线2026-11-11 · 9to5Google
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-11 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日