Google DeepMind 推出 MKA 基準,用 200 項專業任務考驗多模態 AI 代理

iThome AI 趨勢周報第 294 期整理:DeepMind 與 Artificial Analysis 的 MKA 評測、AWS Emulator、AlphaGenome 2,以及資安署對 AI 攻擊的通報。

重點

  • DeepMind 與 Artificial Analysis 推出 MKA 基準:200 項任務、10 大領域、83 種職業,每項約模擬資深人員 3 至 8 小時的工作。
  • 評分 75% 看事實正確、25% 看視覺呈現;Claude Fable 5.2 的 Climb WSR 為 57% 居首,Gemini 4 Carbon 為 54%,成本約為第一名的六分之一。
  • 同一期也報導 AWS Emulator 由數千個 AI 代理開發,以及資安署通報臺灣逾百萬份個資受 AI 輔助攻擊影響。
目錄(3 節)
  1. 發生什麼事
  2. 同一期的其他重點
  3. 對你的影響

發生什麼事

iThome 在 2026 年 11 月 14 日發表 AI 趨勢周報第 294 期(涵蓋 11/6 至 11/12),主打 Google DeepMind 與 Artificial Analysis 合作推出的 Multimodal Knowledge Agent(MKA)基準測試。

MKA 想評估 AI 代理能否處理「視覺型知識工作」:給它建築圖、工程圖、臨床影像等複雜檔案,要求整理資訊、交叉比對,最後產出報告、簡報或試算表。依 iThome 報導:

  • 共 200 項任務,涵蓋商業、工程、金融、醫療、科學等 10 大領域、83 種職業,每項模擬資深專業人士約需 3 至 8 小時的工作。
  • 評分檢查最終成品,75% 比重在事實正確性,25% 在視覺呈現。
  • 各模型在相同的代理環境、工具與操作次數限制下測試,完成同類工作平均需要 30 到 130 輪操作。
  • Claude Fable 5.2 以 57% 的高難度項目加權達標率(Climb WSR)居首,Gemini 4 Carbon 為 54%。Google 強調 Gemini 4 Carbon 完成任務的平均成本約只有第一名的六分之一。

DeepMind 與 Artificial Analysis 推出 MKA 基準測試多模態代理

同一期的其他重點

  • AWS Emulator: AWS 表示這個可在本機模擬 AWS API 的工具,由數千個自主 AI 代理開發,工程團隊沒有撰寫或逐行審查程式碼。流程分三組代理:依規格產生測試、與真實 AWS 服務比對差異、找原因並修 Bug,修改須通過自動化檢查。
  • AlphaGenome 2: DeepMind 的基因序列預測模型,把變異分析推進到細胞類型層級,已透過 API 開放非商業研究使用。
  • 資安署通報: 數發部資安署 11 月 11 日指出,境外駭客自 7 月起使用 AI 代理工具發動攻擊,臺灣已有十多家企業與平台受害,累計逾百萬份個資受影響,並提出重大漏洞 72 小時內修補的原則。

對你的影響

MKA 的分數是 Google 與 Artificial Analysis 的評測結果,來自 iThome 的整理,選模型時仍應用自己的任務試跑。比較實際的訊息是:代理評測開始把「成本」與「操作輪數」一起比較,而不只看能不能完成。