谷歌和独立 AI 评测机构 Artificial Analysis 一起发布全新 MKA 多模态知识智能体基准测试，专门用来检验 AI 智能体看懂复杂图文文件、完成真实职场知识任务的能力，在首轮同台对比里，Gemini 4 Carbon 拿到质量得分第二名，完成单任务的平均成本只有榜单第一名模型的六分之一，兼顾不错的多模态理解能力和很低的调用成本。传统 AI 基准大多只考纯文本或者简单图片识别，很难还原建筑师、金融、医疗这些岗位要同时处理图纸、报表、扫描文档的真实工作，所以谷歌联合 Artificial Analysis 找了十个行业、八十多种职业的专业人士，一起设计整套评测任务，整套一共 200 道保密评测题，避免题目流入训练集导致模型刷分，同时放出 10 道公开样例给开发者上手调试。MKA 测试不只是看模型能不能看懂图片，还要求 AI 自主读取多份复杂文件、梳理信息、输出规范交付文档，按照专家制定的打分规则核算分数，Gemini 4 Carbon 这次的表现说明它在企业多模态办公场景里性价比优势突出，适合批量落地知识类 AI 代理任务。
MKA（Multimodal Knowledge Agent）基准测试基础介绍
- 开发合作方：谷歌、Artificial Analysis
- 核心定位：面向真实职场的多模态知识智能体评测基准，重点考核跨文件、跨模态的自主推理能力
- 覆盖行业：一共 10 个垂直领域，包含建筑、金融、医疗、工程、法律、科研、物流、教育等
- 评测任务总量：200 道私有正式任务，10 道公开样例任务上传至 Hugging Face
- 任务特点：单题对应专业人员 3 到 8 小时工作量，素材包含 CAD 图纸、X 光片、复杂表格、地图、多页报告等
- 打分规则：自动评审器打分，75% 权重看事实准确性，25% 权重看视觉内容处理，自动评审结果和人类专家一致性 96.2%
MKA 首轮参测模型成绩一览
| 模型 | 质量排名 | 核心表现 | 单任务成本特点 |
|---|---|---|---|
| Claude Fable 5.2 | 1 | 综合得分最高 | 单任务成本更高，是 Gemini 4 Carbon 的 6 倍左右 |
| Gemini 4 Carbon | 2 | 第二名，多模态知识推理稳定 | 成本优势明显，性价比突出 |
| Claude Opus 5.5 | 3 | 得分低于前两者 | 成本高于 Gemini 4 Carbon |
| GPT-6 Astra | 4 | 本轮测试得分垫底 | 成本高于 Gemini 4 Carbon |
Gemini 4 Carbon 参与 MKA 测试的使用和接入方式
- 开发者前往 Google AI Studio，调用 Gemini API 选择 gemini-4-carbon 模型
- 接入 Artificial Analysis 评测平台，加载 MKA 评测套件执行任务
- 模型自主读取配套多模态素材文件，按要求输出文档、图表等交付物
- 平台自动运行评审规则，输出质量得分、消耗 token 量、单任务成本数据
- 开发者可以对照公开样例调试自己的 AI 智能体，对比 Gemini 4 Carbon 在 MKA 基准上的表现
【常见问题】
问题 1：MKA 基准测试和普通 AI 评测有什么不一样，Gemini 4 Carbon 在 MKA 里的优势是什么？
回答 1：MKA 基准测试主打真实多模态知识工作场景，考察 AI 智能体处理图纸、报表、影像等复杂文件的端到端任务能力，不是简单看图答题；Gemini 4 Carbon 在 MKA 基准测试拿到第二名，推理质量接近头部模型，同时任务成本仅为第一名六分之一，属于质量和成本平衡很好的选择。
问题 2：普通开发者可以直接使用 MKA 基准测试，拿它测试自己的模型吗？
回答 2：开发者可以使用 MKA 基准测试公开的 10 道样例任务调试智能体，完整 200 道正式 MKA 评测任务是保密的，由 Artificial Analysis 平台托管运行，防止数据集泄露被模型学习，开发者可以在平台提交模型，和 Gemini 4 Carbon、Claude 等模型同台跑 MKA 评测。
问题 3：Gemini 4 Carbon 在 MKA 基准测试拿到第二，是不是代表它所有 AI 任务都比其他模型更强？
回答 3：Gemini 4 Carbon 的第二名成绩只针对 MKA 基准测试定义的多模态知识工作任务，不同基准侧重方向不一样，这个结果不能代表它在代码、长文本、纯图像创作等其他任务上也排名第二。
问题 4：MKA 基准测试里，Gemini 4 Carbon 更低的任务成本，是怎么实现的？
回答 4：在 MKA 基准测试中，Gemini 4 Carbon 完成同类任务消耗的交互轮次、token 总量更少，推理策略更高效，不需要大量反复调用验证，所以完成同样多模态知识任务的平均成本只有 MKA 第一名 Claude Fable 5.2 的六分之一。
【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
[2026-11-10]（Multimodal Knowledge Agents benchmark: November 2026）Google 官方博客
[2026-11-10]（Multimodal Knowledge Agent (MKA) benchmark: testing knowledge work capabilities with complex visual files）Artificial Analysis 官网
【免责声明】
本文信息仅为行业资讯整理，MKA 基准测试评测结果、Gemini 4 Carbon 的 API 定价、模型能力以谷歌和 Artificial Analysis 官方发布内容为准；MKA 基准测试仅代表该评测框架下的表现，不代表模型在全部业务场景的效果；本文不构成模型选型、采购与开发投入建议。