Menú
Secciones criptográficas
El nuevo punto de referencia del nuevo agente de conocimiento multimodal prueba si la IA puede manejar planos, esquemas y escaneos clínicos como un profesional en activo.
Martes 10 de noviembre de 2026 · 13:21 EST · Lectura de 3 minutos
En IA
Compartir
Google DeepMind y Artificial Analysis han lanzado un nuevo criterio para los agentes de IA, e implica mucho más entrecerrar los ojos ante los diagramas que la mayoría de los puntos de referencia.
El benchmark Multimodal Knowledge Agent, o MKA, califica a los agentes autónomos en trabajos profesionales complejos y visualmente pesados. Se salta las preguntas de trivia y la resolución de acertijos. Está más cerca de una evaluación de desempeño.
Lo que realmente prueba MKA
Las dos organizaciones presentaron MKA el 10 de noviembre de 2026. El lanzamiento coincidió con una publicación en el blog de DeepMind y un documento técnico adjunto.
El punto de referencia contiene 200 tareas privadas repartidas en 10 sectores verticales. Cada tarea se diseñó con aportaciones de especialistas que representan 83 ocupaciones diferentes.
Los agentes deben interpretar planos arquitectónicos, esquemas de ingeniería, escaneos clínicos y otro material visual denso. Luego, los agentes tienen que producir resultados reales, incluidas hojas de cálculo, presentaciones de diapositivas e imágenes marcadas.
Las tareas se basan en proyectos de varios pasos que normalmente tardan a los profesionales humanos entre 3 y 8 horas en completarse.
La puntuación sigue estrictas rúbricas de expertos. Esas rúbricas pesan la precisión fáctica junto con el diseño visual, por lo que una respuesta correcta oculta en una plataforma de diapositivas fea e ilegible aún pierde puntos.
Calificando a los calificadores
MKA se apoya en un autorregulador agente, un sistema de inteligencia artificial que califica los resultados de otros sistemas de inteligencia artificial.
Según los resultados de la investigación, el autor alcanzó una tasa de acuerdo del 96,2% con expertos humanos sobre los criterios de evaluación.
IA, tecnología y los mercados que mueven, en una sesión informativa diaria.
A diario. Gratis. Únase a más de 34 000 lectores de criptomonedas, finanzas y políticas.
Respetamos su privacidad. Darse de baja en cualquier momento.
También importa el carácter privado de las tareas. Debido a que las 200 tareas no son públicas, los desarrolladores no pueden entrenar fácilmente sus modelos con las respuestas con anticipación.
Primeros resultados: calidad versus costo
La primera tabla de clasificación ya contiene un dato notable para Google. Gemini 4 Carbon (alto) ocupó el segundo lugar en calidad en MKA.
La cifra más llamativa es la eficiencia. Gemini 4 Carbon (alto) completó tareas a un costo aproximadamente 6 veces menor que el modelo que ocupó el primer lugar.
Vale la pena señalar lo obvio. DeepMind cocreó el punto de referencia y su propio modelo obtuvo una buena puntuación en rendimiento ajustado a costes. Eso no invalida los resultados, pero los lectores deben sopesarlos teniendo en cuenta esa relación.
Por qué el razonamiento visual es la pieza que falta
Muchos puntos de referencia de IA existentes se basan en tareas de solo texto. MKA está diseñado para llenar ese vacío incorporando el razonamiento visual a la evaluación misma.
Esa brecha es importante porque el trabajo profesional rara vez es texto puro. Los arquitectos trabajan a partir de dibujos, los ingenieros a partir de esquemas y los médicos a partir de escaneos.
Al exigir tanto comprensión visual como resultados pulidos, MKA pone a prueba el ciclo completo del trabajo del conocimiento: aceptar material complejo, razonar sobre él y devolver un producto utilizable.
Qué significa esto para los desarrolladores y compradores de IA
Para los desarrolladores de modelos, MKA aumenta la apuesta por la capacidad multimodal. También pone la calidad del diseño en el cuadro de mando. Los desarrolladores ya no pueden tratar el formato como una ocurrencia tardía si las rúbricas de expertos penalizan los entregables desordenados o confusos.
Doscientas tareas en 10 sectores es sustancial para un punto de referencia cuidadosamente seleccionado, pero aún cubre una porción del trabajo profesional, y los resultados en una vertical pueden no transferirse claramente a otra.
El acuerdo del 96,2% del autor con los expertos humanos es fuerte, pero el desacuerdo restante podría concentrarse en las tareas más difíciles o más subjetivas.
Artificial Analysis aporta una marca de evaluación de terceros al proyecto, mientras que DeepMind aporta la fuerza de investigación y un interés competitivo directo. La forma en que respondan otros laboratorios y si envían modelos y aceptan la metodología determinará si MKA se convierte en un estándar de la industria o sigue siendo un punto de referencia entre muchos.
Divulgación: este artículo fue editado por Diego Almada López. Para obtener más información sobre cómo creamos y revisamos contenido, consulte nuestra Política editorial.
Las noticias sobre lo que tienes
Siga sus acciones y criptomonedas. Lea las noticias sobre ellos de cientos de editores en Pro.
Política de privacidad
