GAIA（General AI Assistants Benchmark）是由Meta於2024年推出的評估通用AI助手綜合性能的基準測試，主要檢驗AI在虛擬與具身環境中完成複雜任務的能力。該測試包含466道多步驟問題，涉及動態環境導航、多模態互動及網頁操作等維度，按照任務複雜度分為Level 1（基礎任務）、Level 2（中級任務）和Level 3（高級任務）三個難度級別。
在2024年初次測試中，GPT-4外掛程式版正確率僅為15%，而人類受訪者正確率達92%。至2024年末，人工智慧系統最高得分提升至65.1%。2025年，崑崙萬維天工超級智慧型體以82.42分登頂GAIA榜單，超越OpenAI Deep Research（67.36分）和Manus（40.82分），其中在SimpleQA評測任務中獲得94.5分。同期百度T11推出的Genspark超級智慧型體也在該測試中表現超過上述兩家機構。
基本介紹
- 中文名：GAIA基準測試
- 外文名：GAIA
基本介紹,套用實例,
基本介紹
它通過一系列複雜任務，如多模態信息處理、任務規劃、工具調用等，全面檢驗AI智慧型體的推理、執行和協作能力。在GAIA測試中，AI智慧型體需要在規定時間內完成從數據收集到結果交付的全流程任務，其表現直接反映了其在實際套用中的潛力。
套用實例
2025年4月訊息，百度T11推出的Genspark超級智慧型體，在智慧型體基準測試GAIA上擊敗了Manus和OpenAI Deep Research。
