DeepMind 发布 MKA 基准 评估智能体专业视觉任务能力

Google DeepMind 联合 Artificial Analysis 正式发布多模态知识智能体基准 MKA，旨在评估 AI 智能体在真实专业视觉文件上的知识工作能力。该基准包含 200 个来自 10 个行业的私有真实任务，要求智能体阅读建筑图纸、工程示意图、临床扫描等复杂视觉输入，并产出幻灯片、表格、报告等交付物，填补了现有评测对蓝图交叉比对、科学图表阅读等专业场景的空白。

MKA 采用 Climb 与 Regression 双轨专家评分标准，每题平均约 70 条加权准则，强调输入的真实视觉复杂度与领域特异性，而非简化合成数据。评测结果显示，Claude Sonnet 5.5 在医疗等领域领先，但在法律与政府领域优势微弱；Gemini 4 Carbon 排名第二，单任务平均成本仅为榜首模型的六分之一，展现出显著的性价比优势。

该基准的推出标志着多模态智能体评测从通用能力向垂直专业场景的深化，为开发者提供了更贴近实际工作流的衡量工具。随着 AI 智能体在知识工作领域的渗透，MKA 有望成为行业标准，推动模型在视觉理解、跨领域推理和交付物生成等方面的持续优化，并影响企业选型与成本效益的权衡。