谷歌联合 Artificial Analysis 推出 MKA 基准测试 Gemini 4 Carbon 获质量第二

谷歌联合 AI 评测机构 Artificial Analysis 推出多模态知识智能体基准测试 MKA，用于评估 AI 智能体处理视觉复杂文件、完成现实世界知识工作任务的能力。

该测试联合来自 10 个行业、83 种职业的领域专家，建立了包含 200 项任务的评测集，覆盖商业、建筑、医疗、法律等领域。每项任务模拟多步骤专业项目，通常需经验丰富的专业人员 3 至 8 小时完成，评分标准平均含约 70 项检查项。

测试结果显示，谷歌最新发布的 Gemini 4 Carbon 取得质量排名第二的成绩，完成任务的平均成本仅为排名第一模型的约六分之一。人工专家评分与自动评审系统结果一致率达 96%。

目前 MKA 已通过 Artificial Analysis 开放，正式评测任务设为私有以防泄露，另有 10 项任务在 Hugging Face 公开，供开发者评估自己的智能体。