GAIA（通用AI助手基准）

GAIA（General AI Assistants）由 Meta FAIR 团队于 2023 年发布，是目前最接近真实使用场景的 AI 助手评测基准。它包含 466 个精心设计的问题，每个问题都需要多步推理、工具使用和多模态理解才能解决。

GAIA 的设计理念是：测试 AI 是否具备"人类级别的通用助手能力"，而非单纯的文本理解能力。

人类基准：92%。2025 年 AI 最佳成绩约 68%，2026 年已突破 85%（Claude 4 + Computer Use）。

三个难度等级：Level 1（单步操作，如从网页提取信息）、Level 2（几步推理+工具，如"找出 2025 年诺贝尔物理学奖得主的维基百科页面中的引用最多的参考文献"）、Level 3（复杂多步任务，如"分析某公司的财务报告，计算其收入增长率并生成图表"）。

GAIA 的关键洞察是：AI 在单一能力上已超越人类，但在综合使用多种能力（搜索+推理+工具+多模态）解决实际问题上仍有差距。