來源：數位時報 具本圭記者
完整引用〈AI 新創公司 Clevi，躋身 GAIA 前 2.5%……展現經驗證的公信力〉報導
發布日期 2026-04-08
連結：https://n.news.naver.com/article/029/0003020511?sid=105
韓國 AI 新創公司「Clevi」在以 from scratch 建立自主模型與自主代理解決方案的同時，宣布首次在韓國進入 GAIA 基準測試全部 3,090 個註冊模型中的前 2.5%。
業界說明指出，由 Meta AI 設計、Hugging Face 運營的 GAIA，考驗的不是 AI「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 必須在網路上尋找資訊、讀取 PDF 中的表格、分析影像、執行程式碼進行計算，並綜合結果提出一個正確答案。該測試包含 301 道非公開題目、三個難度等級，並採取答案不公開原則，因此無法透過過度擬合或作弊取得優勢。
要在該測試中取得高分，需要兩項要素：作為基礎的語言模型推理能力，以及將該模型與現實世界的工具連接，使其能自主執行工作的代理解決方案。即使模型再優秀，代理能力薄弱也無法解答 Level 3；即使代理再精密，模型推理能力不足也會導致錯誤答案在中間階段被傳播。
觀察 GAIA 排行榜目前的結構，可以看見有趣的模式。排名前段的大多數代理都採用結合 GPT、Claude、Gemini 等多個大型科技公司模型的「多模型混合」策略。這是結合各模型優勢，並防止因資訊遺失等因素造成分數降低的合理方法。
另一方面，Clevi 並未加入這支行列。以 from scratch 方式開發的 cip-5.5-agent（代理式 AI）能自主執行複雜工作的規劃、執行與驗證，而 cip-5.5-mm（高效能通用多模態）則能理解語音、影像、影片等各種檔案格式並進行推理。這兩個模型皆由 Clevi 內部自主開發，完全未使用外部 LLM API。
此外，CLEVI 以這套自主模型堆疊派出 5 個代理參加 GAIA，所有代理都取得 70 分以上的成績。從最高 79.07% 到 70.76%，這證明的不是單一結果的幸運，而是整個堆疊的穩定性。
據業者說明，官方分數 79.07% 背後還有另一個數字。根據 CLEVI 的內部事後審查，在 301 道題目中，確認有相當多題目的正確答案依據已從目前公開網路上消失。僅以正確答案目前仍存在於網路上的題目重新評估時，CLEVI 的正確率超過 98%。這一數值已超越人類平均值（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 有意選擇不採取這項策略。因為本次基準測試的目標不是爭奪最高分，而是驗證 from scratch 自主模型是否已達到能在全球舞台上競爭的水準。
名字登上 GAIA 排行榜，最大的意義在於具備第三方獨立評估所賦予的經驗證公信力。這將成為在募資、進軍海外及 B2B 銷售各個階段都能運用的客觀依據。
CLEVI 關係人表示：「官方判定的 63 道錯題中，相當多是由輸出格式不一致、視覺資料解讀錯誤，以及因資訊遺失而無法作答的題目所造成。這與其說是邏輯推理的根本限制，不如說是後處理精準度與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 此次的成果向韓國 AI 業界提出了『我們究竟要依賴「借來的頭腦」到什麼時候？』這個問題。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答案。」