来源：Digital Times 记者具本奎
完整引用“AI 初创企业 Clevi 进入 GAIA 前 2.5%……展现经验证的公信力”一文
发布日期 2026-04-08
链接：https://n.news.naver.com/article/029/0003020511?sid=105
韩国 AI 初创企业 Clevi 在基于 from scratch 构建自主模型和自主代理解决方案的同时宣布，其作为韩国首家企业进入 GAIA 基准测试前 2.5%，该排名以全部 3,090 个已注册模型为基准。
据业内介绍，由 Meta AI 设计、Hugging Face 运营的 GAIA，考察的并非 AI “只擅长一项能力”，而是“组合多种能力解决实际问题的能力”。AI 必须在网络上查找信息、读取 PDF 中的表格、分析图像、运行代码进行计算，并综合这些结果得出唯一答案。该测试包含 301 道非公开题目和三个难度等级，并遵循答案不公开的原则，因此无法通过过拟合或作弊来应对。
要在该测试中取得高分，需要具备两项能力：作为基础的语言模型的推理能力，以及将该模型与现实世界中的工具连接起来，使其能够自主执行任务的代理解决方案。无论模型多么出色，如果代理能力薄弱，就无法解决 Level 3；无论代理多么精密，如果模型的推理能力不足，错误答案就会在中间阶段扩散。
从 GAIA 排行榜当前的结构来看，可以发现一个有趣的模式。排名靠前的代理大多采用“多模型混合”策略，组合 GPT、Claude、Gemini 等多种大型科技企业模型。这是一种合理的做法，既能结合各模型的优势，也能防止因信息丢失等因素导致的分数下降。
另一方面，Clevi 并未加入这一行列。以 from scratch 方式开发的 cip-5.5-agent（智能体 AI）能够自主执行复杂任务的规划、执行和验证，cip-5.5-mm（高性能通用多模态模型）则能够理解语音、图像、视频等多种文件格式并进行推理。这两个模型均由 Clevi 内部自主开发，完全未使用外部 LLM API。
凭借这一自主模型技术栈，CLEVI 让 5 个代理参加 GAIA，全部取得 70 分以上的成绩。从最高的 79.07% 到 70.76%，这证明的并非单一结果的偶然性，而是整个技术栈的稳定性。
据该公司介绍，官方得分 79.07% 背后还有另一个数字。根据 CLEVI 的内部事后审查，在 301 道题目中，有相当一部分题目的正确答案依据已从当前公开网络中消失。仅以正确答案目前仍存在于网络上的题目为 기준重新评估时，CLEVI 的正确率超过了 98%。这一数值已经超过人类平均水平（92%）。
当然，如果混合使用其他公司的强大通用模型，官方得分或许还能进一步提高。然而，CLEVI 有意没有采取这一策略。因为此次基准测试的目标不是争夺最高分，而是验证 from scratch 自主模型是否已达到能够在全球舞台上竞争的水平。
在 GAIA 排行榜上榜，意味着获得了第三方独立评估赋予的经验证公信力，这一点意义重大。这将成为在融资、海外拓展和 B2B 销售各个阶段均可利用的客观依据。
CLEVI 相关负责人表示：“官方判错的 63 道题中，相当一部分源于输出格式不一致、视觉资料解读错误，以及因信息丢失而无法作答的题目。这与逻辑推理的根本局限相比，更多是后处理精度和外部信息可用性的问题。由于是自主模型，CLEVI 可以自行改进。这正是 from scratch 自主模型的结构性优势。CLEVI 此次的成果向韩国 AI 业界提出了一个问题：‘我们还要依赖“借来的大脑”到什么时候？’CLEVI 选择了 from scratch 这条更艰难的道路，并希望在世界舞台上证明这一答案。”