MKA实测：Claude总分领先但无全项占优

Artificial Analysis 发布 Google DeepMind 多模态知识智能体（MKA）基准实测结果，评测 agent 能否处理建筑图纸、工程原理图和临床扫描等视觉密集型专业文件。基准包含 200 个任务、覆盖 10 个行业领域，头部 7 个模型的 Regression 得分集中在 95%~97%，Climb 得分则为 28%~57%。

MKA 基准同任务成本对比显示，Claude Fable 5.2 (max) 用 224 轮、约 3 小时、约 $68 完成建筑审计幻灯片，得分 87%；Gemini 4 Carbon (high) 用 76 轮、约 1 小时、约 $8，得分 72%。

Artificial Analysis 解析 MKA 基准评分结构，头部七模型 Regression 得分集中于 95%-97%，Climb 得分则横跨 28%-57%。Climb 衡量前沿模型仍常失败的高难度项，Regression 对应基线能力，因此前者更能区分强模型。

Artificial Analysis 公布 MKA 六类交付物成绩，Claude Fable 5.2 领先 PDF、Word、表格和演示文稿四类。Gemini 4 Argon (high) 与 Carbon (high) 领先图像类，DeepSeek V4.1 Flash 1017 位居文本文件第一。Word 和文本文件最难，无模型得分超过 52%。

Fable 5.2 (max) 在 MKA 建筑图纸审计示例任务中完成检查并整理结果，使用 224 轮、查看图像 203 次，总成本约 $68。MKA 任务要求模型理解工程原理图、建筑图纸和临床扫描等视觉文档，并产出幻灯片、表格、报告或标注图像。

Artificial Analysis 与 Google DeepMind 合作推出多模态智能体基准 MKA，Claude Fable 5.2 以 57% 的 Climb WSR 得分居首。

Artificial Analysis 上线了 Google DeepMind 的 Multimodal Knowledge Agent（MKA）基准，用于测试智能体的多模态知识能力。Regression（基线）标准下，头部七个模型得分集中在 95%-97%；Climb（高难）标准下，各模型得分差距扩大至 28%-57%。

Artificial Analysis 在 MKA 同一任务上比较 Gemini 4 Carbon (high) 与 Claude Fable 5.2 (max) 的成本和表现。

Artificial Analysis 公布 MKA（Climb WSR）基准细分结果，10 个行业垂直中 Claude Fable 5.2 领跑软件与数据、工程、物流等五项，Gemini 拿下两项。按六种输出文件类型拆分时，模型间差异小于行业垂直差异，Word 与文本文件任务均无模型超过 52%。

Google DeepMind 与 Artificial Analysis 联合发布 MKA 基准，用于评估自主 AI 智能体在 10 个专业领域处理复杂视觉文件的知识工作能力。Claude Fable 5.2 以 57% 的得分登顶，其中一个任务运行 224 轮，花费约 68 美元。该基准已在 Hugging Face 开放。

Google DeepMind 在 Hugging Face 发布 Multimodal Knowledge Agent（MKA）基准，评估自主 AI 智能体在复杂多步视觉知识任务上的能力。基准覆盖 10 个专业领域，要求智能体理解 CAD 蓝图、原理图、地理空间栅格等视觉工件，跨文档综合并编排代码执行等工具，最终交付结构化文件或技术报告；数据集采用 Apache 2.0 许可。