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。

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。