谷歌 DeepMind 联合 AI 评测机构 Artificial Analysis 正式推出 MKA（Multimodal Knowledge Agent，多模态知识智能体）基准测试，这套评测集专门用来检验 AI 智能体看懂图纸、图表、扫描件这类视觉复杂文件，并且完成多步骤专业工作的能力，区别于以往只靠纯文本问答的传统评测，更贴近职场里真实的知识工作场景。市面上很多 AI 基准测试大多只输入文字，很难考验模型看图理解、跨文件综合推理的能力，而现实里工程师、律师、金融、医疗人员每天都要处理图纸、报表、扫描文档，需要多轮调用工具、查阅资料、输出完整交付物，老评测很难反映这类真实能力；MKA 联合十个行业、83 类岗位的领域专家出题，一共 200 道专业任务，每一项任务原本需要资深专业人员花 3 到 8 小时才能做完。整套评测流程是统一使用开源 Stirrup 智能体框架，所有模型在相同 Linux 沙箱里运行，开放联网搜索、代码执行、图片查看工具，限制交互轮次，最后由独立评审智能体对照专家制定的打分清单逐项核验成果，人工复核和自动评审的一致性达到 96%，打分权重 75% 看事实准确性、25% 看视觉呈现。综合来看，MKA 给行业提供了一套更贴近真实职场的 AI 智能体标尺，不再只看简答正确率，重点考核 AI 智能体完成完整项目交付的综合能力，Gemini 4 Carbon 在首轮测试里拿到第二名，同时拥有明显的成本优势。
MKA 基准测试核心信息清单
- 全称：Multimodal Knowledge Agent（MKA）多模态知识智能体基准测试
- 合作方：Google DeepMind + Artificial Analysis
- 任务总量：200 项专业任务，仅 10 项对外公开
- 覆盖行业：商业、建筑、教育、工程、金融、医疗、法律政府、物流地图、科学、软件数据，共 10 大领域
- 配套框架：Stirrup 开源智能体 harness
- 运行环境：Linux 沙箱，支持联网搜索、代码执行、图片查看工具
- 打分规则：专家制定评分项，以 Climb WSR（加权满足率）作为核心得分指标
- 评分权重：事实准确性 75%，视觉设计与格式交付 25%
- 首轮参测亮点：Gemini 4 Carbon 排名第二，任务平均成本仅榜首模型约六分之一
新旧 AI 基准测试对比表
| 项目 | 传统文本类基准测试 | MKA 多模态知识智能体基准测试 |
|---|---|---|
| 输入素材 | 纯文本问题为主 | 图纸、报表、扫描件、示意图等大量视觉复杂文件 |
| 任务形式 | 单轮问答、简答 | 多步骤完整项目，产出报告、PPT、表格、标注图纸 |
| 考核重点 | 知识记忆、文本推理 | 跨模态理解、工具调用、项目交付、事实保真 |
| 场景贴近度 | 偏向学术考题 | 建筑师、工程师、法务等真实职场工作流 |
| 评审方式 | 简答对错判定 | 对照上百条细则逐项核验交付文件 |
【常见问题】
问题 1：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，MKA 基准测试主要测 AI 什么能力？
回答 1：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，MKA 用来测试 AI 智能体看懂图纸、图表、扫描件等视觉复杂文件，借助工具完成多步骤专业项目、交付完整工作成果的能力。
问题 2：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，MKA 和普通大模型评测最大差别在哪？
回答 2：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，普通评测大多是纯文本问答，MKA 任务都来自真实专业岗位，需要 AI 看懂视觉文件、多轮调用工具、输出完整项目交付物。
问题 3：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，首轮 MKA 测试里 Gemini 4 Carbon 表现如何？
回答 3：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，Gemini 4 Carbon 在首轮 MKA 测试拿到第二名，同时完成任务的平均成本远低于排名第一的模型。
问题 4：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，MKA 的打分是人工来判吗？
回答 4：谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测，主要由独立评审智能体按照专家标准自动打分，同时抽样人工复核，人工与自动评审结果一致率 96%。
【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]（MKA Benchmark：Google 联合 Artificial Analysis 发布面向专业智能体评测基准）Artificial Analysis 官网
[2026-11-10]（MKA benchmark tests AI agents on 200 real professional files）OpenTools
【免责声明】
本文所有信息来自谷歌官方博客、Artificial Analysis、科技媒体公开资讯整理，谷歌联合 Artificial Analysis 推出 MKA 基准测试，面向多模态知识智能体评测的任务集、打分规则、测试结果以官方平台为准；MKA 评测结果仅代表该基准下的表现，不代表模型在所有场景下的能力，本文仅为行业资讯整理，不构成模型选型、采购、投资建议。