<p>/PRNewswire/ -- Leni，一款用于商业房地产的人工智能分析平台，今天在四个独立的人工智能基准测试中取得了顶级成绩。Leni 在深度研究的 DRACO 基准测试中名列第一，在 SpreadsheetBench Verified 中排名前两名，在 BullshitBench 上超越了所有公共模型，并在 GAIA 中领先于 Genspark、Manus 和 OpenAI Deep Research。</p>
<p>继续阅读</p>
<p><img src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null"/></p>
<p>Leni 在所有三个 GAIA 难度级别中均排名第一，展示了其完成复杂多步骤任务的能力，这些任务需要研究、推理和可靠的执行。</p>
<p>“大多数团队过于关注模型，但有效的人工智能采用所需的关键工程，能够为团队提供高度准确和可靠的结果，依赖于架构或工具，”<strong>Leni 首席执行官兼联合创始人 Arunabh Dastidar</strong> 表示。“这就是为什么今天最流行的编码工具是 98% 的工具和 2% 的模型。我们早在几年前就意识到了这一点，并生产了专门构建的基础设施，可以可靠地用于需要准确性和安全性的严肃工作。它将工作从监视和猜测转变为可信、可验证的输出，使团队能够更快、更有信心地推进。”</p>
<p>DRACO 由 Perplexity AI 和哈佛大学开发，衡量人工智能是否能够产生高级分析师会签字的深入研究。Leni 的得分为 71.6%，领先于 Perplexity、谷歌和 OpenAI 的深度研究产品。SpreadsheetBench Verified 对人工智能在数百个真实电子表格任务中的表现进行评分，Leni 在全球排名前两名，正确完成了 400 个任务中的 365 个。在 BullshitBench（版本 2）上，该测试评估人工智能是否会对无意义的问题进行反驳，而不是编造答案，Leni 识别出了 98% 的虚假前提，领先于排行榜上的 142 个公共人工智能模型。GAIA 由 Meta 和 HuggingFace 开发，衡量人工智能是否能够完成涉及多个步骤的真实世界任务，而不会在早期犯错，这可能会影响最终答案。Leni 在验证集上的得分为 77.0%，领先于 Genspark、Manus 和 OpenAI Deep Research。在商业房地产领域，错误的容忍度为零，这些基准测试衡量一个系统是否能够准确产生决定交易的分析。</p>
<p>这些结果很重要，因为人工智能的承诺与可靠性之间的差距正在给公司带来实际的经济损失，Dastidar 表示。根据 2025 年 10 月发布的 EY 调查，惊人的 99% 的公司报告与人工智能相关的风险导致了财务损失，平均每家公司损失 440 万美元，975 名受访者的总损失估计为 43 亿美元。在商业房地产领域，这种模式尤为明显，92% 的 CRE 公司已经试点了人工智能，但只有 5% 表示他们实现了所有人工智能目标，依据 JLL 的 2025 年全球房地产技术调查。</p>
<p>“如果让我描述 Leni 的影响，那就是简单：更快、更容易，”<strong>Ram Realty Advisors 的 IT 副总裁 Scott Jones</strong> 表示。“特别是在资产管理方面，团队不再被困在手动工作中。数据直接从源头流出，他们可以信任它。Leni 将重点从聚合信息和构建报告转移到真正重要的事情上：寻找交易，更好地执行交易，以及更有效地管理资产。”</p>
<p>Leni 的智能人工智能平台旨在为商业房地产的投资、资产管理和运营团队服务，从 PDF、电子表格和核心系统中提取数据，以端到端执行复杂的工作流程。该平台的核心是其通用数据模型（UDM），这是行业首个针对多家庭房地产的标准化数据框架，由包括麻省理工学院、Greystar、EY 和 Geoffrey Hinton 的向量研究所的校友在内的团队经过三年开发而成。UDM 为一个长期以来由专有格式和数据孤岛定义的行业创建了共同语言，跨越每个主要房地产系统进行集成。其结果是安全、模型无关的自动化，提供决策准备的输出，而无需内部人工智能基础设施。</p>
<p>“信任是任何企业实际使用的人工智能系统中最重要的部分，”<strong>Leni 行业战略负责人 Marcio Sahade</strong> 表示，他曾在 Tishman Speyer 和 Hines 等公司工作了 14 年。“如果团队无法依赖返回的结果，他们最终会自己重做工作，而人工智能永远无法兑现其承诺。”</p>
<p>他补充道：“这些基准测试测量的正是这个差距：一个系统是否可以被信任以产生完成的工作，而不仅仅是听起来合理的输出。这是我们对每个客户所设定的标准。”</p>
<p><strong>关于 Leni</strong> Leni 是一个安全、以准确性为驱动的人工智能平台，专为商业房地产、贷款和投资领域的严肃投资工作而构建。自 2023 年公开发布以来，该公司已筹集 850 万美元，以构建该领域的最佳人工智能基础设施。Leni 为投资和资产管理团队提供准确、安全和上下文感知的交付成果。该平台目前支持超过 400 亿美元的资产管理总组合。有关更多信息，请访问：http://www.leni.co。</p>
<p>来源 Leni</p>
<p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNTEyJk5ld3NJdGVtSWQ9Tlk1NjM4NSZUcmFuc21pc3Npb25fSWQ9MjAyNjA1MTIxMDMwUFJfTkVXU19VU1BSX19fX19OWTU2Mzg1?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNTEyJk5ld3NJdGVtSWQ9Tlk1NjM4NSZUcmFuc21pc3Npb25fSWQ9MjAyNjA1MTIxMDMwUFJfTkVXU19VU1BSX19fX19OWTU2Mzg1"/></p>

OpenAI

标普软件与服务 ETF - SPDR

IDGT

云计算 ETF - GlobalX

全球科技股指数 ETF - iShares

基准数据与基础设施房地产 SCTR ETF - Pacer

<p>Leni 是一款用于商业房地产的人工智能分析平台，在四项人工智能基准测试中取得了优异的成绩，超越了 OpenAI 和 Google 等主要竞争对手。它在深度研究的 DRACO 基准测试中排名第一，并在其他测试中表现出色，展示了其可靠处理复杂任务的能力。Leni 的首席执行官强调了架构在人工智能应用中的重要性，指出 99% 的公司因人工智能风险面临财务损失。该平台旨在通过提供可信、准确的数据来增强资产管理的效率，以支持决策</p>

<p>, /PRNewswire/ -- Leni, an AI-powered analytics platform for commercial real estate, today announced top-tier results on four independent AI benchmarks. Leni placed first on the DRACO Benchmark for deep research, in the top two on SpreadsheetBench Verified, outperformed every public model on BullshitBench, and ranked ahead of Genspark, Manus and OpenAI Deep Research on GAIA.</p>
<div class="lb-trans"><p>/PRNewswire/ -- Leni，一款用于商业房地产的人工智能分析平台，今天在四个独立的人工智能基准测试中取得了顶级成绩。Leni 在深度研究的 DRACO 基准测试中名列第一，在 SpreadsheetBench Verified 中排名前两名，在 BullshitBench 上超越了所有公共模型，并在 GAIA 中领先于 Genspark、Manus 和 OpenAI Deep Research。</p>
</div><p>Continue Reading</p>
<div class="lb-trans"><p>继续阅读</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null" alt="" original-src="https://www.prnewswire.com/news-releases/null"/></p>
<p>Leni ranked No. 1 across all three GAIA difficulty levels, showing its ability to complete complex, multi-step tasks that require research, reasoning and reliable execution.</p>
<div class="lb-trans"><p>Leni 在所有三个 GAIA 难度级别中均排名第一，展示了其完成复杂多步骤任务的能力，这些任务需要研究、推理和可靠的执行。</p>
</div><p>&#34;Most teams obsess over models, but the key engineering needed for effective AI adoption, which delivers highly accurate and reliable results for teams, relies on architecture or harness,&#34; said <strong>Leni CEO and Co-Founder Arunabh Dastidar.</strong> &#34;That's why the most popular coding tool today is 98 percent harness and 2 percent models. We called it years ago and have produced purpose-built infrastructure that can reliably be used for serious work where accuracy and security are crucial. It shifts the work from babysitting and guessing to trusted, verifiable output, so teams can move faster with confidence.&#34;</p>
<div class="lb-trans"><p>“大多数团队过于关注模型，但有效的人工智能采用所需的关键工程，能够为团队提供高度准确和可靠的结果，依赖于架构或工具，”<strong>Leni 首席执行官兼联合创始人 Arunabh Dastidar</strong> 表示。“这就是为什么今天最流行的编码工具是 98% 的工具和 2% 的模型。我们早在几年前就意识到了这一点，并生产了专门构建的基础设施，可以可靠地用于需要准确性和安全性的严肃工作。它将工作从监视和猜测转变为可信、可验证的输出，使团队能够更快、更有信心地推进。”</p>
</div><p>DRACO, developed by Perplexity AI and Harvard, measures whether AI can produce in-depth research that a senior analyst would sign off on. Leni scored 71.6 percent, ahead of the deep research products from Perplexity, Google, and OpenAI. SpreadsheetBench Verified, which grades AI on hundreds of real spreadsheet tasks, ranked Leni in the top two globally, completing 365 of 400 tasks correctly. On BullshitBench (Version 2), which tests whether AI pushes back on nonsensical questions instead of inventing an answer, Leni caught 98 percent of fabricated premises, ahead of all 142 public AI models on the leaderboard. GAIA, developed by Meta and HuggingFace, measures whether AI can complete real-world tasks that involve multiple steps without making mistakes early on, which would throw off the final answer. Leni scored 77.0 percent on the validation set, ahead of Genspark, Manus, and OpenAI Deep Research. In commercial real estate, where the margin for error is zero, these benchmarks measure whether a system can accurately produce the analysis that determines the closing of a deal.</p>
<div class="lb-trans"><p>DRACO 由 Perplexity AI 和哈佛大学开发，衡量人工智能是否能够产生高级分析师会签字的深入研究。Leni 的得分为 71.6%，领先于 Perplexity、谷歌和 OpenAI 的深度研究产品。SpreadsheetBench Verified 对人工智能在数百个真实电子表格任务中的表现进行评分，Leni 在全球排名前两名，正确完成了 400 个任务中的 365 个。在 BullshitBench（版本 2）上，该测试评估人工智能是否会对无意义的问题进行反驳，而不是编造答案，Leni 识别出了 98% 的虚假前提，领先于排行榜上的 142 个公共人工智能模型。GAIA 由 Meta 和 HuggingFace 开发，衡量人工智能是否能够完成涉及多个步骤的真实世界任务，而不会在早期犯错，这可能会影响最终答案。Leni 在验证集上的得分为 77.0%，领先于 Genspark、Manus 和 OpenAI Deep Research。在商业房地产领域，错误的容忍度为零，这些基准测试衡量一个系统是否能够准确产生决定交易的分析。</p>
</div><p>The results matter because the gap between AI promise and AI reliability is costing companies real money, according to Dastidar. A staggering 99 percent of companies reported financial losses tied to AI-related risks, with an average loss of $4.4 million per company and an estimated $4.3 billion across the 975 respondents, according to an EY survey published in October 2025. The pattern is prevalent in commercial real estate, where 92 percent of CRE firms have piloted AI but only 5 percent say they have achieved all of their AI goals, according to JLL's 2025 Global Real Estate Technology Survey.</p>
<div class="lb-trans"><p>这些结果很重要，因为人工智能的承诺与可靠性之间的差距正在给公司带来实际的经济损失，Dastidar 表示。根据 2025 年 10 月发布的 EY 调查，惊人的 99% 的公司报告与人工智能相关的风险导致了财务损失，平均每家公司损失 440 万美元，975 名受访者的总损失估计为 43 亿美元。在商业房地产领域，这种模式尤为明显，92% 的 CRE 公司已经试点了人工智能，但只有 5% 表示他们实现了所有人工智能目标，依据 JLL 的 2025 年全球房地产技术调查。</p>
</div><p>&#34;If I had to describe Leni's impact, it's simple: faster and easier,&#34; said <strong>Scott Jones, Vice President of IT at Ram Realty Advisors</strong>. &#34;On the asset management side in particular, teams are no longer stuck doing manual work. The data flows directly from the source, and they can trust it. Leni shifts the focus away from aggregating information and building reports to what actually matters: finding deals, executing them better, and running assets more effectively.&#34;</p>
<div class="lb-trans"><p>“如果让我描述 Leni 的影响，那就是简单：更快、更容易，”<strong>Ram Realty Advisors 的 IT 副总裁 Scott Jones</strong> 表示。“特别是在资产管理方面，团队不再被困在手动工作中。数据直接从源头流出，他们可以信任它。Leni 将重点从聚合信息和构建报告转移到真正重要的事情上：寻找交易，更好地执行交易，以及更有效地管理资产。”</p>
</div><p>Leni's agentic AI platform is designed for investment, asset management, and operations teams across commercial real estate, pulling data from PDFs, spreadsheets, and core systems to execute complex workflows end to end. At the platform's core is its Universal Data Model (UDM), the industry's first standardized data framework for multifamily real estate, developed over three years by a team that includes alums from MIT, Greystar, EY, and Geoffrey Hinton's Vector Institute. The UDM creates a common language for a sector long defined by proprietary formats and data silos, integrating across every major real estate system. The result is secure, model-agnostic automation that delivers decision-ready outputs without requiring in-house AI infrastructure.</p>
<div class="lb-trans"><p>Leni 的智能人工智能平台旨在为商业房地产的投资、资产管理和运营团队服务，从 PDF、电子表格和核心系统中提取数据，以端到端执行复杂的工作流程。该平台的核心是其通用数据模型（UDM），这是行业首个针对多家庭房地产的标准化数据框架，由包括麻省理工学院、Greystar、EY 和 Geoffrey Hinton 的向量研究所的校友在内的团队经过三年开发而成。UDM 为一个长期以来由专有格式和数据孤岛定义的行业创建了共同语言，跨越每个主要房地产系统进行集成。其结果是安全、模型无关的自动化，提供决策准备的输出，而无需内部人工智能基础设施。</p>
</div><p>&#34;Trust is the most important part of any AI system that a business actually uses,&#34; said <strong>Leni's Head of Industry Strategy, Marcio Sahade</strong>, who previously spent 14 years at firms such as Tishman Speyer and Hines. &#34;If a team cannot rely on what comes back, they end up redoing the work themselves, and the AI never delivers on its promise.&#34;</p>
<div class="lb-trans"><p>“信任是任何企业实际使用的人工智能系统中最重要的部分，”<strong>Leni 行业战略负责人 Marcio Sahade</strong> 表示，他曾在 Tishman Speyer 和 Hines 等公司工作了 14 年。“如果团队无法依赖返回的结果，他们最终会自己重做工作，而人工智能永远无法兑现其承诺。”</p>
</div><p>He added, &#34;What these benchmarks measure is exactly that gap: whether a system can be trusted to produce finished work, not just plausible-sounding output. That is the bar we hold ourselves to with every customer.&#34;</p>
<div class="lb-trans"><p>他补充道：“这些基准测试测量的正是这个差距：一个系统是否可以被信任以产生完成的工作，而不仅仅是听起来合理的输出。这是我们对每个客户所设定的标准。”</p>
</div><p><strong>About Leni</strong> Leni is a secure, accuracy-driven AI platform purpose-built for serious investment work across the commercial real estate, lending, and investment sectors. Since its public launch in 2023, the company has raised $8.5 million to build best-in-class AI infrastructure for the sector. Leni enables accurate, secure, and context-aware deliverables for investment and asset management teams. The platform today supports a total portfolio of over $40 billion assets under management. For more information, visit: http://www.leni.co.</p>
<div class="lb-trans"><p><strong>关于 Leni</strong> Leni 是一个安全、以准确性为驱动的人工智能平台，专为商业房地产、贷款和投资领域的严肃投资工作而构建。自 2023 年公开发布以来，该公司已筹集 850 万美元，以构建该领域的最佳人工智能基础设施。Leni 为投资和资产管理团队提供准确、安全和上下文感知的交付成果。该平台目前支持超过 400 亿美元的资产管理总组合。有关更多信息，请访问：http://www.leni.co。</p>
</div><p>SOURCE Leni</p>
<div class="lb-trans"><p>来源 Leni</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNTEyJk5ld3NJdGVtSWQ9Tlk1NjM4NSZUcmFuc21pc3Npb25fSWQ9MjAyNjA1MTIxMDMwUFJfTkVXU19VU1BSX19fX19OWTU2Mzg1" alt="" original-src="https://rt.prnewswire.com/rt.gif?NewsItemId=NY56385&amp;Transmission_Id=202605121030PR_NEWS_USPR_____NY56385&amp;DateId=20260512"/></p>

10:31 ETLeni Tops Four Major AI Benchmarks, Outperforming Systems from OpenAI, Anthropic, Google, and Perplexity

- Leni 在四个独立的人工智能基准测试中表现出色，排名第一。  
- 根据 EY 调查，99% 企业因人工智能相关风险造成财务损失，平均每公司损失 440 万美元。  
- Leni 平台专为商业房地产设计，支持超过 400 亿美元资产的管理。

10:31 ETLeni 在四项主要 AI 基准测试中表现出色，超越了 OpenAI、Anthropic、Google 和 Perplexity 的系统