Desarrollado en colaboración con Yapay Analysis, el benchmark MKA (Multimodal Knowledge Agent) se presenta para medir la capacidad de razonamiento en tareas reales de trabajo del conocimiento sobre archivos visuales. Dado que el trabajo profesional diario es visual, los benchmarks centrados solo en texto resultan insuficientes; MKA mide la capacidad de evaluar planos arquitectónicos, esquemas de ingeniería e informes. Un conjunto de evaluación de 200 tareas que abarca 10 sectores diferentes y 83 profesiones simula flujos de trabajo profesionales.
Las tareas duran entre tres y ocho horas y consisten en aproximadamente 70 comprobaciones de sí/no ponderadas con un 75 % de exactitud factual y un 25 % de diseño visual. Se observa una gran diferencia de eficiencia entre los modelos de IA; en las mismas tareas se registra una diferencia media de entre 30 y 130 ciclos.
Las capacidades de percepción visual son críticas para la resolución de tareas, y también se muestra cómo fallan los modelos al eliminar la visión. Gemini 4 Carbon se sitúa en segunda posición entre los modelos probados, mientras que ofrece una ventaja media de costes del 83 % respecto al modelo con mayor puntuación, definiendo el equilibrio calidad-precio (frontera de Pareto).