Sursa: Digital Times, reporter Gu Bon-gyu
Citarea integrală a articolului „Startupul AI CLEVI intră în top 2,5% GAIA… demonstrând o credibilitate verificată”
Data publicării: 2026-04-08
Link: https://n.news.naver.com/article/029/0003020511?sid=105
Startupul AI autohton „Clevi (Clevi)” a anunțat că, după construirea propriului model și a propriei soluții de agenți dezvoltate from scratch, a intrat, pentru prima dată în Coreea de Sud, în top 2,5% în benchmarkul GAIA, dintre toate cele 3.090 de modele înregistrate.
Potrivit explicațiilor din industrie, GAIA, proiectat de Meta AI și operat de Hugging Face, nu evaluează capacitatea AI de a „face bine un singur lucru”, ci „capacitatea de a combina mai multe abilități pentru a rezolva probleme reale”. AI-ul trebuie să găsească informații pe web, să citească tabele din PDF-uri, să analizeze imagini, să ruleze cod pentru calcule și să sintetizeze rezultatele pentru a oferi un singur răspuns corect. Structura sa, bazată pe 301 de întrebări nepublice, trei niveluri de dificultate și principiul nepublicării răspunsurilor corecte, face imposibile atât supraînvățarea, cât și trișarea.
Pentru a obține un scor ridicat la acest test sunt necesare două lucruri. Primul este capacitatea de raționament a modelului lingvistic de bază, iar al doilea este soluția de agent care conectează modelul la instrumentele din lumea reală și îi permite să îndeplinească autonom sarcini. Oricât de bun ar fi modelul, dacă agentul este slab, nu poate rezolva Level 3; iar oricât de sofisticat ar fi agentul, dacă modelului îi lipsește capacitatea de raționament, răspunsurile greșite se propagă în etapele intermediare.
Structura actuală a clasamentului GAIA relevă un tipar interesant. Majoritatea agenților aflați în top adoptă strategia „multi-model mix”, care combină mai multe modele ale marilor companii de tehnologie, precum GPT, Claude și Gemini. Este o abordare rațională, care combină punctele forte ale fiecărui model și protejează împotriva reducerii scorului cauzate de pierderea informațiilor și de alți factori.
În schimb, CLEVI nu s-a alăturat acestui grup. cip-5.5-agent (AI agentic), dezvoltat using the from scratch approach, realizează autonom planificarea, executarea și verificarea sarcinilor complexe, iar cip-5.5-mm (multimodal general de înaltă performanță) înțelege și raționează asupra diverselor formate de fișiere, precum audio, imagini și videoclipuri. Ambele modele au fost dezvoltate independent în cadrul CLEVI, fără a utiliza deloc API-uri LLM externe.
Și, cu acest stivă de modele proprii, a înscris 5 agenți în GAIA, toți obținând peste 70 de puncte. De la cel mai bun rezultat, de 79,07%, până la 70,76%, s-a demonstrat stabilitatea întregii stive, nu norocul unui singur rezultat.
Potrivit explicațiilor companiei, în spatele scorului oficial de 79,07% se află o altă cifră. În urma unei analize interne ulterioare realizate de CLEVI, s-a constatat că, dintre cele 301 de întrebări, un număr considerabil avea în prezent sursele justificative pentru răspuns dispărute de pe web-ul public. La reevaluarea bazată doar pe întrebările ale căror răspunsuri corecte există și în prezent pe web, rata de răspunsuri corecte a CLEVI a fost de peste 98%. Această cifră depășește deja media umană (92%).
Desigur, dacă ar fi combinat modele generale puternice ale altor companii, ar fi putut crește și mai mult scorul oficial. Cu toate acestea, CLEVI nu a ales în mod deliberat această strategie. Obiectivul acestui benchmark nu a fost competiția pentru cel mai mare scor, ci verificarea faptului că un model propriu from scratch a atins un nivel la care poate concura pe scena globală.
Faptul că numele apare pe clasamentul GAIA are o semnificație importantă, deoarece indică faptul că beneficiază de credibilitatea verificată acordată printr-o evaluare independentă realizată de o terță parte. Aceasta devine o bază obiectivă care poate fi utilizată în toate etapele: atragerea investițiilor, extinderea în străinătate și vânzările B2B.
Un reprezentant CLEVI a declarat: „O mare parte dintre cele 63 de răspunsuri oficiale greșite au provenit din neconcordanțe ale formatului de ieșire, erori de interpretare a materialelor vizuale și întrebări la care nu se putea răspunde din cauza pierderii informațiilor. Problema ține mai degrabă de precizia postprocesării și de disponibilitatea informațiilor externe decât de limite fundamentale ale raționamentului logic. Deoarece este un model propriu, CLEVI îl poate îmbunătăți singur. Acesta este avantajul structural al unui model propriu from scratch. Performanța CLEVI de această dată adresează industriei coreene de inteligență artificială întrebarea: «Până când vom depinde de „creiere împrumutate”?» CLEVI a ales calea mai dificilă, from scratch, și dorește să demonstreze răspunsul pe scena globală”, a transmis acesta.