<p>/PRNewswire/ -- Leni，一款用於商業房地產的人工智能分析平台，今天在四個獨立的人工智能基準測試中取得了頂級成績。Leni 在深度研究的 DRACO 基準測試中名列第一，在 SpreadsheetBench Verified 中排名前兩名，在 BullshitBench 上超越了所有公共模型，並在 GAIA 中領先於 Genspark、Manus 和 OpenAI Deep Research。</p>
<p>繼續閲讀</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 在所有三個 GAIA 難度級別中均排名第一，展示了其完成複雜多步驟任務的能力，這些任務需要研究、推理和可靠的執行。</p>
<p>“大多數團隊過於關注模型，但有效的人工智能採用所需的關鍵工程，能夠為團隊提供高度準確和可靠的結果，依賴於架構或工具，”<strong>Leni 首席執行官兼聯合創始人 Arunabh Dastidar</strong> 表示。“這就是為什麼今天最流行的編碼工具是 98% 的工具和 2% 的模型。我們早在幾年前就意識到了這一點，並生產了專門構建的基礎設施，可以可靠地用於需要準確性和安全性的嚴肅工作。它將工作從監視和猜測轉變為可信、可驗證的輸出，使團隊能夠更快、更有信心地推進。”</p>
<p>DRACO 由 Perplexity AI 和哈佛大學開發，衡量人工智能是否能夠產生高級分析師會簽字的深入研究。Leni 的得分為 71.6%，領先於 Perplexity、谷歌和 OpenAI 的深度研究產品。SpreadsheetBench Verified 對人工智能在數百個真實電子表格任務中的表現進行評分，Leni 在全球排名前兩名，正確完成了 400 個任務中的 365 個。在 BullshitBench（版本 2）上，該測試評估人工智能是否會對無意義的問題進行反駁，而不是編造答案，Leni 識別出了 98% 的虛假前提，領先於排行榜上的 142 個公共人工智能模型。GAIA 由 Meta 和 HuggingFace 開發，衡量人工智能是否能夠完成涉及多個步驟的真實世界任務，而不會在早期犯錯，這可能會影響最終答案。Leni 在驗證集上的得分為 77.0%，領先於 Genspark、Manus 和 OpenAI Deep Research。在商業房地產領域，錯誤的容忍度為零，這些基準測試衡量一個系統是否能夠準確產生決定交易的分析。</p>
<p>這些結果很重要，因為人工智能的承諾與可靠性之間的差距正在給公司帶來實際的經濟損失，Dastidar 表示。根據 2025 年 10 月發佈的 EY 調查，驚人的 99% 的公司報告與人工智能相關的風險導致了財務損失，平均每家公司損失 440 萬美元，975 名受訪者的總損失估計為 43 億美元。在商業房地產領域，這種模式尤為明顯，92% 的 CRE 公司已經試點了人工智能，但只有 5% 表示他們實現了所有人工智能目標，依據 JLL 的 2025 年全球房地產技術調查。</p>
<p>“如果讓我描述 Leni 的影響，那就是簡單：更快、更容易，”<strong>Ram Realty Advisors 的 IT 副總裁 Scott Jones</strong> 表示。“特別是在資產管理方面，團隊不再被困在手動工作中。數據直接從源頭流出，他們可以信任它。Leni 將重點從聚合信息和構建報告轉移到真正重要的事情上：尋找交易，更好地執行交易，以及更有效地管理資產。”</p>
<p>Leni 的智能人工智能平台旨在為商業房地產的投資、資產管理和運營團隊服務，從 PDF、電子表格和核心繫統中提取數據，以端到端執行復雜的工作流程。該平台的核心是其通用數據模型（UDM），這是行業首個針對多家庭房地產的標準化數據框架，由包括麻省理工學院、Greystar、EY 和 Geoffrey Hinton 的向量研究所的校友在內的團隊經過三年開發而成。UDM 為一個長期以來由專有格式和數據孤島定義的行業創建了共同語言，跨越每個主要房地產系統進行集成。其結果是安全、模型無關的自動化，提供決策準備的輸出，而無需內部人工智能基礎設施。</p>
<p>“信任是任何企業實際使用的人工智能系統中最重要的部分，”<strong>Leni 行業戰略負責人 Marcio Sahade</strong> 表示，他曾在 Tishman Speyer 和 Hines 等公司工作了 14 年。“如果團隊無法依賴返回的結果，他們最終會自己重做工作，而人工智能永遠無法兑現其承諾。”</p>
<p>他補充道：“這些基準測試測量的正是這個差距：一個系統是否可以被信任以產生完成的工作，而不僅僅是聽起來合理的輸出。這是我們對每個客户所設定的標準。”</p>
<p><strong>關於 Leni</strong> Leni 是一個安全、以準確性為驅動的人工智能平台，專為商業房地產、貸款和投資領域的嚴肅投資工作而構建。自 2023 年公開發布以來，該公司已籌集 850 萬美元，以構建該領域的最佳人工智能基礎設施。Leni 為投資和資產管理團隊提供準確、安全和上下文感知的交付成果。該平台目前支持超過 400 億美元的資產管理總組合。有關更多信息，請訪問：http://www.leni.co。</p>
<p>來源 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

標普軟件與服務 ETF - SPDR

IDGT

雲計算 ETF - GlobalX

全球科技股指數 ETF - iShares

基準數據與基礎設施房地產 SCTR ETF - Pacer

<p>Leni 是一款用於商業房地產的人工智能分析平台，在四項人工智能基準測試中取得了優異的成績，超越了 OpenAI 和 Google 等主要競爭對手。它在深度研究的 DRACO 基準測試中排名第一，並在其他測試中表現出色，展示了其可靠處理複雜任務的能力。Leni 的首席執行官強調了架構在人工智能應用中的重要性，指出 99% 的公司因人工智能風險面臨財務損失。該平台旨在通過提供可信、準確的數據來增強資產管理的效率，以支持決策</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，一款用於商業房地產的人工智能分析平台，今天在四個獨立的人工智能基準測試中取得了頂級成績。Leni 在深度研究的 DRACO 基準測試中名列第一，在 SpreadsheetBench Verified 中排名前兩名，在 BullshitBench 上超越了所有公共模型，並在 GAIA 中領先於 Genspark、Manus 和 OpenAI Deep Research。</p>
</div><p>Continue Reading</p>
<div class="lb-trans"><p>繼續閲讀</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 在所有三個 GAIA 難度級別中均排名第一，展示了其完成複雜多步驟任務的能力，這些任務需要研究、推理和可靠的執行。</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>“大多數團隊過於關注模型，但有效的人工智能採用所需的關鍵工程，能夠為團隊提供高度準確和可靠的結果，依賴於架構或工具，”<strong>Leni 首席執行官兼聯合創始人 Arunabh Dastidar</strong> 表示。“這就是為什麼今天最流行的編碼工具是 98% 的工具和 2% 的模型。我們早在幾年前就意識到了這一點，並生產了專門構建的基礎設施，可以可靠地用於需要準確性和安全性的嚴肅工作。它將工作從監視和猜測轉變為可信、可驗證的輸出，使團隊能夠更快、更有信心地推進。”</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 和哈佛大學開發，衡量人工智能是否能夠產生高級分析師會簽字的深入研究。Leni 的得分為 71.6%，領先於 Perplexity、谷歌和 OpenAI 的深度研究產品。SpreadsheetBench Verified 對人工智能在數百個真實電子表格任務中的表現進行評分，Leni 在全球排名前兩名，正確完成了 400 個任務中的 365 個。在 BullshitBench（版本 2）上，該測試評估人工智能是否會對無意義的問題進行反駁，而不是編造答案，Leni 識別出了 98% 的虛假前提，領先於排行榜上的 142 個公共人工智能模型。GAIA 由 Meta 和 HuggingFace 開發，衡量人工智能是否能夠完成涉及多個步驟的真實世界任務，而不會在早期犯錯，這可能會影響最終答案。Leni 在驗證集上的得分為 77.0%，領先於 Genspark、Manus 和 OpenAI Deep Research。在商業房地產領域，錯誤的容忍度為零，這些基準測試衡量一個系統是否能夠準確產生決定交易的分析。</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>這些結果很重要，因為人工智能的承諾與可靠性之間的差距正在給公司帶來實際的經濟損失，Dastidar 表示。根據 2025 年 10 月發佈的 EY 調查，驚人的 99% 的公司報告與人工智能相關的風險導致了財務損失，平均每家公司損失 440 萬美元，975 名受訪者的總損失估計為 43 億美元。在商業房地產領域，這種模式尤為明顯，92% 的 CRE 公司已經試點了人工智能，但只有 5% 表示他們實現了所有人工智能目標，依據 JLL 的 2025 年全球房地產技術調查。</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>“如果讓我描述 Leni 的影響，那就是簡單：更快、更容易，”<strong>Ram Realty Advisors 的 IT 副總裁 Scott Jones</strong> 表示。“特別是在資產管理方面，團隊不再被困在手動工作中。數據直接從源頭流出，他們可以信任它。Leni 將重點從聚合信息和構建報告轉移到真正重要的事情上：尋找交易，更好地執行交易，以及更有效地管理資產。”</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為商業房地產的投資、資產管理和運營團隊服務，從 PDF、電子表格和核心繫統中提取數據，以端到端執行復雜的工作流程。該平台的核心是其通用數據模型（UDM），這是行業首個針對多家庭房地產的標準化數據框架，由包括麻省理工學院、Greystar、EY 和 Geoffrey Hinton 的向量研究所的校友在內的團隊經過三年開發而成。UDM 為一個長期以來由專有格式和數據孤島定義的行業創建了共同語言，跨越每個主要房地產系統進行集成。其結果是安全、模型無關的自動化，提供決策準備的輸出，而無需內部人工智能基礎設施。</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>“信任是任何企業實際使用的人工智能系統中最重要的部分，”<strong>Leni 行業戰略負責人 Marcio Sahade</strong> 表示，他曾在 Tishman Speyer 和 Hines 等公司工作了 14 年。“如果團隊無法依賴返回的結果，他們最終會自己重做工作，而人工智能永遠無法兑現其承諾。”</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>他補充道：“這些基準測試測量的正是這個差距：一個系統是否可以被信任以產生完成的工作，而不僅僅是聽起來合理的輸出。這是我們對每個客户所設定的標準。”</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>關於 Leni</strong> Leni 是一個安全、以準確性為驅動的人工智能平台，專為商業房地產、貸款和投資領域的嚴肅投資工作而構建。自 2023 年公開發布以來，該公司已籌集 850 萬美元，以構建該領域的最佳人工智能基礎設施。Leni 為投資和資產管理團隊提供準確、安全和上下文感知的交付成果。該平台目前支持超過 400 億美元的資產管理總組合。有關更多信息，請訪問：http://www.leni.co。</p>
</div><p>SOURCE Leni</p>
<div class="lb-trans"><p>來源 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 在四個獨立的人工智能基準測試中表現出色，排名第一。  
- 根據 EY 調查，99% 企業因人工智能相關風險造成財務損失，平均每公司損失 440 萬美元。  
- Leni 平台專為商業房地產設計，支持超過 400 億美元資產的管理。

10:31 ETLeni 在四項主要 AI 基準測試中表現出色，超越了 OpenAI、Anthropic、Google 和 Perplexity 的系統