來源：電子新聞 李元智記者
引用「CLEVI，使用 from scratch 自研模型在 GAIA 達成 79.07%……在 3,090 個模型中排名前 2.5%」全文
發行日期：2026-04-07
連結：https://www.etnews.com/20260407000203
cip-5.5-agent·cip-5.5-mm 獨家模型堆疊的 5 個代理全部達到 70 分以上
考量資訊遺失後仍有 98% 以上的正確率，超越人類（92%）
AI 新創公司「CLEVI」使用 from scratch 自研模型，在全球 AI 代理基準測試「GAIA」中達到 79.07% 的正確率，並在全部 3,090 個註冊模型中躋身前 2.5%。
業界說明指出，在 AI 基準測試市場中，GAIA 被評價為忠實反映「實用 AI 代理」的能力。這項由 Meta AI、HuggingFace 與巴黎-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 有三項與其他基準測試區隔的核心特點。第一，由於答案未公開，因此不可能過度擬合。第二，由於要求多步驟、多模態的複合推理，單純的模式匹配無法取得高分。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 要求組合多種工具及進行中等程度的推理；Level 3 則是要求代理進行 5 個步驟以上的規劃與執行，為最高難度的題目。在基準測試發布當時，以搭載外掛程式的 GPT 模型為基準，正確率僅約 15%；目前頂尖團隊已將其提升至 70～80% 區間。
其中，CLEVI 強調，這項成果在技術上最值得關注的部分，是完全未使用 GPT、Claude、Gemini 等外部 LLM API。CLEVI 的特色在於使用了以 from scratch 方式獨立開發的兩種模型。
cip-5.5-agent 是代理型 AI 模型，擔任能夠自主規劃（planning）·執行（execution）·驗證（verification）複雜任務的代理流程核心大腦。cip-5.5-mm 是能理解並推理語音·影像·影片等各種檔案格式的高效能通用多模態模型。由於 GAIA 題目中有相當多包含 PDF、影像、音訊檔案等非文字輸入，因此這項多模態能力成為取得高分的關鍵因素。
CLEVI 以這兩個自研模型為基礎，派出 5 種不同的代理配置參加 GAIA，所有配置都取得 70 分以上。
根據業者說明，CLEVI 的內部事後檢討確認了有趣的結果。在總計 301 道題目中，部分題目的正確答案依據目前已在公開網路上消失。也就是說，過去可在線上或搜尋引擎中查證的資訊已遭刪除或變更，因此無法再存取。在目前人類能公開查證的資訊範圍內重新評估時，CLEVI 的正確率達到 98% 以上，這已超過人類平均 92% 的水準。
CLEVI 關係人士表示：「CLEVI 未混用外部模型，僅憑 from scratch 自研模型與自有 AI 代理解決方案，便讓 5 個代理全部取得 70+，進入公開基準測試前 2.5%。未來透過持續改善自研模型與代理解決方案，官方分數預計仍有進一步提升的可能。這次成果的深層意義在於：它是在全球公開基準測試中實測，展現了『經驗證的信任』；是國內 AI 開發商以 from scratch 自研模型為基礎取得的成果；是獨立模型堆疊而非混用外部模型的結果；並且考量到部分題目的資訊已消失，其解讀價值超越分數本身。」