一句话
Google 联合 Artificial Analysis 推出 MKA 基准,测视觉复杂任务,Gemini 4 Carbon 质量第二成本更低。
要点
- 测什么
200 个任务来自 10 个行业 83 种职业,涵盖图纸、报表、表格等视觉材料,每题要三到八小时才能做完。
- 怎么打分
用开源智能体框架 Stirrup 统一跑任务,再由非 Google 模型自动评分,专家复核后一致率达 96%。
- 性价比
Gemini 4 Carbon 在受测模型里质量排第二,平均成本比分数最高的模型低 6 倍。
登录看全文「原文讲了什么」和「我们的看法」登录后可看,免费。原文链接也在里面。
觉得有用?