阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-11104 篇

刷新

韩国游戏公司 Krafton 第三季度营业利润同比降 35.5%,但累计业绩创历史新高并宣布追加回购

专题 · Krafton三季度业绩实质变化
2026-11-10 15:03

韩国游戏开发商 Krafton(크래프톤)于 11 月 10 日发布企业说明会资料,披露了按韩国会计准则(K-IFRS)计算的第三季度初步业绩。数据显示,公司第三季度营收为 9714 亿韩元,同比增长 11.6%;但营业利润为 2250 亿韩元,同比下降 35.5%。公司解释称,利润大幅下滑主要源于 8 月在德国科隆举办的游戏展(Gamescom)参展及相关营销费用的集中确认。

尽管单季度表现承压,Krafton 的前三季度累计业绩却创下历史同期最高纪录。1 至 9 月累计营收达 3.633 万亿韩元,同比增长 50.9%;累计营业利润为 1.1975 万亿韩元,同比增长 13.8%。这一反差表明公司的核心业务增长动力依然强劲,短期费用波动未改变长期盈利趋势。

在资本回报方面,Krafton 董事会于 11 月 3 日批准了一项新的股份回购计划,拟额外斥资 3000 亿韩元回购自家股票并全部注销。加上此前已执行的约 4000 亿韩元回购及 996 亿韩元的减资分红,公司今年迄今的股东回报总额达到 9172 亿韩元,为自 2023 年启动股东回报政策以来的年度最高水平。此次追加回购显示管理层对现金流状况的信心,旨在通过减少流通股本提升每股收益。

信息源:스타트업 생태계의 모든 것 \'플래텀(Platum)\'

研究

AI基建的“隐形成本”:谷歌库存激增5倍,英特尔因基板短缺追加数十亿投资

专题 · AI基建库存与供应链瓶颈实质变化
2026-11-11 22:00

随着AI基础设施投资的扩大,从设备采购到实际算力上线之间的时间差和资金占用正成为新的行业痛点。据EE Times Japan报道,Alphabet(谷歌母公司)的库存水平在2025年末至2026年9月间从24亿美元激增至133亿美元。这一变化主要源于Google商业模式的转变:除了通过Google Cloud提供算力外,公司开始直接向客户设施销售TPU(Tensor Processing Unit,张量处理单元)系统。这种硬件销售模式导致在确认收入前,大量资金被积压在制造和物流环节。

Alphabet首席财务官Anat Ashkenazi在第三季度财报电话会议上解释称,一旦客户签约,订单即计入积压,Google需提前启动系统制造。尽管这有助于稳定需求预期,但公司未披露TPU系统在总库存中的占比及具体交付周期。这一案例凸显了衡量AI基建成熟度的关键指标正在从单纯的资本支出(Capex)转向“从承诺投资到硬件实际运行所需的时间”。

与此同时,英特尔(Intel)也面临着类似的产能转换与供应链约束。为应对服务器CPU需求的激增,英特尔首席财务官David Zinsner透露,公司已将原本计划用于Panther Lake客户端芯片的部分“Intel 18A”制程产能,重新分配给Granite Rapids服务器CPU的生产。此外,CEO陈立武(Lip-Bu Tan)指出,先进封装技术EMIB所需的有机基板短缺已成为扩产的主要制约因素。为此,英特尔在2026年第三季度后签署了两项基板供应协议,预计投入资金达53亿至61亿美元,其中约33亿美元需在2027年底前支付。

这些动态表明,AI算力的供给不仅受限于晶圆制造能力,更受制于后端封装、基板供应以及由此产生的营运资金压力。对于投资者而言,关注点需从宏观的投资总额下沉至具体的供应链瓶颈和现金流效率。

信息源:EE Times Japan

研究

电獭副执行长苏芃翰:不换ERP也能让AI读懂企业数据——资料正规化加MCP的导入逻辑

实质变化
2026-11-11 13:09

东亚照明当初找上电獭,想解决的问题不是「用哪个模型」,而是谁能帮他们把旧的ERP换成新的。换ERP对传统产业是大工程——很多企业的ERP早年由系统整合商高度定制,对方没办法给API,也无法配合开发。新厂商就算做出AI聊天机器人,想接进去也会卡关。真的要换,公司可能停摆半年,绑在系统里的人和流程也很难一起改。

电獭共同创办人暨副执行长苏芃翰给出的解法是不让客户换ERP。他的定位判断很明确:做工具给AI用,而不是去取代AI agent或跟AI agent竞争,因为agent太强了。具体做法是,客户说明流程,电獭的前进部署工程师团队带着产品经理和商务拓展人员进驻,把散在各系统的资料拉进AotterClam AI的资料中台。这个中台覆盖在客户原本的ERP上,把资料正规化,让AI看得懂,后面的分析与应用再交给AI。

电獭2012年成立时是一家软件研发公司,旗下有百万订阅的YouTube频道电獭少女。今年4月推出的企业AI资料大脑AotterClam AI,核心就是把力气花在整理企业散落各处的资料上,整理好之后透过MCP协定交给客户已经在用的AI。主管不需要懂MCP是什么,在Claude或GPT的窗口里发问,就能拿到分析。

实际效果如何?电獭共同创办人暨执行长谢纶说,东亚照明的中高阶主管现在直接开Claude或GPT。要准备董事会报告,只要跟AI说调出这一季的毛利率、成长多少、原因是什么,哪个业务指标落后、哪个业绩高但获利低,答案瞬间就出来了。

谢纶补充了一个更深的观察:制造业真正的痛点常在运输。出货选海运还是空运,成本差很多,海运端又没有API,但从进销存资料看得到。过去专业分工,每个人只看自己的系统,公司营运到处是断点;资料串起来之后,就能判断这批货不需要用到空运、它其实还来得及,排程也能马上优化。

不过,资料正规化最难的一步常常卡在人身上。苏芃翰提到一个现象:所有公司其实都会有一个很神秘的人,他知道怎么填这个单。这个人可能是阿姨也可能是大叔,知道什么情况下哪个字段要填什么字。系统操作过上万次,别人看起来很难的事,对他来说很自然,连单子提交出去要等30秒,他都知道这段时间可以先做什么。很多ERP没有跟着产业深度定制,各行业就发展出自己的特殊用法——「我们又没有订单,那为什么那个填单上的标题就要写订单?」每个人都叫它订单,实际上它并不是订单。

这也解释了为什么推动AI导入的最佳对口是中高阶干部而非老板。苏芃翰用煤油灯换电灯比喻:「老爷夫人无感,因为都是仆人在换。」仆人觉得很方便,老板只觉得灯都会亮,不懂为什么要换。真正让老板有危机感的是人口老化——有些制造业的财会人员原本有8到10人,熟悉传统ERP流程的人五到十年内会陆续退休。

在资安策略上,苏芃翰给出一个简洁的判断标准:「如果你愿意把这份资料上传到Google Sheet,那应该也还好。」至少就能用云端模型,不做太垂直的应用,八成需求都可以处理。对云端仍有戒心的企业,电獭也能提供地端方案,但会提醒地端模型的能力有限。建议做法是把资料分成不同机敏程度:真正机敏的资料放在地端慢慢处理;已经汇整成季报表、去除人名与厂商联络信息的资料,可以用云端看大方向的洞见。

需要指出的是,上述所有成效描述——包括谢纶所称「15分钟就能上线一套完全定制ERP」——均为厂商自述,没有独立验证。电獭服务的多是老企业,这些公司不缺钱、利基市场稳,一旦换上新系统和新流程反而能续命,但这个条件不一定适用于所有产业阶段。资料中台本身也成为新的依赖:如果正规化过程遗漏了关键业务语义,AI读到的「干净资料」可能恰恰是错误的资料。

苏芃翰认为,现在对AI的顾虑跟十年前对云端的顾虑类似。当年企业担心主机上云,Google就会知道所有东西;更早之前,大家连线上刷卡都不敢。他形容这是一次范式转移,过了十年,下一代从出生就在跟AI聊天。这个类比本身也是一个假设——它预设AI的信任建立会遵循与云端相同的轨迹,但AI处理的是推理而非储存,风险结构未必相同。

信息源:INSIDE

研究

Gartner建议建立AI中央银行与价值风险飞轮,弥合企业AI治理落差

专题 · Gartner实质变化
2026-11-11 12:11

Gartner在2026年10月美国佛罗里达州IT Symposium/Xpo大会上,将一项具体矛盾摆在CIO面前:71%的企业计划在未来12个月内部署AI代理,但仅21%已具备AI代理治理能力。Gartner杰出研究副总裁Kristin Moyer指出,这种落差使得价值创造的速度难以超越风险累积。与此同时,Gartner第三季针对303位CIO及IT风险管理主管的调查显示,仅25%的CIO能够有效协调技术风险与业务风险。

Gartner提出的第一项机制是价值风险飞轮模型。飞轮中有两股核心力量:动能能够加速成果实现,阻力则可能拖慢进展。Gartner杰出研究副总裁Daryl Plummer强调,动能未必全然有利,适当的阻力也可能带来正面效果——优秀CIO应懂得创造良性动能、策略性引入良性阻力,同时降低负面动能及负面阻力。飞轮中心需要一个调速器,负责决定何时价值获取值得承担风险、何种价值观应占主导地位、如何确保组织安全。

第二项机制是建立AI中央银行。这一组织相当于企业内部AI决策的虚拟控制平台,能建立当责制度、落实技术治理、管理经济活动并形成共享智慧。Moyer解释,其目的并非集中式管理,而是达成共同目标、整合协调及跨部门合作,确保人与机器之间具备透明度、协调性及当责机制。Plummer同时提醒,AI中央银行本身无法消除风险,也无法直接创造价值,真正能做到这些事情的仍然是人。

第三项机制是培育AI创业家。Gartner认为高阶AI使用者即AI工匠正逐渐成为最终的价值创造者,他们运用AI提出创新解决方案并重新定义工作模式。要扩大飞轮中的价值端,企业需打造具备AI素养的创新人才文化,提供人员通过偶发契机重新设计工作方式的空间,并在取得成果时提供奖励。

需要明确的是,这三项机制是Gartner基于其调查数据提出的协调框架,而非经过实施验证的标准化方案。其价值在于为面临治理落差的CIO提供了结构化思考路径,但具体成效仍取决于企业自身的策略与风险承受度。

信息源:iThome

研究

SK海力士LPDDR5X获IEC 61508 SIL 3及ISO/SAE 21434认证,拓展物理AI安全标准

专题 · SK海力士物理AI认证实质变化
2026-11-11 07:59

韩国半导体制造商SK海力士(SK hynix)于2026年11月11日宣布,其LPDDR5X动态随机存取存储器(DRAM)已获得IEC 61508标准下的SIL 3(安全完整性等级3)工业功能安全认证,同时其产品开发流程也获得了基于ISO/SAE 21434标准的网络安全管理系统(CSMS)认证。这两项认证均由全球认证机构SGS-TÜV Saar(包括SGS韩国和SGS日本分部)经过严格评估后颁发。

IEC 61508是工业功能安全的国际标准基础,分为SIL 1至SIL 4四个等级,其中SIL 3是单一存储半导体所能获得的最高级别。该标准要求系统在连续运行模式下实时维持安全性,不中断系统操作,这为实时机器人控制等应用提供了基础。此前,SK海力士已在2026年1月获得了ISO 26262 ASIL-D汽车功能安全认证,此次新认证将其功能安全能力从汽车领域扩展至机器人、智能工厂等更广泛的工业应用场景。

在网络安全方面,ISO/SAE 21434是针对汽车网络安全的国际标准,要求在整个产品生命周期内管理网络安全活动。随着车辆向软件定义汽车(SDV)模式演进并日益连接到外部通信网络,联合国欧洲经济委员会(UNECE)已将建立CSMS作为车辆型式批准的前提条件。SK海力士此次获得的CSMS认证验证了其应对恶意攻击的能力,与其之前获得的TISAX(汽车行业信息安全标准)认证共同构成了其在物理AI市场所需的安全与保障组合。

值得注意的是,SK海力士不仅为其LPDDR5X产品本身获得了认证,还为其整个开发过程获得了认证。这表明该公司已建立一个框架,能够持续将安全要求纳入当前和未来的产品中。凭借LPDDR5X低功耗、高性能的特性,SK海力士计划积极满足正在开发机器人平台和片上系统(SoC)解决方案的客户对功能安全的需求。

信息源:SK hynix Newsroom

研究

Meta工程博客详解"Your algorithm":不同规模的LLM如何分工,把用户的一句话变成推荐结果

实质变化
2026-11-11 01:00

美国科技公司Meta的工程团队在2026年11月10日发布了一篇技术博客,详细拆解了"Your algorithm"系统的内部架构。这套工具此前已在10月面向用户上线,允许人们在Facebook的Feed和Reels中用自然语言写下自己想看或不想看的内容。博客的重点不是功能介绍,而是解释一个工程问题:如何把用户随口说出的一句话,变成推荐系统里真正生效的排序信号。

Meta团队指出,传统推荐系统依赖隐式行为信号(点击、停留时长等),虽然能规模化运行,但适应慢、捕捉不到细微意图。"Your algorithm"试图补上这个缺口:用户直接说"我想看更多关于城市园艺的内容"或"我不想再看到AI生成的图片",系统需要立刻理解这句话、存储它、并在后续推荐中执行它。这带来三个具体难题——新兴趣要快速出现但不能淹没其他内容;排除项要在主题模糊的情况下可靠过滤;以及已经缓存的旧推荐如何被更新。

在"想看"一侧,每个用户添加的兴趣会驱动四路独立检索:两路直接匹配(通过搜索和通过主题聚类),两路扩展覆盖(通过内容图谱和物品到物品相似度)。这样做的目的是确保全新兴趣的内容不会在召回阶段就彻底缺席。通过相关性检查的候选在排序后段获得提权,随后由重排层的控制机制决定它们出现在哪里。Meta强调"平衡优先于数量":控制层会拉开同一兴趣的推荐间距,并对每个兴趣设每日上限;检索阶段每次请求只为一个兴趣拉取候选,让所有兴趣轮流获得机会。

在"不想看"一侧,过滤分布在多个阶段。排序阶段使用与相关性检查相同的嵌入比较来移除过近的候选,并用降级规则压低近似匹配。排序之后,一个LLM重排器审查最终列表。在设备端,缓存失效机制会丢弃已经排队待展示但与新排除项匹配的内容。值得注意的是,并非所有排除项都是主题性的——减少AI生成内容或性暗示内容这类质量请求,会映射到专门的降级信号而非主题匹配;如果用户点名某个创作者,该创作者的内容会被直接过滤。

LLM在这个系统中出现在三个不同位置,各自承担不同任务,也对应不同规模的模型。在用户首次访问时,一个LLM负责生成初始画像:把持续刷新的兴趣信号转成可读的主题名称,填入"想看"列表,同时写出一句"最近在看"摘要。在用户每次编辑偏好时,另一个较小的LLM负责验证——检查短语是否构成连贯主题、检测重复、映射到规范名称。Meta说明这一步使用小模型是为了在规模下高效服务。在排序完成后,一个经过微调的LLM重排器执行最后一道检查。

Meta在博客中分享了一个关键工程发现:在重排过滤环节,一个被微调为"只返回需要删除的条目"的小模型,比让通用模型逐条判断每个候选是否相关,既更快也更可靠。这个结论直接影响了模型选型——不是用更大的通用模型做更精细的逐条推理,而是用更小的专用模型做批量排除。

如何评估这些LLM调用本身也是一个问题。Meta指出,标准离线指标无法判断一句"最近在看"摘要是否准确,也无法判断重排器是否删对了内容。他们的做法是用另一个独立LLM充当裁判,对每次调用的输出按预期行为打分,从而在上线前提供可重复的对比基准。

Meta在文末承认仍有未解决的问题:对模糊输入的解读能力、让推荐更精确地响应每一条具体请求,以及从更多入口收集用户偏好。这篇博客的价值在于,它展示了一个从自然语言到排序信号的完整工程链路,以及在这个链路中,不同任务对模型规模、输出格式和评估方式的差异化要求。

信息源:Engineering at Meta

研究

微软修复Outlook零日漏洞CVE-2026-124194,攻击者可窃取NTLMv2哈希

实质变化
2026-11-11 11:02

微软在11月的例行更新(Patch Tuesday)中修复了超过1000个安全漏洞,其中编号为CVE-2026-124194的Outlook漏洞因已检测到实际利用活动而受到特别关注。该漏洞允许未经身份验证的攻击者发送特制消息文件,诱导用户通过Outlook打开。一旦用户执行此操作,Outlook将连接至攻击者控制的网络位置,但不会显示访问外部内容的常规警示信息。

成功利用该漏洞后,攻击者有机会获取用户的NTLMv2哈希数据,进而冒充用户身份。该漏洞的CVSS严重程度评分为6.5。微软呼吁用户尽快安装修补程序以防范此类欺骗攻击。

信息源:iThome

研究

曼彻斯特大学与巴斯克大学联合研究揭示:高校教师高估学生AI使用频率,感知差距达2.12分

专题 · AI使用感知差距快讯
2026-11-11 10:05

一项由英国曼彻斯特大学(University of Manchester)和西班牙巴斯克大学(Universidad del Pais Vasco)联合开展的新研究显示,高校教师普遍高估了学生在学业中使用生成式人工智能的程度。该研究于2024年4月至6月期间进行,调查对象为某研究型大学社会科学学院的45名学术人员和86名学生。

数据显示,在评估学生使用AI的频率时,受访学术人员给出的平均评分为5.23分(满分7分),而学生的自我报告平均分仅为3.11分。这一显著的感知差距表明,教育者可能基于假设而非实际经验来制定应对策略。研究人员指出,虽然学生可能存在低报行为,但教师也难以准确识别AI的使用情况,这增加了政策制定的复杂性。

曼彻斯特大学教育学高级讲师、该研究作者之一Mark Carrigan博士表示:“我们需要超越怀疑的氛围,关注这些工具如何被恰当地用于支持学习,并为AI时代重新思考教学与评估。”他强调,由于师生对AI使用的看法截然不同,大学难以基于假设而非对学生体验的清晰理解来制定有效的应对措施。

信息源:TechRadar

研究

美国核管会批准X-energy首座工业级小型模块化反应堆建设许可

专题 · X-energy实质变化
2026-11-11 04:43

核能初创公司X-energy宣布,美国核管理委员会(NRC)已批准其在得克萨斯州一座道化学(Dow)工厂建设四台Xe-100小型模块化反应堆(SMR)的施工许可证。每台反应堆预计可产生80兆瓦电力和200兆瓦热量。X-energy称,这是美国首个在工业现场获得批准的先进核反应堆建设项目。

小型模块化反应堆被视为解决人工智能数据中心能源需求激增的关键方案。支持者认为,缩小反应堆规模可以加快施工进度并降低成本,但这些优势尚未得到证实。目前美国尚无投入运营的小型模块化反应堆,X-energy表示道化学的这几台反应堆要到2030年代初才能投入使用。

该审批引发了安全方面的争议。关注科学家联盟(Union of Concerned Scientists)核安全总监Edwin Lyman批评称,NRC通过将关键安全问题推迟到后续阶段处理才实现了这一快速审批,而这些本应在施工前彻底解决的问题被搁置了。

尽管存在争议,超大规模云服务商对核电表现出强烈兴趣。亚马逊气候承诺基金曾领投X-energy的5亿美元C-1轮融资,并承诺购买该公司5吉瓦的产能。X-energy于2026年4月首次公开募股筹集了10亿美元,但受核项目高成本和长周期影响,投资者情绪有所降温,其股价目前低于IPO价格的一半。此次许可批准使股价小幅回升,但仍未能完全抵消上周的损失。

信息源:TechCrunch

研究

美国太阳能产业在贸易壁垒下艰难“去中国化”:T1能源转型与行业停滞并存

专题 · 美国太阳能去中国化实质变化
2026-11-10 19:53

华盛顿正试图切断美国太阳能企业对中国供应链的依赖,但这一过程比预想的更为复杂。今年12月,美国商务部将实施新的第232条款规定,要求面板制造商对其进口的电池及特定组件支付固定最低价格,并缴纳高达15%的关税。这些规则旨在终结中美之间多年的贸易博弈,此前中国太阳能制造商通过转移至亚洲或非洲其他工厂来规避美国关税。

位于德克萨斯州的T1能源公司正在应对这一变化。该公司CEO Daniel Barcelo表示,新规将“真正拉平竞争环境”,使其在与竞争对手的较量中占据优势。然而,由于新规推高了面板价格,部分太阳能安装商陷入恐慌。据太阳能研究机构Anza称,近几个月来,因第232条款相关的价格调整,至少有1吉瓦的大型太阳能项目已被取消。

T1能源的诞生本身便是全球清洁能源贸易战的结果。Barcelo曾计划建立电动汽车电池工厂,但因中国竞争对手的压力和美国《通胀削减法案》的激励而转向太阳能。2024年12月,他以6.21亿美元收购了中国天合光能(Trina Solar)在达拉斯刚建成的工厂及供应合同。尽管天合光能完全退出了股权,但T1仍深度依赖中国技术:其锚定客户是天合光能,承诺每年购买1吉瓦的面板;工厂内使用的特种玻璃来自浙江;甚至设备维护也依赖中国承包商。

尽管美国几乎不再从中国直接进口核心组件,且面板进口量降至七年低点,但彻底“离婚”并不现实。T1仍在建设基于中国技术的自有电池工厂,并等待商务部的豁免裁决以在完成本土化投资前避免关税惩罚。Wood Mackenzie分析师Elissa Pierce指出,目前美国66吉瓦运营中的模块制造产能中,超过40%源自中国制造商或合资企业拥有的设施。

贸易壁垒并未立即引发国内制造业复兴。根据Clean Investment Monitor数据,今年新增太阳能设施的投资额与去年持平,约为29亿美元,同时有28亿美元的其他太阳能工厂投资被取消。Pierce认为,关税增加成本与关键税收抵免逐步淘汰的双重影响,使金融家和制造商对承诺资本持谨慎态度。政策推动的供应链独立与市场实际反应之间的张力,正成为美国太阳能产业面临的核心挑战。

信息源:semafor.com

研究

Salesforce安全团队:用Agentforce对话式分诊取代邮件收件箱

专题 · Salesforce快讯
2026-11-11 06:22

Salesforce内部安全团队过去每18个月收到约11万封与安全相关的邮件,其中大约一半来自员工,而这部分邮件中又有45%需要人工分诊。安全运营中心(CSOC)团队大量时间花在重新路由与无关请求、追查缺失的日志细节、以及解读模糊的简短描述上。真正的安全信号被淹没在数量之下。

Salesforce安全团队在2026年11月发布了一篇内部实践记录,描述了他们用Agentforce驱动的Slack原生助手——Security Reporting Agent——取代这一邮件收件箱的过程。作者Julissa Marcenaro、Matt Robinson和Jingqi Wu将核心架构决策概括为:从不可见的后端邮件解析器,转变为Slack中主动的对话式前线体验,引导员工在实时对话中写出完整报告,而非提交后再通过追问填补空白。

这一转变涉及三个技术组件的协同:Slack作为对话入口,Agentforce执行实时引导分诊并动态追问缺失上下文,Service Cloud作为底层引擎生成预结构化案例并直接路由给CSOC响应者。产品团队将模型从后端解析改为对话式引导;工程团队将agent迁移到Agentforce Script,把多个重叠话题合并为精简的执行框架;运营团队分析了五年历史数据,确定哪些请求真正属于CSOC,哪些只是制造摩擦——例如丢失工卡应归设施部门,钓鱼邮件应直接引导至Gmail原生报告工具。

质量评估方面,Salesforce构建了一个自动化框架:记分卡包含6个主类别和12个分级子类别,目标成功阈值在85%到98%之间;持续模拟测试框架不断运行模拟对话来检测事实准确性、技术完整性、语气和同理心方面的细微回归,在问题进入生产之前将其拦截。

beta阶段的结果显示,261名员工的378次合格对话中,72%被agent即时处理——直接回答或路由到正确部门而未开单;28%是真正的安全关切,被转化为完整的结构化案例,无需人工分析师进行初步分诊。Salesforce将这些早期模式外推到83000多名员工,认为趋势是更少的来回沟通、首次触达即获得完整上下文、以及响应者带宽集中于关键威胁。

需要指出的是,以上所有数据均为Salesforce自报的内部beta结果,样本量有限,未披露置信区间或绝对分诊准确率。72%的即时处理率可能部分反映的是非安全请求被正确分流,而非安全分诊本身的质量提升。文章本身也注明该agent仅面向Salesforce员工内部使用,客户和合作伙伴仍应通过security@salesforce.com报告安全问题。

信息源:Salesforce

研究

谷歌DeepMind与Artificial Analysis推出多模态知识代理基准测试,评估AI在复杂视觉工作流中的表现

专题 · MKA基准测试实质变化
2026-11-11 00:00

美国科技公司谷歌(Google)旗下的DeepMind团队与国际AI评测机构Artificial Analysis合作,于2026年11月10日推出了名为“多模态知识代理”(Multimodal Knowledge Agent,简称MKA)的新基准测试。该基准旨在评估AI代理在处理视觉上复杂的文件时,完成现实世界知识工作任务的能力。

与以往主要依赖纯文本输入的基准不同,MKA针对的是日常专业工作中常见的视觉化任务,如交叉参考建筑蓝图、追踪工程原理图以及将发现综合成演示文稿或报告。为了贴近真实工作流,谷歌与来自10个垂直行业和83种职业领域的专家合作,构建了包含200个任务的评估集。每个任务都模拟了一个资深专业人士需要3到8小时才能完成的多步骤项目,并配有约70项由专家编写的评分标准,其中75%权重在于事实准确性,25%在于视觉设计。

为确保结果的公正性,Artificial Analysis负责运行这200个任务的评估集,并保持其私密性,以防止任务数据泄露到训练集中或被模型通过搜索找到。同时,谷歌在Hugging Face上发布了10个公开任务样本,供开发者检查格式并测试自己的代理。所有模型均在相同的开源代理框架Stirrup中运行,使用相同的工具、沙箱和回合预算。

谷歌声称,其最新模型Gemini 4 Carbon在该基准测试的质量排名中位列第二,且平均成本比得分最高的模型低6倍。这一性能优势被描述为在质量和价格之间的帕累托前沿。然而,这些结果目前基于厂商自测,尚未得到独立第三方的全面复现验证。

信息源:Google

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系