把一份 PDF 財務報告丟給 AI，請它分析裡面的圖表，結果真的可信嗎？
如果報告中同時包含折線圖、表格、圖片和大量文字，AI 不只需要讀懂內容，還得理解各項資訊之間的關係。
2026 年 11 月 10 日，Google DeepMind 與 Artificial Analysis 正式推出 MKA（Multimodal Knowledge Agent）評測，專門測試 AI 能否理解這類複雜的工作文件。
這次評測涵蓋 200 項專業任務、83 種職業與 10 大產業領域，從工程圖面、財務文件到商業簡報，都是測試內容。
Google 公布的結果顯示，Gemini 4 Carbon 在參與測試的模型中取得第二名的品質成績，平均任務成本則比排名第一的模型低約六倍。
不過，這不代表 Gemini 讀取所有圖表都能保證正確，也不代表一般使用者直接上傳 PDF，就一定能得到完整的分析報告。
本文會帶你了解 MKA 評測揭露了什麼，以及如何使用 Gemini 分析圖表、比較文件，並檢查 AI 是否讀錯數字。
Google MKA 是什麼？為什麼要測試 AI 看圖表的能力？
MKA 的全名是 Multimodal Knowledge Agent，中文可以理解成「多模態知識代理評測」。
其中，「多模態」指的是 AI 能處理不只一種形式的資訊，例如文字、圖片、表格與圖表。
過去許多 AI 能力測試，主要使用文字題目。
但真實工作通常不只有文字。
例如：
- 財務報告包含營收表格與趨勢圖。
- 工程文件包含平面圖、尺寸與符號。
- 市場研究報告包含比較圖表與統計資料。
- 學校教材包含圖片、實驗結果與說明文字。
如果 AI 只能讀懂段落，卻無法正確理解圖表中的比例、單位與位置，就可能產生錯誤結論。
MKA 的目的，就是評估 AI 能否在需要閱讀視覺資訊的情況下，完成具有實際工作價值的任務。
Google 與 Artificial Analysis 找來不同領域的專家，共同設計測試內容，讓題目更接近專業人員真正會遇到的工作。
MKA 最新評測發現什麼？Gemini 4 Carbon 表現如何？
MKA 不是只有幾道圖片辨識題，而是完整的工作任務。
Google 官方指出，評測共有 200 項任務，涵蓋商業、營建、教育、工程、金融、醫療、法律與政府、物流與地圖、科學，以及軟體與資料等十大領域。
每個任務都包含實際工作需求、多種輸入檔案，以及專家制定的評分規則。
其中有幾個值得關注的數字：
| 評測項目 | 官方公布資訊 |
| 測試任務數量 | 200 項 |
| 涵蓋職業 | 83 種 |
| 產業領域 | 10 大領域 |
| 專業人員完成單項任務所需時間 | 約 3～8 小時 |
| 每項任務平均評分檢查點 | 約 70 項 |
| Gemini 4 Carbon 品質排名 | 參測模型第 2 名 |
| Gemini 4 Carbon 平均任務成本 | 約為品質排名第 1 模型的六分之一 |
資料來源：Google DeepMind《Introducing the Multimodal Knowledge Agent benchmark》。
特別需要注意，Google 公布的成本是在相同評測環境下完成任務的平均成本比較，不是 Gemini 訂閱費，也不是所有企業工作都能節省六倍費用。
另外，MKA 的評分有 75% 著重事實正確性，25% 著重視覺設計品質。
這代表研究不只檢查 AI 能不能產生漂亮的簡報或報表，也重視數字、內容和分析結果是否正確。
為什麼 AI 讀 PDF 圖表容易出錯？
AI 可以快速整理文件，但遇到複雜圖表時，仍可能發生三種常見錯誤。
1. 看錯圖表的座標軸與單位
例如一張營收圖表，縱軸使用「千元」，但 AI 卻把數字當成「元」。
這種錯誤可能使報告金額相差一千倍。
另一個常見問題是，圖表的縱軸並非從零開始。
假設兩個月的營收分別是 100 萬元與 105 萬元，實際成長只有 5%，但圖表如果從 95 萬元開始繪製，視覺上的差距可能看起來非常巨大。
如果 AI 沒有檢查座標軸，就可能錯誤描述成營收大幅成長。
2. 無法正確連結圖表與文字說明
一份市場研究報告可能包含多張圖表。
第一張分析全球市場，第二張分析台灣市場，第三張則是某個特定客群。
如果 AI 把不同圖表的數字混在一起，就可能產生看似合理、實際上卻沒有根據的結論。
因此，分析時不能只要求 AI「整理所有圖表」，還應請它註明每個數字來自哪一頁、哪一張圖。
3. 忽略圖例、註腳與資料限制
許多專業圖表會透過顏色、線條、註解區分不同資料。
例如實線代表實際數據，虛線代表預測值。
如果 AI 沒有注意圖例，就可能把未來預測寫成已經發生的事實。
財務報告、研究論文與市場預測都需要特別小心這個問題。
Gemini 分析 PDF 圖表怎麼做？5 步驟操作教學
MKA 是一套評測系統，並不是一般使用者可以在 Gemini 介面中開啟的獨立功能。
不過，你可以使用 Gemini 現有的檔案分析能力，練習處理具有圖表的文件。
以下以「分析一份月度銷售報告」作為操作示範，並非海豚 AI 學院的實際測試成果。
步驟一：準備包含圖表的 PDF
第一次練習時，建議使用自己熟悉的資料，例如包含三到五頁的簡單銷售報告。
文件可以包含：
- 每月營收長條圖。
- 商品銷售占比圓餅圖。
- 各產品的銷售數據表。
- 報告結論與備註。
建議先使用沒有敏感個資、數字可以自行核對的文件。
步驟二：開啟 Gemini 並上傳檔案
前往 Gemini 官方網站，登入 Google 帳號。
透過目前介面提供的附件或檔案上傳功能，加入準備好的報告。
實際可用檔案格式、大小與分析能力，仍可能受到帳號方案和產品限制。
步驟三：先要求辨識圖表，不急著下結論
可以先輸入：
請閱讀我上傳的 PDF，列出文件中每一張圖表的頁碼、標題、圖表類型、座標軸、數據單位及主要內容。先不要進行趨勢分析。若有無法辨識的數字或圖例，請標示待確認，不要猜測。
這個步驟很重要。
先確認 AI 是否真正理解圖表，再進行分析，比直接要求它產生完整報告更容易發現錯誤。
步驟四：針對指定圖表進行分析
確認基本資訊後，再進一步輸入：
請只分析第 3 頁的月營收長條圖，列出各月份金額與單位，並計算相鄰月份的成長率。請顯示計算公式，區分圖表直接提供的數據與你自行計算的結果。
如果是圓餅圖，可以要求它整理各類別占比。
如果圖表只有視覺高度、沒有標示精確數字，則應要求 AI 說明無法得到精確數值，而不是自行估算後當成確定答案。
步驟五：核對數字再製作摘要
完成分析後，挑選幾個關鍵數字，回到原始 PDF 檢查。
至少確認最大值、最小值、單位，以及最重要的成長率。
當數字確認無誤，再讓 Gemini 整理成主管可以閱讀的摘要。
如果你想進一步直接修改文件，可參考海豚 AI 學院既有文章：Gemini 可以直接編輯 PDF、Word 和簡報了！。
AI 圖表分析提示詞怎麼寫？3 個實用範例
範例一：分析公司營收圖表
請分析這份報告中的營收圖表，先確認各張圖表的時間範圍、幣別與數據單位，再整理營收變化。請區分實際數值、預測值與你的推論，所有重要數字附上頁碼或圖表名稱。
範例二：比較兩份市場研究報告
我提供兩份市場研究 PDF，請比較其中對同一產業的市場規模與成長預測。先確認年份、研究範圍及計算單位是否一致。如果兩份資料不能直接比較，請說明原因，不要強行產生排名。
範例三：整理教學教材中的實驗圖表
請閱讀這份自然科學教材，逐一說明實驗圖表的橫軸、縱軸、測量單位及主要觀察結果。請區分實驗結果與教材作者提出的解釋，並列出學生可能誤解的地方。
這些提示詞的共通點是：先要求 AI 理解原始資訊，再請它分析。
如果資料本身不完整，正確的結果應該包含不確定性，而不是一份看起來毫無問題的漂亮報告。
AI 可以直接產生專業簡報和報表嗎？
可以協助產生，但必須檢查成果。
MKA 評測特別將「事實正確性」與「視覺設計」分開計分，就是因為一份報表外觀精美，不代表內容一定正確。
假設 AI 製作了一張圖表，顏色清楚、標題完整，卻把 2025 年的數據標成 2026 年。
即使版面再漂亮，也不能作為可靠的商業決策依據。
Google 這次研究也指出，不同 AI Agent 在相同任務上的工作方式差異很大，平均可能使用 30～130 次互動步驟才能完成一項任務。
因此，處理完整的專業文件工作時，模型能力、工具配置與檢查流程都會影響結果。
對一般上班族而言，建議先讓 AI 產生初步圖表與摘要，再由人員核對資料，最後才進行對外發表或正式簡報。
Gemini 4 Carbon 現在可以使用嗎？需要付費嗎？
Google 在 2026 年 11 月 10 日宣布，Gemini 4 Carbon 已開始向開發者、企業、研究人員與一般消費者開放。
開發者可以透過 Google AI Studio 與 Gemini API 使用 Carbon；一般使用者則需要確認 Gemini App 中的模型資格與方案限制。
值得注意的是，Carbon 正式開放，不代表每個免費帳號都能不限額度使用。
模型選擇權限、使用額度及 API 費用，應以 Google 最新官方定價及帳號介面為準。
如果你只是需要分析一份簡單 PDF，不一定要使用最高階模型。
可以先用目前帳號可使用的 Gemini 功能完成分析，再根據數字錯誤、文件複雜程度與分析需求，判斷是否需要更進階的模型。
Google MKA 與 AI 圖表分析常見問題 FAQ
Google MKA 是新的 Gemini 模型嗎？
不是。MKA 是 Google DeepMind 與 Artificial Analysis 共同推出的 AI 評測系統，用來衡量 AI Agent 處理複雜視覺文件的能力。
MKA 的 200 個任務可以免費測試嗎？
Google 表示，完整的 200 項評測任務由 Artificial Analysis 保管，沒有全面公開，以降低測試題目外洩而影響結果的風險。
研究團隊另外公開了 10 項示範任務，供研究人員檢視格式與測試自己的系統。
Gemini 4 Carbon 是 AI 圖表分析最強的模型嗎？
Google 公布的 MKA 評測結果中，Carbon 在參測模型的品質排名第二，平均任務成本比第一名低約六倍。
因此不能稱它在所有圖表分析任務中都是第一名，更不能保證所有工作都具有相同的成本優勢。
掃描版 PDF 可以讓 AI 直接分析嗎？
可以嘗試，但辨識效果會受到掃描品質、文字大小、圖片清晰度及模型能力影響。
如果圖表模糊、部分內容被裁切或數字難以辨識，應先取得清晰版本，不要只依賴 AI 推測。
AI 分析的圖表可以直接給主管或客戶嗎？
建議先核對重要數字、圖表標籤、資料期間與來源。
尤其涉及財務、工程、醫療或其他高風險工作時，不能將 AI 分析結果視為專業人員已完成的審核。
Google MKA 給一般使用者什麼啟發？
Google 推出 MKA 評測，反映出 AI 能力評估正在從單純回答文字問題，走向更接近真實工作的文件分析。
一份專業報告可能同時包含數字、圖表、註腳、圖片與不同頁面的資訊。
AI 必須能把這些內容正確連結起來，才能產生真正有價值的分析。
對一般上班族、教師與企業管理者來說，現在可以先從簡單文件開始練習：讓 AI 辨識圖表、整理數據，再由自己確認來源和結論。
如果想學習如何利用 AI 整理 Excel、分析商業數據與製作報告，也可以參考海豚 AI 學院課程專區，或從免費試看練習 AI 資料分析。
AI 能快速閱讀文件，是很有幫助的能力；但能否正確理解圖表、保留證據並經得起人工核對，才是判斷分析結果能不能使用的關鍵。
資料來源
Google DeepMind｜Introducing the Multimodal Knowledge Agent benchmark
Google｜Gemini 4 Carbon is now available
Google｜Google AI Studio
