GAIA2
通用能力已核验最近更新 2026-10-04
GAIA 的继任基准，在动态、异步环境中考察 Agent。
2026 年 2 月 12 日发布、被 ICLR 2026 接收为 Oral 的 GAIA2，在异步动态环境的 1,120 个场景中考察 Agent，其中 GPT-5（high）为 42.1% pass@1，开源最佳 Kimi-K2 为 20.1%。
关键事实
| 2026 前沿 | GPT-5（high）42.1% pass@1；开源最佳 Kimi-K2 为 20.1% pass@1 |
|---|---|
| 可信度 | 由 Meta Superintelligence Labs 发布，被 ICLR 2026 接收为 Oral，在异步测试平台上运行 1,120 个场景。其具体发现是：最强模型恰恰在时间敏感任务上失败——这与 GAIA 静态多步问题的失效模式不同。 |
| 核验状态 | 已核验 |
| 来源 | GAIA2 (arXiv:2602.11964) |
FAQ
GAIA2 测的是什么？
GAIA 的继任基准，在动态、异步环境中考察 Agent。
GAIA2 的 2026 年前沿水平是多少？
GPT-5（high）42.1% pass@1；开源最佳 Kimi-K2 为 20.1% pass@1
GAIA2 可信吗？
由 Meta Superintelligence Labs 发布，被 ICLR 2026 接收为 Oral，在异步测试平台上运行 1,120 个场景。其具体发现是：最强模型恰恰在时间敏感任务上失败——这与 GAIA 静态多步问题的失效模式不同。