Allikas: Digital Times, reporter Gu Bon-gyu
Artikli „AI-idufirma Clevi jõudis GAIA edetabeli 2,5% tippu… näitab tõestatud usaldusväärsust” täisteksti tsitaat
Avaldamiskuupäev 2026-04-08
Link: https://n.news.naver.com/article/029/0003020511?sid=105
Korea AI-idufirma Clevi teatas, et olles loonud from scratch oma mudeli ja agendilahenduse, jõudis ta esimesena Koreas GAIA võrdlustestis kõigi 3090 registreeritud mudeli seas 2,5% tippu.
Valdkonna selgituste kohaselt ei testi Meta AI kavandatud ja Hugging Face’i hallatav GAIA tehisintellekti puhul mitte „ühe asja hästi tegemise võimet”, vaid „võimet kombineerida mitut võimet tegelike probleemide lahendamiseks”. AI peab leidma veebist teavet, lugema PDF-failis olevaid tabeleid, analüüsima pilte, käivitama koodi arvutuste tegemiseks ning koondama tulemused üheks õigeks vastuseks. 301 konfidentsiaalset küsimust, kolm raskusastet ja õigete vastuste mitteavalikustamise põhimõte loovad struktuuri, mille puhul pole võimalik ei üleõppimine ega petmine.
Sellel testil kõrge tulemuse saamiseks on vaja kahte asja. Esiteks aluskeelemudeli arutlusvõimet ja teiseks agendilahendust, mis ühendab mudeli tegeliku maailma tööriistadega ning võimaldab sellel iseseisvalt ülesandeid täita. Ükskõik kui hea mudel ka poleks, ei suuda nõrk agent Level 3 ülesandeid lahendada; ja ükskõik kui keerukas agent ka poleks, levivad mudeli ebapiisava arutlusvõime korral vead keskmisel tasemel edasi.
GAIA edetabeli praegust struktuuri vaadates ilmneb huvitav muster. Enamik tipptasemel agente kasutab „mitme mudeli segu” strateegiat, kombineerides mitmesuguseid suurte tehnoloogiaettevõtete mudeleid, nagu GPT, Claude ja Gemini. See on mõistlik lähenemisviis, mis ühendab iga mudeli tugevused ja aitab kaitsta teabekao ning muude tegurite põhjustatud punktikao eest.
Clevi seevastu ei ühinenud selle rühmaga. from scratch arendatud cip-5.5-agent (agentne AI) teostab keerukate ülesannete kavandamist, täitmist ja kontrollimist iseseisvalt, samal ajal kui cip-5.5-mm (suure jõudlusega üldotstarbeline multimodaalne mudel) mõistab ja analüüsib mitmesuguseid failivorminguid, sealhulgas heli-, pildi- ja videofaile. Mõlemad mudelid töötati välja iseseisvalt Clevi sees ning väliseid LLM API-sid ei kasutatud üldse.
Selle originaalse mudelivirnaga saatis CLEVI GAIA-le võistlema viis agenti, kes kõik saavutasid üle 70 punkti. Kõrgeimast tulemusest 79,07% kuni 70,76%-ni tõestasid tulemused kogu virna stabiilsust, mitte ühe tulemuse juhuslikku edu.
Ettevõtte selgituse kohaselt peitub ametliku 79,07% tulemuse taga veel üks number. CLEVI sisemise järelkontrolli käigus selgus, et 301 küsimuse hulgas oli märkimisväärne hulk küsimusi, mille õige vastuse aluseks olev teave ei ole praeguseks avalikus veebis enam kättesaadav. Kui hinnata uuesti ainult neid küsimusi, mille õige vastus on endiselt veebis olemas, oli CLEVI täpsus üle 98%. See näitaja ületab juba inimese keskmist tulemust (92%).
Loomulikult oleks ametlikku tulemust saanud veelgi parandada, kui oleks kombineeritud teiste ettevõtete võimsaid üldotstarbelisi mudeleid. CLEVI ei valinud seda strateegiat siiski teadlikult. Selle võrdlusuuringu eesmärk ei olnud kõrgeima tulemuse nimel võistelda, vaid kontrollida, kas from scratch loodud iseseisev mudel on jõudnud ülemaailmsel areenil konkurentsivõimelisele tasemele.
GAIA edetabelisse jõudmine on oluline, sest see tähendab kolmanda osapoole sõltumatu hindamisega antud kontrollitud usaldusväärsust. See on objektiivne alus, mida saab kasutada investeeringute kaasamisel, välisturgudele laienemisel ja B2B-müügis.
CLEVI esindaja ütles: „Ametlikust 63 valest vastusest märkimisväärne osa tulenes väljundvormingu mittevastavusest, visuaalse materjali tõlgendamise vigadest ning küsimustest, millele ei olnud teabe kadumise tõttu võimalik õigesti vastata. Probleem ei seisne loogilise arutluse põhimõttelises piiratuses, vaid järeltöötluse täpsuses ja välise teabe kättesaadavuses. Kuna tegemist on iseseisva mudeliga, saab CLEVI seda ise täiustada. See ongi from scratch loodud iseseisva mudeli struktuurne eelis. CLEVI seekordne saavutus esitab Korea AI-tööstusele küsimuse: „Kui kaua sõltume veel «laenatud ajudest»?” CLEVI valis raskema, from scratch tee ning soovib oma vastust maailmalaval tõestada.”