Sumber: Digital Times, reporter Gu Bon-gyu
Kutipan lengkap artikel “Startup AI CLEVI masuk 2,5% teratas GAIA… menunjukkan kredibilitas yang telah terverifikasi”
Tanggal terbit 2026-04-08
Tautan: https://n.news.naver.com/article/029/0003020511?sid=105
Startup AI Korea ‘CLEVI (Clevi)’ mengumumkan bahwa, setelah membangun model internal dan solusi agen internal yang dibuat from scratch, mereka menjadi yang pertama di Korea yang masuk 2,5% teratas dalam tolok ukur GAIA berdasarkan 3.090 model terdaftar secara keseluruhan.
Menurut penjelasan industri, GAIA yang dirancang oleh Meta AI dan dioperasikan oleh Hugging Face tidak menguji AI mengenai ‘kemampuan untuk melakukan satu hal dengan baik’, melainkan ‘kemampuan untuk menggabungkan berbagai kemampuan guna memecahkan masalah nyata’. AI harus mencari informasi di web, membaca tabel dalam PDF, menganalisis gambar, menjalankan kode untuk melakukan perhitungan, lalu menggabungkan hasilnya dan memberikan satu jawaban yang benar. Dengan 301 pertanyaan rahasia, tiga tingkat kesulitan, dan prinsip tidak memublikasikan jawaban, strukturnya tidak memungkinkan terjadinya overfitting maupun kecurangan.
Untuk memperoleh skor tinggi dalam ujian tersebut, diperlukan dua hal. Pertama, kemampuan penalaran model bahasa yang menjadi fondasinya, dan kedua, solusi agen yang menghubungkan model tersebut dengan berbagai alat di dunia nyata agar dapat menjalankan tugas secara mandiri. Sebaik apa pun modelnya, jika agennya lemah, Level 3 tidak dapat diselesaikan; dan serapi apa pun agennya, jika kemampuan penalaran model tidak memadai, jawaban yang salah akan menyebar sejak tahap menengah.
Jika melihat struktur GAIA leaderboard saat ini, terlihat pola yang menarik. Sebagian besar agen peringkat teratas mengadopsi strategi ‘campuran multi-model’ yang menggabungkan berbagai model big tech seperti GPT, Claude, dan Gemini. Ini merupakan pendekatan yang masuk akal untuk menggabungkan keunggulan setiap model dan mencegah penurunan skor akibat hilangnya informasi dan faktor lainnya.
Sebaliknya, CLEVI tidak bergabung dalam barisan tersebut. cip-5.5-agent (AI agentik) yang dikembangkan dengan metode from scratch secara mandiri melakukan perencanaan, pelaksanaan, dan verifikasi tugas kompleks, sementara cip-5.5-mm (multimodal serbaguna berperforma tinggi) memahami dan melakukan penalaran atas berbagai format file, termasuk audio, gambar, dan video. Kedua model ini dikembangkan secara independen di internal CLEVI, dan tidak menggunakan API LLM eksternal sama sekali.
Dengan membawa 5 agen dalam tumpukan model eksklusif ini ke GAIA, semuanya mencatat skor 70 poin lebih. Mulai dari skor tertinggi 79,07% hingga 70,76%, hasil ini membuktikan stabilitas seluruh tumpukan, bukan sekadar keberuntungan dari satu hasil.
Menurut penjelasan pihak perusahaan, di balik skor resmi 79,07% terdapat angka lainnya. Berdasarkan peninjauan pascaevaluasi internal CLEVI, diketahui bahwa sejumlah besar dari 301 pertanyaan merupakan pertanyaan yang bukti jawaban benarnya telah hilang dari web publik saat ini. Ketika dievaluasi ulang hanya berdasarkan pertanyaan yang jawabannya masih tersedia di web, tingkat jawaban benar CLEVI mencapai lebih dari 98%. Angka ini telah melampaui rata-rata manusia (92%).
Tentu saja, jika mencampurkan model serbaguna yang kuat dari perusahaan lain, skor resmi mungkin dapat ditingkatkan lebih jauh. Namun, CLEVI sengaja tidak memilih strategi tersebut. Pasalnya, tujuan benchmark kali ini bukanlah persaingan untuk meraih skor tertinggi, melainkan memverifikasi apakah model internal from scratch telah mencapai tingkat yang mampu bersaing di panggung global.
Nama yang tercantum di papan peringkat GAIA memiliki arti penting karena menunjukkan bahwa CLEVI telah memperoleh kredibilitas yang terverifikasi melalui evaluasi independen pihak ketiga. Ini menjadi bukti objektif yang dapat dimanfaatkan dalam semua tahap, mulai dari penggalangan investasi, ekspansi ke luar negeri, hingga penjualan B2B.
Perwakilan CLEVI menyampaikan, “Dari 63 jawaban resmi yang salah, sebagian besar berasal dari ketidaksesuaian format output, kesalahan interpretasi materi visual, serta pertanyaan yang tidak dapat dijawab karena hilangnya informasi. Ini bukan terutama masalah keterbatasan mendasar dalam penalaran logis, melainkan masalah presisi pascapemrosesan dan ketersediaan informasi eksternal. Karena merupakan model internal, CLEVI dapat memperbaikinya sendiri. Inilah keunggulan struktural model internal from scratch. Pencapaian CLEVI kali ini mengajukan pertanyaan kepada industri AI Korea: ‘Sampai kapan kita akan bergantung pada “otak pinjaman”?’ CLEVI memilih jalan yang lebih sulit, yaitu from scratch, dan ingin membuktikan jawabannya di panggung dunia,” ujarnya.