Google DeepMind lanza el benchmark Multimodal Knowledge Agent

Google DeepMind, en colaboración con Artificial Analysis, presentó el benchmark Multimodal Knowledge Agent (MKA) el 10 de noviembre de 2026. MKA evalúa cómo los agentes de IA razonan sobre archivos visualmente complejos para completar tareas reales de trabajo de conocimiento, y en las pruebas iniciales Gemini 4 Carbon quedó en segundo lugar en calidad entre los modelos evaluados, con un costo en promedio seis veces menor que el del modelo con mejor puntaje.

Qué incluye el benchmark

• El benchmark incluye 200 tareas de evaluación privadas, con 10 tareas públicas publicadas en Hugging Face
• Las tareas abarcan 10 sectores y 83 ocupaciones, incluyendo arquitectos, biólogos, suscriptores de seguros y científicos de datos
• Cada tarea equivale a entre 3 y 8 horas de trabajo profesional
• La puntuación se pondera en 75% precisión factual y 25% diseño visual, calificada por un evaluador automático que coincide con la calificación de expertos humanos el 96% de las veces
• Los modelos evaluados usaron en promedio de 30 a 130 turnos mediante el entorno de agentes de código abierto Stirrup

Qué significa para quienes construyen con IA

Para quienes construyen flujos agénticos de codificación y de trabajo de conocimiento, MKA agrega una medida adicional más allá de las clasificaciones basadas solo en texto, enfocada en tareas profesionales visuales y de varias horas. El resultado de que Gemini 4 Carbon quedara en segundo lugar en calidad con un costo seis veces menor que el modelo con mejor puntaje ofrece a quienes construyen un equilibrio concreto entre costo y calidad a considerar al elegir un modelo para agentes que deben leer archivos visualmente complejos y producir resultados de nivel profesional.

Disponibilidad

Las 10 tareas públicas de MKA están disponibles en Hugging Face, y el entorno de evaluación usado para probar los modelos, Stirrup, es de código abierto, por lo que los desarrolladores pueden revisar el formato de las tareas y el ciclo del agente usado para calificar la precisión factual y el diseño visual.

Fuentes

• Introducing the Multimodal Knowledge Agent benchmark (Google, 10 de noviembre de 2026, oficial)

Redactado con ayuda de IA, únicamente a partir de las fuentes indicadas arriba. Antes de publicarse, controles automáticos verificaron sus fechas, sus fuentes y todas sus versiones de idioma.