谷歌 DeepMind 联合 AI 评测机构 Artificial Analysis 正式推出 MKA（Multimodal Knowledge Agent）基准测试，专门用来考核 AI 智能体看懂图纸、报表、PPT 这类带视觉信息的复杂文件，完成真实专业知识工作的能力，Gemini 4 Carbon 在该榜单拿到第二名，同时成本优势突出。市面上很多 AI 基准测试大多只靠纯文本题目就能作答，很难模拟真实职场，很多专业资料里关键信息都在图表、图纸、版式布局里面，这也是谷歌想要做 MKA 这套新评测标准的原因。项目搭建流程是联合 10 个行业、83 个不同职业的领域专家，一起设计出 200 项评测任务，每项任务都对应一个真实多步骤工作项目，专家做完通常要花 3 到 8 小时；测试环境放在 Linux 沙盒内，允许 AI 调用搜索、看图、代码执行工具，最后由独立裁判模型按照评分细则打分。MKA 的上线补齐了多模态智能体专业工作能力的评测缺口，不再只看问答能力，而是看 AI 能不能产出报告、表格、标注图纸这类交付物，给行业对比 Agent 模型提供了一套更贴近真实办公场景的标尺。
一、MKA 基准测试核心参数
| 项目 | 详情 |
|---|---|
| 全称 | Multimodal Knowledge Agent（多模态知识智能体基准） |
| 合作方 | 谷歌 DeepMind + Artificial Analysis |
| 任务总量 | 200 项专业任务，仅 10 项对外公开 |
| 覆盖行业 | 10 个垂直领域，83 类职业 |
| 单任务耗时参考 | 专业人员完成需要 3–8 小时 |
| 测试环境 | Linux 沙盒，支持联网搜索、看图、代码执行 |
| 核心评分指标 | WSR 加权满足率（Climb WSR 为核心头条分数） |
二、覆盖的行业清单
- 建筑工程：图纸查阅、图纸比对、方案核验
- 金融保险：保单、财报、风险报告分析
- 医疗生物：实验图谱、检验资料整理
- 法律政务：多文档交叉核验、材料汇总
- 科研数据：图表解读、数据集整理
- 软件与数据：数据分析、可视化文档生成
- 商业咨询：PPT、经营报表综合分析
- 教育、物流地图等其余赛道
三、MKA 和传统 AI 基准测试的区别
- 传统基准：大多纯文本问答，不重视图片、版式、图纸信息
- MKA：大量信息藏在图片、工程图、表格、幻灯片里，需要跨多文件综合推理
- 输出要求：不只是一句话答案，需要输出报告、表格、标注图纸等交付物
- 评估方式：独立裁判模型对照评分细则逐项核验，不是简单判断对错
四、本次测试重点结果
- Gemini 4 Carbon 在 MKA 榜单排名第二
- Gemini 4 Carbon 完成任务的平均成本，大约是第一名模型的六分之一
- 榜单头部模型差距主要体现在长链条多文件协同推理、图纸理解能力上
- 目前只有少量任务对外开放，大部分测试集为私有，防止模型过拟合刷分
【相关 FAQ】
问题 1：谷歌联合推出 MKA 基准测试，MKA 基准测试到底测什么？
回答 1：谷歌联合推出 MKA 基准测试，MKA 是多模态知识智能体基准，用来测试 AI 智能体看懂图纸、报表等视觉复杂文件，完成多步骤专业知识工作的能力。
问题 2：谷歌联合 Artificial Analysis 推出 MKA 基准测试，一共设计了多少评测任务？
回答 2：谷歌联合 Artificial Analysis 推出 MKA 基准测试，一共设计 200 项专业任务，来自 10 个行业 83 类职业，其中只有 10 项任务对外公开。
问题 3：MKA 基准测试里，Gemini 4 Carbon 拿到了什么样的成绩？
回答 3：在谷歌联合推出的 MKA 基准测试中，Gemini 4 Carbon 参测排名第二，同时成本优势明显，平均成本仅为榜首模型的六分之一。
问题 4：MKA 基准测试和普通大模型评测有什么不一样？
回答 4：谷歌联合推出的 MKA 基准测试，重点考察图纸、图表这类视觉信息的综合推理，要求产出报告、图纸标注等交付物，更贴近真实职场，而传统基准大多只是纯文本问答。
【参考资料】
[2026-11-11]（谷歌联合 Artificial Analysis 推出 MKA 基准测试：Gemini 4 Carbon 多模态知识工作测试获第二）IT 之家
[2026-11-11]（谷歌联合 Artificial Analysis 推出 MKA 基准测试）新浪财经
[2026-11-10]（Introducing the Multimodal Knowledge Agent benchmark）Google 官方博客
[2026-11-10]（MKA benchmark tests AI agents on visual knowledge tasks）Extrapolator AI
【免责声明】
本文内容来自谷歌官方博客、Artificial Analysis 评测页面及科技媒体公开报道，MKA 基准测试的评分规则、测试集细节由合作方定义，榜单结果会随模型迭代更新，内容仅作为 AI 行业科普，不构成模型选型、采购的参考，详细评测细则请以谷歌和 Artificial Analysis 官方文档为准。
本文来自作者[超序分流]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/rgzn/202611/102.html
评论列表（4条）
我是环球科技潮的签约作者“超序分流”！
希望本篇文章《谷歌联合 Artificial Analysis 推出 MKA 多模态知识智能体基准测试》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：谷歌 DeepMind 联合 AI 评测机构 Artificial Analysis 正式推出 MKA（Multimodal Knowledge Agent）基准测试，专门用来考核 AI 智能体看懂图纸、报表、PPT 这类带视觉信息的复杂文件，完成真实专业知识工作的能力，Gemini 4 Carbon 在该榜单拿到第二名，同时成本优势突出。市面上很多 AI 基准测试大多只靠纯文本题目就能作答，很难模拟真实职场，很多专业资料里关键信息都在图表、图纸、版式布局里面，这也是谷歌想要做 MKA 这套新评测标准的原因。项目搭建流程是联合 10 个行业、83 个不同职业的领域专家，一起设计出 200 项评测任务，每项任务都对应一个真实多步骤工作项目，专家做完通常要花 3 到 8 小时；测试环境放在 Linux 沙盒内，允许 AI 调用搜索、看图、代码执行工具，最后由独立裁判模型按照评分细则打分。MKA 的上线补齐了多模态智能体专业工作能力的评测缺口，不再只看问答能力，而是看 AI 能不能产出报告、表格、标注图纸这类交付物，给行业对比 Agent 模型提供了一套更贴近真实办公场景的标尺。