Che cosa misura il benchmark
Il benchmark MKA, descritto da AI4Business, sposta l'attenzione dalla qualità delle risposte testuali alla capacità di un agente AI di interpretare documenti visivi complessi e di produrre elaborati concretamente utilizzabili, come documenti, presentazioni e analisi. La valutazione si basa su 200 attività di tipo professionale. È questo, secondo la fonte, il punto di novità: non un esercizio astratto ma una prova orientata al risultato finale che un professionista potrebbe effettivamente impiegare.
Lo strumento nasce da una collaborazione tra Artificial Analysis e Google DeepMind, sempre secondo quanto riportato dalla fonte. L'obiettivo dichiarato è superare i benchmark tradizionali, che tendono a misurare prestazioni parziali. Il materiale non specifica i criteri di scoring, le modalità di raccolta del corpus documentale né come venga giudicata l'utilizzabilità degli elaborati: sono elementi che restano da verificare per chi volesse interpretare i risultati in modo rigoroso.
La classifica e il rapporto costo-prestazioni
Nella graduatoria riportata da AI4Business il punteggio più alto spetta a Claude Fable 5.2. Subito dietro si colloca Gemini 4 Carbon, che però presenta un costo medio per task molto più basso. La fonte sottolinea proprio questo secondo aspetto come il dato economicamente più interessante: a fronte di un divario di prestazioni definito contenuto, il modello di Google offrirebbe un rapporto tra risultati e spesa più favorevole.
Il confronto tra i due modelli va letto con cautela. La fonte non riporta i punteggi numerici, non indica la differenza percentuale tra i due risultati né quantifica il divario di costo in valori assoluti. Non è quindi possibile stabilire quanto Claude Fable 5.2 sia effettivamente avanti né quanto Gemini 4 Carbon convenga in termini di costo per unità di prestazione. Le indicazioni restano qualitative e vanno trattate come tali.
Perché conta e che cosa manca
La rilevanza del benchmark sta nel tipo di capacità misurata. Se gli agenti AI devono entrare nei flussi di lavoro professionali, la capacità di leggere documenti visivi e di restituire elaborati pronti all'uso diventa un requisito operativo, non un accessorio. Un test costruito su 200 attività di questo tipo offre un segnale più vicino alle esigenze delle imprese rispetto alle prove su singole competenze isolate.
Resta però un quadro incompleto. La fonte afferma che i modelli frontier progrediscono ma sono ancora lontani dall'uniformità, senza precisare in quali ambiti le prestazioni siano più solide e in quali più fragili. Non vengono indicati i tempi della rilevazione, le condizioni di esecuzione delle prove né eventuali limiti metodologici dichiarati dagli autori. Anche la data di pubblicazione dell'articolo, novembre 2026, segnala che si tratta di una fotografia destinata a invecchiare rapidamente in un mercato in movimento.
In sintesi, il benchmark MKA propone un criterio di valutazione più aderente al lavoro reale e mette in luce un trade-off tra qualità e costo che le organizzazioni dovranno pesare. Ma i numeri necessari per trasformare questa indicazione in una scelta di fornitura non sono presenti nel materiale: serviranno il rapporto completo e una verifica indipendente dei risultati.
