Quelle: Digital Times, Reporter Bon-gyu Gu
Vollständiges Zitat des Artikels „KI-Startup CLEVI erreicht die Top 2,5 % der GAIA-Rangliste … unter Beweis gestellte Glaubwürdigkeit“
Veröffentlichungsdatum: 2026-04-08
Link: https://n.news.naver.com/article/029/0003020511?sid=105
Das koreanische KI-Startup „CLEVI (Clevi)“ gab bekannt, dass es eigene Modelle und eigene Agentenlösungen entwickelt hat, die from scratch erstellt wurden, und als erstes Unternehmen in Korea bei der GAIA-Benchmarking-Rangliste auf Basis von insgesamt 3.090 registrierten Modellen die Top 2,5 % erreicht hat.
Laut Branchenangaben fragt GAIA, das von Meta AI konzipiert und von Hugging Face betrieben wird, eine KI nicht danach, ob sie „eine einzige Fähigkeit gut beherrscht“, sondern ob sie „mehrere Fähigkeiten kombinieren und reale Probleme lösen kann“. Sie muss Informationen im Web suchen, Tabellen in PDFs lesen, Bilder analysieren, durch Ausführen von Code Berechnungen durchführen und die Ergebnisse zu einer einzigen richtigen Antwort zusammenführen. Die Struktur basiert auf 301 nicht öffentlichen Fragen, drei Schwierigkeitsstufen und dem Grundsatz, dass die richtigen Antworten nicht veröffentlicht werden, wodurch weder Überanpassung noch Täuschung möglich sind.
Um bei diesem Test eine hohe Punktzahl zu erreichen, sind zwei Dinge erforderlich. Zum einen die Schlussfolgerungsfähigkeit des zugrunde liegenden Sprachmodells und zum anderen eine Agentenlösung, die dieses Modell mit Werkzeugen der realen Welt verbindet und es in die Lage versetzt, Aufgaben autonom auszuführen. Selbst wenn das Modell noch so leistungsfähig ist, kann es Level 3 nicht lösen, wenn der Agent schwach ist. Ebenso werden selbst bei einem noch so ausgefeilten Agenten falsche Antworten bereits in den mittleren Stufen weitergegeben, wenn die Schlussfolgerungsfähigkeit des Modells nicht ausreicht.
Betrachtet man die derzeitige Struktur der GAIA-Rangliste, zeigt sich ein interessantes Muster. Die meisten Agenten auf den vorderen Plätzen verfolgen eine „Multi-Modell-Mix“-Strategie, bei der mehrere Big-Tech-Modelle wie GPT, Claude und Gemini kombiniert werden. Dies ist ein sinnvoller Ansatz, um die Stärken der einzelnen Modelle zu verbinden und Punktverluste durch Informationsverlust und Ähnliches abzufedern.
CLEVI hat sich dieser Gruppe hingegen nicht angeschlossen. Der nach dem from scratch-Ansatz 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 zieht. Beide Modelle wurden eigenständig innerhalb von CLEVI entwickelt; externe LLM-APIs wurden überhaupt nicht verwendet.
Mit diesem eigenen Modell-Stack trat CLEVI mit fünf Agenten bei GAIA an und erzielte mit allen über 70 Punkte. Von 79,07 % als Höchstwert bis 70,76 % wurde damit nicht das Glück eines einzelnen Ergebnisses, sondern die Stabilität des gesamten Stacks unter Beweis gestellt.
Nach Angaben des Unternehmens verbirgt sich hinter der offiziellen Punktzahl von 79,07 % eine weitere Zahl. Eine nachträgliche interne Prüfung durch CLEVI ergab, dass bei zahlreichen der 301 Aufgaben die Belege für die richtigen Antworten im aktuell öffentlich verfügbaren Web nicht mehr auffindbar waren. Bei einer Neubewertung, die nur Aufgaben berücksichtigte, deren richtige Antworten weiterhin im Web vorhanden sind, lag die Trefferquote von CLEVI bei über 98 %. Damit übertrifft sie bereits den menschlichen Durchschnitt von 92 %.
Natürlich hätte man die offizielle Punktzahl durch die Kombination leistungsstarker allgemeiner Modelle anderer Anbieter noch weiter steigern können. CLEVI entschied sich jedoch bewusst gegen diese Strategie. Denn das Ziel dieses Benchmarks war nicht der Wettbewerb um die höchste Punktzahl, sondern die Überprüfung, ob ein from scratch entwickeltes eigenes Modell ein international konkurrenzfähiges Niveau erreicht hat.
Dass der Name in der GAIA-Rangliste erscheint, ist insofern von großer Bedeutung, als damit eine durch eine unabhängige Bewertung Dritter verliehene, verifizierte Glaubwürdigkeit einhergeht. Dies liefert eine objektive Grundlage, die in allen Phasen genutzt werden kann – bei der Gewinnung von Investitionen, der internationalen Expansion und im B2B-Vertrieb.
Ein Vertreter von CLEVI erklärte: „Ein erheblicher Teil der 63 offiziell falschen Antworten ging auf nicht übereinstimmende Ausgabeformate, Fehler bei der Interpretation visueller Materialien sowie Aufgaben zurück, die aufgrund des Informationsverlusts nicht beantwortbar waren. Es handelt sich weniger um grundlegende Grenzen des logischen Schlussfolgerns als um Fragen der Präzision bei der Nachbearbeitung und der Verfügbarkeit externer Informationen. Da es sich um ein eigenes Modell handelt, kann CLEVI es selbst verbessern. Das ist der strukturelle Vorteil eines from scratch entwickelten eigenen Modells. Die diesjährige Leistung von CLEVI wirft in der koreanischen KI-Branche die Frage auf: „Wie lange werden wir noch auf geliehene Gehirne angewiesen sein?“ CLEVI hat den schwierigeren Weg from scratch gewählt und möchte diese Antwort auf der Weltbühne unter Beweis stellen.“