实测谷歌 MKA 多模态基准:六大 AI 工作流横评,数字易翻车
Emergency_Abies_6508 · reddit · 2026-11-13
作者亲自跑了 Google 与 Artificial Analysis 新推出的多模态知识智能体(MKA)基准:从 Hugging Face 下载了一个教育/历史类任务,在 GPT、Gemini、Claude、NotebookLM 等六种 AI 工作流上对比测试,并按评分细则逐项打分。
发现:
- 部分工具能产出视觉效果出色的演示文稿,但在数字准确性上翻车(如图示中瓜达拉哈拉与马拉加的城堡/聚落数据)
- 作者发布了博客,包含完整结果、各工具的实际输出与观察心得
对想了解多模态 agent 在真实知识任务中表现差异的人是一份实用的第一手横评。
「模型」频道最新
- 爆料称中国主要模型均在 Blackwell 级芯片上训练,但规模令人失望 — teortaxesTex · 2026-11-13
- 实测:$200 Claude 订阅上月用了 4988 美元 API 额度的 token — jonathan_wilke · 2026-11-13
- AA 机器人榜 v0.1:Gemini 4 Hydrogen 居 Google 首位、总排第四 — ArtificialAnlys · 2026-11-13
- 4689 次 Agent 实测:DeepSeek V4 爱争辩,Gemini 3.8 Flash 静默出错 — Kindly-Bag763 · 2026-11-13
- 分析师研判 DeepSeek V4:Flash 版大获成功,V5 或走超高效小参数路线 — teortaxesTex · 2026-11-13
- 交互即裁判：纯交互奖励微调 Qwen-3.5-9B 胜率提升 6.7pp — arena · 2026-11-13