与 Artificial Analysis 联合发布多模态知识智能体基准 MKA
做文档智能体或 RAG 的朋友可以看看这个新基准，200 个任务横跨 10 个行业，专测模型读复杂文件再干活的能力，比单轮问答基准更贴近实际工作流，选模型前先去 Artificial Analysis 看排名。
双方联合推出名为 Multimodal Knowledge Agent（MKA）的新基准，用于测试智能体在复杂视觉文件上的知识型工作能力。
MKA 包含 200 个任务，覆盖 10 个行业垂直领域，任务形式要求模型在读取和理解复杂视觉内容（如文档、图表类文件）的基础上完成多步骤的知识工作。评测结果已在 Artificial Analysis 的评估页面（artificialanalysis.ai/evaluations/mka）公开，可直接查看各模型的得分对比。
对开发者而言，MKA 把评测焦点从单轮多模态问答转向多步骤智能体工作流，可以作为选型时衡量模型在真实文件处理场景表现的参考；此前常见的基准多停留在 OCR 或 VQA 类单步任务，MKA 的垂直行业划分也更贴近企业实际使用场景。
we partnered with @ArtificialAnlys to launch a new benchmark: Multimodal Knowledge Agent (MKA) It tests agentic knowledge work over complex visual files, including 200 tasks across 10 industry verticals. Results: artificialanalysis.ai/evaluations/mka📊 22 ⚡
本条情报归属 AITOP「模型」核心追踪栏目。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：MKA、Artificial Analysis、多模态、智能体，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Patrick Loeber」（@patloeber），经 AITOP 多维评分管线结构化提炼。
