మూలం: డిజిటల్‌టైమ్స్, రిపోర్టర్ గు బోన్-గ్యూ
“AI స్టార్టప్ CLEVI, GAIAలో టాప్ 2.5%లోకి ప్రవేశం… ధృవీకరించబడిన విశ్వసనీయతను చాటింది” అనే కథనం పూర్తి పాఠ్యానికి ఉల్లేఖనం
ప్రచురణ తేదీ 2026-04-08
లింక్ : https://n.news.naver.com/article/029/0003020511?sid=105
దేశీయ AI స్టార్టప్ ‘క్లెవి(Clevi)’ from scratchగా రూపొందించిన స్వంత మోడల్ మరియు స్వంత ఏజెంట్ సొల్యూషన్‌ను నిర్మించిన నేపథ్యంలో, దేశంలోనే తొలిసారిగా GAIA బెంచ్‌మార్క్‌లో నమోదైన మొత్తం 3,090 మోడళ్లలో టాప్ 2.5%లోకి ప్రవేశించినట్లు ప్రకటించింది.
పరిశ్రమ వర్గాల వివరణ ప్రకారం, మెటా AI రూపొందించి, హగ్గింగ్ ఫేస్ నిర్వహించే GAIA, AIకి ‘ఒక్క విషయాన్ని మాత్రమే బాగా చేయగల సామర్థ్యం’ కాకుండా ‘అనేక సామర్థ్యాలను కలిపి వాస్తవ సమస్యలను పరిష్కరించే సామర్థ్యం’ ఉందా అని పరీక్షిస్తుంది. వెబ్‌లో సమాచారాన్ని కనుగొని, PDFలోని పట్టికలను చదివి, చిత్రాలను విశ్లేషించి, కోడ్‌ను అమలు చేసి లెక్కలు వేసి, ఆ ఫలితాలను సమగ్రపరచి ఒకే సరైన సమాధానాన్ని ఇవ్వాలి. 301 గోప్య ప్రశ్నలు, మూడు స్థాయిల కఠినత, సమాధానాలను వెల్లడించని సూత్రం ఆధారంగా, ఇది ఓవర్‌ఫిట్టింగ్ లేదా చీటింగ్‌కు వీలు లేని నిర్మాణం.
ఈ పరీక్షలో అధిక స్కోరు సాధించడానికి రెండు విషయాలు అవసరం. ఒకటి, పునాదిగా ఉన్న భాషా మోడల్ యొక్క తార్కిక సామర్థ్యం; మరొకటి, ఆ మోడల్‌ను వాస్తవ ప్రపంచంలోని సాధనాలతో అనుసంధానించి స్వయంప్రతిపత్తితో పనులను నిర్వహించేలా చేసే ఏజెంట్ సొల్యూషన్. మోడల్ ఎంత మంచిదైనా ఏజెంట్ బలహీనంగా ఉంటే Level 3ను పరిష్కరించలేరు; ఏజెంట్ ఎంత అధునాతనంగా ఉన్నా మోడల్ యొక్క తార్కిక సామర్థ్యం సరిపోకపోతే మధ్య దశలోనే తప్పు సమాధానాలు వ్యాపిస్తాయి.
GAIA లీడర్‌బోర్డ్‌ యొక్క ప్రస్తుత నిర్మాణాన్ని పరిశీలిస్తే ఆసక్తికరమైన నమూనా కనిపిస్తుంది. అగ్రస్థానంలోని చాలా ఏజెంట్లు GPT, Claude, Gemini వంటి అనేక బిగ్‌టెక్ మోడళ్లను కలిపే ‘మల్టీ-మోడల్ మిక్స్’ వ్యూహాన్ని అనుసరిస్తున్నాయి. ప్రతి మోడల్ యొక్క బలాలను కలిపి, సమాచార నష్టం తదితర కారణాల వల్ల స్కోరు తగ్గకుండా రక్షించేందుకు ఇది సహేతుకమైన విధానం.
అయితే క్లెవి ఆ వరుసలో చేరలేదు. from scratch విధానంలో అభివృద్ధి చేసిన cip-5.5-agent(ఏజెంటిక్ AI), క్లిష్టమైన పనుల ప్రణాళిక, అమలు, ధృవీకరణను స్వయంప్రతిపత్తితో నిర్వహిస్తుంది; cip-5.5-mm(అధిక పనితీరు గల సాధారణ మల్టీమోడల్), ఆడియో, చిత్రాలు, వీడియో వంటి వివిధ ఫైల్ ఫార్మాట్‌లను అర్థం చేసుకుని తార్కికంగా విశ్లేషిస్తుంది. ఈ రెండు మోడళ్లను క్లెవి అంతర్గతంగా స్వతంత్రంగా అభివృద్ధి చేసింది; బాహ్య LLM APIలను ఎట్టి పరిస్థితుల్లోనూ ఉపయోగించలేదు.
అదనంగా, ఈ స్వంత మోడల్ స్టాక్‌తో GAIAలో 5 ఏజెంట్లను పోటీలో ప్రవేశపెట్టి, అందరూ 70 పాయింట్లకు పైగా సాధించారు. అత్యధికంగా 79.07% నుంచి 70.76% వరకు నమోదైన ఈ ఫలితాలు, ఒక్క ఫలితానికి దక్కిన అదృష్టం కాకుండా మొత్తం స్టాక్‌ స్థిరత్వాన్ని నిరూపించాయి.
సంస్థ వివరణ ప్రకారం, అధికారిక స్కోరు 79.07% వెనుక మరో సంఖ్య కూడా ఉంది. CLEVI అంతర్గత పోస్ట్-రివ్యూ ఫలితాల్లో, 301 ప్రశ్నల్లో ప్రస్తుతం బహిరంగ వెబ్‌లో సరైన సమాధానానికి ఆధారం అందుబాటులో లేని ప్రశ్నలు గణనీయంగా ఉన్నట్లు నిర్ధారించబడింది. ప్రస్తుతం వెబ్‌లో సరైన సమాధానం ఉన్న ప్రశ్నలను మాత్రమే ఆధారంగా తీసుకుని మళ్లీ మూల్యాంకనం చేసినప్పుడు, CLEVI ఖచ్చితత్వ రేటు 98% కంటే ఎక్కువగా ఉంది. ఇది మానవ సగటు (92%)ను ఇప్పటికే అధిగమించిన సంఖ్య.
ఖచ్చితంగా, ఇతర సంస్థల శక్తివంతమైన సాధారణ మోడళ్లను కలిపి ఉంటే అధికారిక స్కోరును మరింత పెంచే అవకాశం ఉండేది. అయితే CLEVI ఉద్దేశపూర్వకంగా ఆ వ్యూహాన్ని ఎంచుకోలేదు. ఈ బెంచ్‌మార్క్ లక్ష్యం అత్యధిక స్కోరు కోసం పోటీ పడటం కాదు; from scratch స్వంత మోడల్ గ్లోబల్ వేదికపై పోటీ చేయగల స్థాయికి చేరుకుందా అన్నది ధృవీకరించడమే.
GAIA లీడర్‌బోర్డ్‌లో పేరు నమోదవడం అంటే, మూడవ పక్ష స్వతంత్ర మూల్యాంకనం అందించిన ధృవీకరించబడిన విశ్వసనీయతను పొందడం అనే విషయంలో ఎంతో ప్రాముఖ్యత ఉంది. పెట్టుబడుల సమీకరణ, విదేశీ విస్తరణ, B2B విక్రయాలు—అన్ని దశల్లోనూ ఉపయోగించగల నిష్పాక్షిక ఆధారంగా ఇది నిలుస్తుంది.
CLEVI ప్రతినిధి మాట్లాడుతూ, “అధికారికంగా తప్పుగా గుర్తించిన 63 సమాధానాల్లో గణనీయమైన భాగం అవుట్‌పుట్ ఫార్మాట్ అసమానత, దృశ్య సమాచారాన్ని అర్థం చేసుకోవడంలోని లోపాలు, అలాగే సమాచారం అందుబాటులో లేకపోవడం వల్ల సమాధానం ఇవ్వలేని ప్రశ్నల కారణంగా ఏర్పడ్డాయి. ఇది తార్కిక విశ్లేషణలోని ప్రాథమిక పరిమితి కంటే, పోస్ట్-ప్రాసెసింగ్ ఖచ్చితత్వం మరియు బాహ్య సమాచార లభ్యతకు సంబంధించిన సమస్య. ఇది స్వంత మోడల్ కాబట్టి CLEVI స్వయంగా మెరుగుపరచగలదు. ఇదే from scratch స్వంత మోడల్ యొక్క నిర్మాణాత్మక ప్రయోజనం. CLEVI సాధించిన ఈ ఫలితం కొరియా AI పరిశ్రమకు ‘మనం ఇంకా ఎంతకాలం “అరువు తెచ్చుకున్న మెదళ్ల”పై ఆధారపడతాం?’ అనే ప్రశ్నను సంధిస్తోంది. CLEVI from scratch అనే మరింత కఠినమైన మార్గాన్ని ఎంచుకుని, ప్రపంచ వేదికపై దానికి సమాధానాన్ని నిరూపించాలనుకుంటోంది” అని తెలిపారు.