Google与Artificial Analysis推出Multimodal Knowledge Agent基准，专门测试Agent处理图纸、表格、报告和演示文稿等视觉复杂文件的能力。传统知识评测常能只靠文本完成，而真实工作需要理解页面布局、图例、公式、图表和跨文件关系。
MKA为什么更接近真实办公
任务覆盖商业、建筑、教育、工程、金融、医疗、法律、物流、科学和软件等领域。所有模型使用同一开源Agent框架、相同工具、沙箱和轮数预算，最终交付物由自动评分器打开文件、渲染页面并检查公式。公开10项样例，完整200项集合保持私有，减少训练数据泄漏。
企业如何建立自己的MKA
从历史工作中选择20个有明确答案的任务，例如根据PDF图纸生成材料表、核对财务模型公式、把调研数据做成演示文稿。删除客户隐私后，保存原始文件、专家结果、评分规则和允许工具。任务应包含模糊扫描、跨页引用和单位差异，不能只选干净样例。
评分不能只看最终文字
检查公式是否真实写入单元格、图表是否引用正确区域、PPT结论是否能追溯到来源、文件能否打开、格式是否满足要求。分别评分感知、推理、工具使用和交付质量。模型可能生成漂亮文档，但数字或引用错误。
效率同样重要
官方观察到不同模型完成同类任务平均使用30至130轮，说明质量接近时成本和耗时可能相差数倍。评测要记录轮数、Token、工具调用、失败恢复和人工修订时间，以每个合格交付物成本进行比较。
站内Gemini File Search多模态RAG适合资料检索，企业Agent治理数据指南可帮助设置权限。MKA关注的是从资料到最终文件的完整交付。
防止评测污染
公开样例用于调试格式，真实排名应使用未公开内部任务。提示词、工具和轮数保持一致，模型升级后重复测试。评分器本身也要用人工抽查，避免自动评分偏向某种格式。
结论
多模态Agent的价值不在“能看图片”，而在能否把复杂文件转成可核验成果。企业应建立自己的视觉文档评测集，再决定使用哪一个模型。
资料来源：Google MKA基准说明。
