來源：電子新聞 李沅知記者
引用〈CLEVI 憑藉 from scratch 自研模型，在 GAIA 取得 79.07%……3,090 個模型中位列前 2.5%〉全文
發佈日期：2026-04-07
連結：https://www.etnews.com/20260407000203
cip-5.5-agent·cip-5.5-mm 獨有模型堆疊的 5 個代理全部取得 70 分以上
考慮資訊遺失後，正確率達 98% 以上，超越人類（92%）
AI 初創企業「CLEVI」運用 from scratch 自研模型，在全球 AI 代理基準測試「GAIA」中錄得 79.07% 的正確率，在全部 3,090 個已登記模型中躋身前 2.5% 以內。
業界解釋指出，在 AI 基準測試市場中，GAIA 被評價為能忠實反映「實用 AI 代理」的能力。這項由 Meta AI、HuggingFace 及巴黎-薩克雷大學等共同開發的基準測試，於 2023 年 11 月首次公開。
GAIA 與其他基準測試的主要區別有三點。第一，由於答案不公開，因此無法過度擬合。第二，由於要求多步驟、多模態的複合推理，單靠簡單的模式匹配不可能取得高分。第三，全球超過 3,090 個模型透過 HuggingFace 官方排行榜，在相同條件下競爭。
測試集共由 301 道題目組成。Level 1 要求使用單一工具及進行簡單推理；Level 2 要求組合使用多種工具及進行中等程度推理；Level 3 則是要求代理進行 5 個或以上步驟的規劃與執行，屬最高難度題目。在基準測試發佈時，以配備外掛程式的 GPT 模型為準，正確率約僅 15%；目前頂尖團隊已將其提升至 70% 至 80% 區間。
其中，CLEVI 強調，這項成果在技術上最值得關注之處，在於完全沒有使用 GPT、Claude、Gemini 等外部 LLM API。CLEVI 的特色是採用兩種以 from scratch 方式自主開發的獨有模型。
cip-5.5-agent 是一款具備智能體能力的 AI 模型，擔任能夠自主規劃（planning）、執行（execution）及驗證（verification）複雜任務的智能體流程核心大腦。cip-5.5-mm 是一款高效能通用多模態模型，能夠理解及推理語音、圖像、影片等不同檔案格式。由於 GAIA 題目中有相當部分包含 PDF、圖像、音訊檔案等非文字輸入，這種多模態能力成為取得高分的關鍵因素。
CLEVI 基於這兩款自研模型，派出 5 種不同的智能體配置參加 GAIA，全部取得 70 分或以上。
據 CLEVI 方面解釋，CLEVI 內部的事後檢討確認了一項有趣結果。在共 301 道題目中，部分題目目前已無法在公開網絡上找到答案依據，即過去可以在網上或搜尋引擎中查證的資訊已被刪除或更改，因而無法再存取。在目前人類可以公開查證的資訊範圍內重新評估時，CLEVI 的答對率達到 98% 以上，已超越人類平均 92% 的水平。
CLEVI 相關人士表示：「CLEVI 沒有混合外部模型，僅憑 from scratch 自研模型及自研 AI 智能體方案，便讓 5 個智能體全部取得 70+，躋身公開基準測試的前 2.5%。展望未來，透過改進自研模型及智能體方案，官方分數預計仍有進一步提升的空間。今次成果意義重大，在於它於全球公開基準測試中以實測結果展示了『經驗證的信任』；在於這是本地 AI 開發商基於 from scratch 自研模型取得的成果；在於這是獨立模型堆疊的成果，而非混合外部模型；以及考慮到部分題目的資訊已經消失，其解讀價值超越分數本身。」