Quelle: Digital Times, Reporter Gubon-gyu
Vollständiges Zitat des Artikels „KI-Startup Clevi erreicht die besten 2,5 % bei GAIA … unter Beweis gestellte Glaubwürdigkeit“
Veröffentlichungsdatum 2026-04-08
Link: https://n.news.naver.com/article/029/0003020511?sid=105
Das koreanische KI-Startup ‚Clevi‘ gab bekannt, dass es eigene Modelle und eigene Agentenlösungen von Grund auf entwickelt und als erstes Unternehmen in Korea beim GAIA-Benchmark, gemessen an insgesamt 3.090 registrierten Modellen, die besten 2,5 % erreicht hat.
Laut Branchenangaben prüft GAIA, das von Meta AI konzipiert und von Hugging Face betrieben wird, bei KI nicht die Fähigkeit, „nur eine Sache gut zu können“, sondern die Fähigkeit, „mehrere Fähigkeiten zu kombinieren und reale Probleme zu lösen“. Die KI muss Informationen im Web finden, Tabellen in PDFs lesen, Bilder analysieren, durch Ausführen von Code Berechnungen durchführen und die Ergebnisse zu einer einzigen richtigen Antwort zusammenführen. Mit 301 nicht öffentlichen Fragen, drei Schwierigkeitsstufen und dem Grundsatz, die Antworten nicht zu veröffentlichen, ist das System so aufgebaut, dass weder Überanpassung noch Cheating möglich sind.
Um in dieser Prüfung eine hohe Punktzahl zu erzielen, sind zwei Dinge erforderlich: die Schlussfolgerungsfähigkeit des zugrunde liegenden Sprachmodells und eine Agentenlösung, die dieses Modell mit Werkzeugen der realen Welt verbindet und es Aufgaben autonom ausführen lässt. Selbst wenn das Modell noch so gut ist, kann es Level 3 nicht lösen, wenn der Agent schwach ist; und selbst wenn der Agent noch so ausgefeilt ist, werden falsche Antworten auf den mittleren Stufen weitergegeben, wenn die Schlussfolgerungsfähigkeit des Modells nicht ausreicht.
Betrachtet man die aktuelle Struktur der GAIA-Rangliste, ist ein interessantes Muster zu erkennen. Die meisten Agenten auf den vorderen Plätzen verfolgen die Strategie eines „Multi-Model-Mix“ und kombinieren mehrere Big-Tech-Modelle wie GPT, Claude und Gemini. Das ist ein rationaler Ansatz, der die Stärken der einzelnen Modelle verbindet und Punktverluste durch Informationsverlust und ähnliche Faktoren abwehrt.
Clevi hat sich dieser Gruppe hingegen nicht angeschlossen. Der von Grund auf entwickelte cip-5.5-agent (agentische KI) führt die Planung, Ausführung und Überprüfung komplexer Aufgaben autonom durch, während cip-5.5-mm (leistungsstarkes universelles multimodales Modell) verschiedene Dateiformate wie Sprache, Bilder und Videos versteht und Schlussfolgerungen daraus zieht. Beide Modelle wurden eigenständig innerhalb von Clevi entwickelt; externe LLM-APIs wurden überhaupt nicht verwendet.
Mit diesem hauseigenen Modell-Stack trat CLEVI mit fünf Agenten bei GAIA an und erzielte mit allen Ergebnissen über 70 Punkte. Von maximal 79,07 % bis 70,76 % wurde damit nicht das Glück eines einzelnen Ergebnisses, sondern die Stabilität des gesamten Stacks unter Beweis gestellt.
Laut Angaben des Unternehmens verbirgt sich hinter der offiziellen Punktzahl von 79,07 % noch eine weitere Zahl. Eine interne nachträgliche Prüfung von CLEVI ergab, dass bei einer beträchtlichen Anzahl der 301 Fragen die Belege für die richtigen Antworten im aktuell öffentlich zugänglichen Web nicht mehr verfügbar waren. Bei einer Neubewertung, die nur jene Fragen berücksichtigte, deren richtige Antworten weiterhin im Web vorhanden sind, lag die Trefferquote von CLEVI bei über 98 %. Dieser Wert liegt bereits über dem menschlichen Durchschnitt von 92 %.
Natürlich hätte man die offizielle Punktzahl noch weiter steigern können, wenn man leistungsstarke allgemeine Modelle anderer Anbieter kombiniert hätte. CLEVI hat sich jedoch bewusst gegen diese Strategie entschieden. Denn das Ziel dieses Benchmarks war nicht der Wettbewerb um die höchste Punktzahl, sondern die Überprüfung, ob ein from scratch entwickeltes eigenes Modell ein wettbewerbsfähiges Niveau auf der globalen Bühne erreicht hat.
Dass der Name in der GAIA-Bestenliste erscheint, ist insofern von großer Bedeutung, als damit eine verifizierte Glaubwürdigkeit verbunden ist, die durch eine unabhängige Bewertung Dritter verliehen wurde. Dies stellt eine objektive Grundlage dar, die in allen Phasen – von der Finanzierung über die Expansion ins Ausland bis zum B2B-Vertrieb – genutzt werden kann.
Ein Vertreter von CLEVI erklärte: „Von den 63 offiziell als falsch bewerteten Antworten waren viele auf eine Abweichung vom Ausgabeformat, Fehler bei der Interpretation visueller Materialien sowie Fragen zurückzuführen, die aufgrund des Verlusts von Informationen nicht beantwortbar waren. Es handelt sich weniger um grundlegende Grenzen des logischen Schlussfolgerns als um Probleme bei der Präzision der Nachbearbeitung und der Verfügbarkeit externer Informationen. Da es sich um ein eigenes Modell handelt, kann CLEVI sich selbst verbessern. Das ist der strukturelle Vorteil eines eigenen from scratch entwickelten Modells. Die Leistung von CLEVI wirft in der koreanischen KI-Branche die Frage auf: „Wie lange wollen wir noch von einem ‚geliehenen Gehirn‘ abhängig sein?“ CLEVI hat den schwierigeren Weg von from scratch gewählt und möchte diese Antwort auf der Weltbühne unter Beweis stellen.“