來源：Digital Times 具本圭記者
引用〈AI 初創公司 CLEVI 躋身 GAIA 頭 2.5%……展現經驗證的公信力〉全文
發佈日期 2026-04-08
連結：https://n.news.naver.com/article/029/0003020511?sid=105
韓國 AI 初創公司 CLEVI 表示，在以 from scratch 建立自主模型及自主代理解決方案的同時，該公司成為韓國首家躋身 GAIA 基準測試頭 2.5% 的公司；以全部 3,090 個已登記模型為基準計算。
業界指出，由 Meta AI 設計、Hugging Face 運營的 GAIA，要求 AI 展現的並非「只擅長一件事的能力」，而是「結合多種能力解決實際問題的能力」。AI 必須在網絡上搜尋資料、讀取 PDF 中的表格、分析圖像、執行程式碼進行計算，再綜合結果得出一個答案。測試包含 301 道非公開題目及三個難度級別，並遵循答案不公開的原則，因此無法透過過度擬合或作弊取巧。
要在這項測試中取得高分，需要兩項要素：作為基礎的語言模型推理能力，以及將該模型連接至現實世界工具、令其自主執行工作的代理解決方案。即使模型再優秀，若代理能力薄弱，也無法解答 Level 3；相反，即使代理再精巧，若模型的推理能力不足，錯誤答案亦會在中間階段持續傳播。
從 GAIA 排行榜目前的結構可見一個有趣的模式。大部分排名前列的代理均採用結合 GPT、Claude、Gemini 等多個大型科技公司模型的「多模型混合」策略。這是一種合理的做法，既能結合各模型的優勢，亦能防止因資訊遺失等因素導致分數下降。
然而，CLEVI 並沒有加入這個行列。以 from scratch 方式開發的 cip-5.5-agent（代理式 AI）可自主執行複雜工作的規劃、執行及驗證，而 cip-5.5-mm（高性能通用多模態）則能理解語音、圖像、影片等各種檔案格式並進行推理。這兩個模型均由 CLEVI 內部自主開發，完全沒有使用外部 LLM API。
而憑藉這套自主模型堆疊，在 GAIA 中派出 5 個代理，全部取得 70 分以上。由最高的 79.07% 至 70.76%，這證明的並非單一結果的幸運，而是整個模型堆疊的穩定性。
據 CLEVI 方面解釋，在官方分數 79.07% 背後，還有另一個數字。根據 CLEVI 的內部事後檢討，在 301 道題目中，有相當數量的題目已無法在目前公開網絡上找到正確答案的依據。若只以目前仍能在網絡上找到正確答案依據的題目為基準重新評估，CLEVI 的答對率超過 98%。這個數字已經超越人類平均水平（92%）。
當然，如果混合其他公司的強大通用模型，或許可以進一步提高官方分數。然而，CLEVI 有意沒有採用這項策略。這是因為本次基準測試的目標並非爭奪最高分，而是驗證 from scratch 自主模型是否已達到能夠在全球舞台競爭的水平。
名字登上 GAIA 排行榜，具有重大意義，代表獲得由第三方獨立評估所賦予的已驗證公信力。這將成為在融資、拓展海外市場及 B2B 銷售等所有階段均可運用的客觀依據。
CLEVI 相關人士表示：「在官方答錯的 63 道題目中，相當一部分源於輸出格式不一致、視覺資料解讀錯誤，以及因資訊遺失而無法作答的題目。這並非邏輯推理的根本限制，而是後處理精準度及外部資訊可用性的問題。由於是自主模型，CLEVI 可以自行改進。這正是 from scratch 自主模型的結構性優勢。CLEVI 今次的成果向韓國 AI 業界提出了這個問題：『我們要依賴「借來的頭腦」到幾時？』CLEVI 選擇了 from scratch 這條更艱難的道路，並希望在世界舞台上證明這個答案。」