Plugin AI Agent: agen AI untuk QGIS paling canggih
Diterbitkan
AI Agent dari TerraLab adalah plugin QGIS gratis yang menjawab pertanyaan geospasial di dalam QGIS. Pada GeoKTools dan GeoExpertQueries, dua benchmark geospasial yang dipublikasikan Google Research pada Oktober 2026, plugin ini mencetak 43,8 dari 100 pada 41 pertanyaan uji terpisah, melawan 24,9 untuk Claude Sonnet 5.5 dengan server QGIS MCP, 22,1 untuk GPT-6 Luna dengan server QGIS MCP, dan 21,0 untuk GPT-6 Luna sendirian. Itu skor tertinggi dari semua agen AI yang kami uji di QGIS, dalam pengujian pada 16 sampai 20 Oktober 2026 yang dinilai dengan kode penilaian milik Google sendiri.
Anda mengajukan pertanyaan dengan kata-kata biasa, tentang risiko banjir, waktu tempuh, atau stres air. Plugin mencari datanya, menjalankan analisis dengan QGIS, dan menambahkan hasilnya ke proyek Anda sebagai layer, lengkap dengan sumbernya.
- Plugin AI Agent QGIS
- Claude + QGIS MCP
- GPT-6 Luna + QGIS MCP
Akurasi dari 0 sampai 100 pada GeoKTools dan GeoExpertQueries, benchmark Google Research untuk agen geospasial (arXiv:2610.15750): 41 pertanyaan uji terpisah yang tidak terkait dengan penyetelan kami, dinilai dengan kode penilaian milik Google sendiri, rata-rata 3 kali jalan. Plugin pada effort Low, pengaturan yang dipakai di paket gratis.
Berapa skor AI Agent pada benchmark geospasial Google?
| Plugin AI Agent QGIS | Claude + QGIS MCP | GPT-6 Luna + QGIS MCP | GPT-6 Luna sendirian | |
|---|---|---|---|---|
GeoKTools 30 pertanyaan Penilai offline deterministik Google Penilai deterministik | 53.5Effort Low | 33.3 | 39.5 | 44.2 |
GeoKTools 30 pertanyaan Protokol laporan Google: kecocokan persis, jika tidak, juri Gemini 3.8 Flash Protokol laporan Google | 36.9Effort Low | 23.3 | 27.0 | 28.7 |
GeoExpertQueries 11 pertanyaan Autorater tidak terikat alat, Gemini 3.8 Flash, 3 kali jalan juri Autorater, 3 kali jalan juri | 62.6Effort Low | 29.3 | 8.6 | 0.0 |
Semua 41 pertanyaan 41 pertanyaan Kedua benchmark, protokol laporan Google Protokol laporan Google | 43.8Effort Low | 24.9 | 22.1 | 21.0 |
Skor dari 0 sampai 100, rata-rata 3 kali jalan per sistem, dengan setiap penilai milik Google dan tidak diubah: penilai deterministik, protokol laporan, dan autorater GeoExpertQueries. AI Agent berjalan pada effort Low pada 20 Oktober 2026, Claude Sonnet 5.5 dengan server QGIS MCP pada 18 Oktober, GPT-6 Luna dengan server QGIS MCP pada 16 dan 17 Oktober, dan GPT-6 Luna sendirian pada 19 Oktober. Huruf tebal menandai skor terbaik di setiap baris.
Keunggulan ini bertahan pertanyaan demi pertanyaan. Dari 41 pertanyaan, AI Agent mendapat skor lebih tinggi daripada Claude Sonnet 5.5 dengan server QGIS MCP pada 26 pertanyaan dan lebih rendah pada 5, serta lebih tinggi daripada GPT-6 Luna dengan server QGIS MCP pada 24 dan lebih rendah pada 7. Selisih rata-ratanya dari Claude adalah 19 poin, antara 10 dan 29 dengan keyakinan 95%.
- Lebih tinggi
- Seri
- Lebih rendah
Untuk setiap pertanyaan, rata-rata plugin dari 3 kali jalan dibandingkan dengan milik Claude. Semuanya pada effort Low.
Apa itu GeoKTools dan GeoExpertQueries?
Keduanya adalah benchmark yang dirilis Google Research bersama makalahnya tentang Google Earth AI Geospatial Reasoning Agent (arXiv:2610.15750, 11 Oktober 2026). Pertanyaannya terbuka untuk umum di repositori google-research/geospatial-reasoning-benchmarks, dengan lisensi CC BY 4.0; Google merahasiakan pertanyaan uji resminya.
- GeoKTools mengajukan pertanyaan faktual yang jawabannya membutuhkan satu sampai empat jenis data geospasial: batas wilayah, statistik, catatan cuaca, jumlah tempat. Penilai deterministik Google memberi nilai parsial dengan toleransi 10% pada angka; protokol laporannya mensyaratkan kecocokan persis atau persetujuan juri.
- GeoExpertQueries mengajukan masalah terbuka yang akan dihadapi seorang analis, di bidang seperti pemilihan lokasi, bencana alam, dan kesehatan masyarakat. Autorater Google menilai setiap jawaban terhadap alur kerja yang ditulis para ahli.
Apa yang bisa dilakukan agen AI di QGIS?
Agen AI menjawab pertanyaan tentang tempat dengan bekerja pada data nyata di dalam QGIS: ia menemukan dataset, menjalankan analisis spasial seperti waktu tempuh, overlay, atau statistik per area, lalu mengembalikan peta beserta sumbernya. Berikut tiga contoh, masing-masing difilmkan dari proyek QGIS kosong pada effort Low, pengaturan di paket gratis. Yang pertama berasal dari makalah Google. Dua lainnya kami tulis dengan gaya yang sama, dan tidak ada yang termasuk pertanyaan yang dinilai.
- Pertanyaan
- Petakan waktu tempuh seorang ibu hamil untuk mencapai rumah sakit terdekat untuk persalinan darurat, dari mana saja di Sierra Leone. Gunakan waktu tempuh, bukan jarak garis lurus.
- Jawaban
- Plugin lebih dulu bertanya bagaimana orang bepergian dan fasilitas mana yang dihitung. Dengan berkendara, dan setiap rumah sakit yang terpetakan sebagai pengganti, plugin memetakan waktu ke rumah sakit terdekat dari 68 rumah sakit dalam pita 30 menit: 65,5% wilayah negara yang terpetakan berada dalam dua jam. Sekitar 5 menit.
- Mengapa sulit
- Ini membutuhkan waktu tempuh lewat jalan di seluruh negara, bukan jarak garis lurus, dan pilihan fasilitas mana yang dihitung, yang tidak bisa dibuat model hanya dari ingatan.
- Pertanyaan
- Seberapa tinggi stres air di sekitar Phoenix, Arizona? Berikan skor baseline water stress WRI Aqueduct di sana dan tampilkan di peta.
- Jawaban
- Extremely High, di atas 80%. 8 basin WRI Aqueduct yang melintasi kota memberi skor berbobot luas 4,86 dari 5, dengan sumber dan lisensinya disebutkan. Sekitar satu menit.
- Mengapa sulit
- Jawabannya harus berasal dari satu dataset bernama, digabungkan dari setiap basin yang beririsan dengan kota, bukan dari apa yang diingat model tentang Phoenix.
- Pertanyaan
- Berapa hari suhu melewati 35 °C di Kern County, California musim panas lalu (Juni sampai Agustus 2026)? Dan rumah sakit mana yang terdekat dari Bakersfield, ibu kota county?
- Jawaban
- 61 dari 92 hari di atas 35 °C di stasiun bandara Bakersfield, dengan catatan bahwa ini satu stasiun, bukan rata-rata county. Rumah sakit terdekat adalah Mercy Hospital, 0,76 km dari pusat kota. Sekitar 2 menit.
- Mengapa sulit
- Plugin menggabungkan tiga sumber, catatan cuaca harian, register rumah sakit, dan peta tempat, untuk musim panas yang terlalu baru untuk dijawab dari ingatan.
Apakah plugin AI untuk QGIS lebih baik daripada Claude atau ChatGPT dengan server QGIS MCP?
Pada benchmark ini, ya. Server QGIS MCP menghubungkan model chat seperti Claude atau ChatGPT ke QGIS lewat Model Context Protocol, sehingga model dapat memanggil fungsi QGIS. Model lalu bisa mengoperasikan QGIS, tetapi ia tetap harus menemukan datanya, memilih setiap langkah, dan memeriksa pekerjaannya sendiri. Model bahasa tanpa koneksi menjawab dari ingatan.
Plugin AI Agent untuk QGIS memberi model apa yang dibutuhkannya untuk pekerjaan geospasial: tool yang dibuat untuk GIS, data berlisensi yang boleh dipakainya, dan pemeriksaan atas setiap hasil sebelum ia menjawab. Plugin ini bekerja langsung di dalam QGIS, jadi model bertindak pada layer nyata dengan tool QGIS nyata, dan Anda bisa membuka setiap hasil di proyek Anda.
Perbandingan yang paling jelas adalah satu model dengan tiga cara. Sendirian, GPT-6 Luna mengingat sebagian jawaban GeoKTools dan mendapat 0 pada setiap tugas GeoExpertQueries. Dihubungkan ke QGIS lewat server MCP umum, skornya kurang lebih sama. Di dalam plugin pada effort Low, model yang sama mendapat 53,5 pada GeoKTools dan 62,6 pada GeoExpertQueries.
- GPT-6 Luna sendirian
- GPT-6 Luna + QGIS MCP
- Plugin AI Agent QGIS
GeoKTools dengan penilai deterministik Google, GeoExpertQueries dengan autorater-nya. Jalan QGIS MCP memakai server dan klien yang berbeda dari jalan Claude (lihat Bagaimana cara kami mengujinya). Effort Low pada plugin menjalankan GPT-6 Luna.
Plugin unggul di setiap tingkat kesulitan. Setiap pertanyaan GeoKTools membutuhkan beberapa jenis data. Dengan dua jenis, skornya jauh di depan semua sistem lain. Dengan empat, semua sistem kesulitan, dan plugin tetap unggul.
- Plugin AI Agent QGIS
- Claude + QGIS MCP
- GPT-6 Luna + QGIS MCP
- GPT-6 Luna sendirian
- AI Agent, data langsung
Dinilai dengan protokol laporan Google, pada 30 pertanyaan GeoKTools uji terpisah yang tidak terkait dengan penyetelan kami: 20 membutuhkan dua jenis data, 5 membutuhkan tiga, dan 5 membutuhkan empat. Setiap pertanyaan yang membutuhkan satu jenis berasal dari template yang kami pelajari sebelum pembagian, jadi kelompok itu tidak dimasukkan.
- Plugin AI Agent QGIS
- Claude + QGIS MCP
- GPT-6 Luna + QGIS MCP
Penilai deterministik Google. Setiap jenis punya 3 sampai 5 pertanyaan, jadi satu pertanyaan sangat menggeser skornya. Plugin unggul atas Claude pada setiap jenis kecuali perkiraan area banjir, yang tidak dijawab oleh sistem mana pun. GPT-6 Luna dengan QGIS MCP unggul satu poin pada tempat dalam cincin. Dua jenis yang kami pelajari sebelum pembagian, stres air di sekitar satu titik dan titik ekstrem suatu area, tidak dimasukkan.
- Plugin AI Agent QGIS
- Claude + QGIS MCP
- GPT-6 Luna + QGIS MCP
Autorater Google yang tidak terikat alat. Kesehatan masyarakat hanya punya 2 pertanyaan, jadi satu pertanyaan sangat menggeser skornya; plugin dan Claude seri di sana, dan GPT-6 Luna sendirian mendapat 0 di setiap bidang.
Bagaimana skor AI Agent pada benchmark GIS lainnya?
Kami juga menjalankan AI Agent pada dua benchmark publik dari luar Google, tanpa ada bagian AI Agent yang disetel untuk keduanya. Kode kami sendiri menilai setiap jawaban terhadap jawaban acuan tiap benchmark. Tidak ada agen lain yang dijalankan dalam kondisi yang sama, jadi tidak ada perbandingan langsung di sini.
GeoBenchX: 62,8% dari 160 tugas
GeoBenchX (arXiv:2503.18129) meminta pekerjaan GIS bertahap pada data terbuka: menggabungkan tabel, memproses layer, dan memetakan negara, kota, dan wilayah. Beberapa tugas meminta sesuatu yang tidak bisa diberikan datanya, dan jawaban yang benar adalah mengatakannya. AI Agent lulus 62,8% dari 160 tugas, rata-rata dari dua kali jalan.
- Plugin AI Agent QGIS
Dinilai oleh kode terhadap solusi acuan benchmark yang diputar ulang, tanpa juri AI. Skor keseluruhan adalah rata-rata dua kali jalan, 65,0% dan 60,6%; dua baris lainnya berasal dari jalan pertama. Hasil GeoBenchX sendiri dan tabel Axis Spatial dinilai dengan juri AI pada kumpulan tugas yang berbeda, jadi kami tidak menyandingkan skor kami dengan skor mereka.
GS-QA2: 61,1 dari 100 pada 245 pertanyaan
GS-QA2, oleh Shang dkk. di UC Riverside, mengajukan pertanyaan spasial tentang tempat di Amerika Serikat: fitur terdekat, arah atau jarak, kemiringan, aspek, atau elevasi permukaan tanah. Setiap jawaban acuan berasal dari snapshot OpenStreetMap dan model elevasi yang tetap. Dengan data yang sama itu, AI Agent mendapat 61,1 dari 100. Dari data langsung hari ini ia mendapat 22,0, karena tempat yang ditambahkan, diganti namanya, atau digambar ulang sejak snapshot tidak lagi cocok dengan acuan. GPT-6 Luna sendirian, model yang dijalankan AI Agent pada effort Low, mendapat 15,1.
- Plugin AI Agent QGIS
- AI Agent, data langsung
- GPT-6 Luna sendirian
Skor dari 0 sampai 100, rata-rata dari 49 template pertanyaan benchmark, 3 kali jalan. Dinilai oleh kode dengan toleransi dari makalahnya, tanpa juri AI. Axis Spatial menerbitkan skor GS-QA2 dalam pengaturan data yang sama, tetapi pada undian pertanyaan yang berbeda dan dengan pemeriksa privat, jadi keduanya tidak sebanding.
Benchmark publik lain untuk agen GIS antara lain GISAgentBench dan GeoNatureAgent. Kami belum menjalankan AI Agent pada keduanya, jadi halaman ini tidak melaporkan skor untuk mereka.
Bagaimana cara kami mengujinya?
- Google Research menerbitkan GeoKTools dan GeoExpertQueries bersama makalahnya (arXiv:2610.15750), beserta soal latihan; pertanyaan uji resminya dirahasiakan. Ini adalah jalan kami sendiri pada pertanyaan publik, bukan papan peringkat Google.
- Kami menyempurnakan agen pada separuh pertanyaan publik dan mengukurnya pada 50 pertanyaan lainnya, dibagi menurut template pertanyaan. Sebelum pembagian itu, saat menjelajahi benchmark, kami sempat mempelajari dua template beserta jawabannya. Sembilan dari 50 pertanyaan berasal dari keduanya, jadi kami tidak memasukkannya: setiap skor di sini dihitung pada 41 sisanya, pertanyaan uji terpisah yang tidak terkait dengan penyetelan kami.
- Setiap sistem mendapat pertanyaan yang sama, instruksi dan batas yang sama, proyek QGIS kosong, dan 3 percobaan. Kode penilaian Google sendiri menilai setiap jawaban.
- Kami menjalankan plugin pada effort Low (GPT-6 Luna, di paket gratis) dan pada effort High (model berbeda yang merencanakan lebih dalam, di Pro). Low mendapat skor lebih tinggi pada kedua benchmark, jadi setiap skor yang ditampilkan adalah Low.
- Claude Sonnet 5.5 berjalan di Claude Code dengan plugin QGIS MCP oleh nkarasiak, versi 0.15.1, dengan shell, web, dan tool berkas bawaannya dimatikan, pada 18 Oktober. GPT-6 Luna + QGIS MCP berjalan di Codex CLI milik OpenAI dengan server qgis_mcp oleh jjsantos01, pada 16 dan 17 Oktober. GPT-6 Luna sendirian menjawab tanpa tool.
Detail teknis
Benchmark: GeoKTools dan GeoExpertQueries dari google-research/geospatial-reasoning-benchmarks, commit c21a6d95, data berlisensi CC BY 4.0. Split dev publik (85 pertanyaan GeoKTools, 25 GeoExpertQueries) dibagi dua menurut template pertanyaan; separuh uji terpisahnya berisi 39 pertanyaan GeoKTools dan 11 GeoExpertQueries. Sebelum pembagian, kami telah memeriksa jawaban acuan dua template GeoKTools, titik ekstrem suatu area dan stres air di sekitar satu titik; 9 pertanyaannya jatuh di separuh uji terpisah dan tidak dimasukkan ke skor mana pun, sehingga tersisa 30 pertanyaan GeoKTools dan 11 GeoExpertQueries. Setiap sistem mendapat prefiks prompt Google, paling banyak 100 panggilan model dan 30 menit per pertanyaan, dan 3 kali jalan penuh; jalan yang gagal atau kehabisan waktu mendapat 0. Penilai, tidak diubah: penilai deterministik GeoKTools (toleransi 10% pada angka, nilai parsial, ROUGE-L pada teks); protokol laporan GeoKTools (kecocokan persis, jika tidak, juri Gemini 3.8 Flash); autorater GeoExpertQueries yang tidak terikat alat (Gemini 3.8 Flash, 3 kali jalan juri per jawaban). Interval 95% adalah bootstrap berpasangan atas pertanyaan. Jalan: plugin pada effort Low dan High pada 20 Oktober 2026; Claude + QGIS MCP pada 18 Oktober; GPT-6 Luna sendirian pada 19 Oktober. Panggilan tool setiap percobaan diperiksa untuk pembacaan repositori benchmark, berkas pertanyaannya, atau makalahnya, dan satu temuan mendapat skor 0: plugin tidak punya satu pun, jalan GPT-6 Luna + QGIS MCP punya 2. Percobaan yang gagal, ditolak, atau kehabisan waktu mendapat 0 dan tetap masuk rata-rata (7 dari 150 untuk GPT-6 Luna + QGIS MCP, tidak ada dari 150 milik plugin pada Low).
GeoBenchX: Solirinai/GeoBenchX pada commit 0edf6109, lisensi MIT, 202 tugas, dijelaskan di arXiv:2503.18129. Kami mengeluarkan 23 tugas yang dikecualikan oleh audit yang diterbitkan, 3 pertanyaan kontrol, dan 16 yang solusi acuannya tidak bisa direproduksi atau meminta angka yang tidak dihitung acuan, sehingga tersisa 160. AI Agent menjalankan setiap tugas dalam dua kali jalan terpisah pada effort Low pada 20 Oktober 2026, di QGIS, dengan data tugas di folder di samping proyek kosong: 65,0% (interval 95% 56,9 sampai 72,5) dan 60,6%. Pada jalan pertama ia menyelesaikan 46 dari 92 tugas yang punya jawaban, menolak 55 dari 62 yang tidak bisa diselesaikan, dan lulus 3 dari 6 yang menerima keduanya. Dinilai oleh kode, tanpa juri AI, terhadap solusi acuan yang diputar ulang: nilai yang ditampilkan peta, jumlah fitur, angka yang dinyatakan jawaban, atau tidak ada peta sama sekali untuk tugas yang tidak bisa diselesaikan.
GS-QA2: Zoe/GS-QA2 pada revisi 0ccf9453, oleh Shang dkk. (UC Riverside), ODbL 1.0, © OpenStreetMap contributors; ASTER GDEM adalah produk METI dan NASA. 245 pertanyaan, 5 dari masing-masing 49 template, diambil dengan aturan yang sama seperti tabel Axis Spatial tetapi bukan pertanyaan yang sama. Tiga pengaturan, masing-masing 3 kali jalan: AI Agent pada effort Low dengan tabel OpenStreetMap dan elevasi ASTER milik benchmark, dipotong ke area pertanyaan, di folder di samping proyek kosong, dengan prompt yang hanya menyebut lokasi datanya (61,1, interval 95% 57,1 sampai 65,2); AI Agent pada effort Low dari proyek kosong pada data langsung (22,0, 19,0 sampai 25,2); GPT-6 Luna sendirian, satu panggilan tanpa tool (15,1, 12,2 sampai 18,1). Jawaban akhir diperiksa terhadap setiap baris acuan dengan toleransi dari makalahnya: nama dengan tumpang tindih token, lokasi dalam 5 m, arah, aspek, dan kemiringan dalam 5°, elevasi dalam 10 m, jarak, luas, dan jumlah dalam 5%.
Apa yang tidak ditunjukkan hasil ini?
- Jalan kami sendiri, pada pertanyaan publik. Google merahasiakan pertanyaan ujinya. Skor ini berasal dari pertanyaan publik, dijalankan dan dinilai oleh kami dengan kode Google.
- 41 pertanyaan, bukan 50. Pos pengumuman kami menyebut 52,9, skor plugin pada protokol laporan untuk semua 50 pertanyaan uji terpisah. Angka itu mencakup 9 pertanyaan dari template yang telah kami pelajari, jadi setiap skor di halaman ini tidak memasukkannya.
- Sampel kecil. GeoExpertQueries punya 11 pertanyaan uji terpisah, dan setiap jenis pertanyaan GeoKTools punya 3 sampai 5, jadi satu pertanyaan sangat menggeser skor-skor itu. Perbandingan pada seluruh 41 pertanyaan adalah yang layak dikutip.
- Hanya agen yang kami uji. Kami membandingkan tiga pengaturan: Claude Sonnet 5.5 dan GPT-6 Luna, masing-masing lewat satu server QGIS MCP komunitas, dan GPT-6 Luna sendirian. Model lain, server MCP lain, dan agen Google sendiri dari makalahnya tidak ada dalam perbandingan ini.
- Tidak ada perbandingan langsung pada GeoBenchX atau GS-QA2. Skor yang diterbitkan pada benchmark itu memakai kumpulan tugas dan penilai lain, jadi kami tidak memeringkat AI Agent terhadapnya.
Bagaimana cara memasang plugin AI Agent untuk QGIS?
Plugin AI Agent untuk QGIS gratis di repositori plugin QGIS resmi, untuk QGIS 3.28 ke atas, termasuk QGIS 4. Di QGIS, buka Plugins, lalu Manage and Install Plugins, cari AI Agent by TerraLab, instal, lalu masuk. Anda tidak perlu kunci API dan tidak perlu kartu.
Paket gratis mencakup 5 tugas per bulan pada effort Low, pengaturan di balik setiap skor di atas. Effort Medium dan High tersedia di Pro. Panduan lengkap menjelaskan tugas pertama langkah demi langkah, dan apa itu agen AI di QGIS menjelaskan idenya.
Pertanyaan yang sering diajukan
Apa agen AI terbaik untuk QGIS?
Dari semua agen AI yang kami uji di QGIS pada benchmark geospasial Google, plugin AI Agent untuk QGIS dari TerraLab mendapat skor tertinggi: 43,8 dari 100 pada 41 pertanyaan uji terpisah, melawan 24,9 untuk Claude Sonnet 5.5 dengan server QGIS MCP dan 22,1 untuk GPT-6 Luna dengan server QGIS MCP. Plugin ini gratis di repositori plugin QGIS resmi.
AI mana yang terbaik untuk analisis GIS?
Untuk analisis di dalam QGIS, plugin AI Agent untuk QGIS punya skor tertinggi dari agen yang kami uji pada benchmark GeoKTools dan GeoExpertQueries milik Google. Kami tidak menguji tool untuk perangkat lunak GIS lain, seperti tool GeoAI dari Esri untuk ArcGIS.
Bisakah ChatGPT bekerja di QGIS?
ChatGPT sendirian menjawab dari ingatan dan tidak bisa mengoperasikan QGIS. Dihubungkan lewat server QGIS MCP di Codex milik OpenAI, GPT-6 Luna mendapat 39,5 pada GeoKTools dan 8,6 pada GeoExpertQueries, kurang lebih sama dengan model yang sama tanpa tool. Di dalam plugin AI Agent untuk QGIS, model yang sama mendapat 53,5 dan 62,6.
Bisakah Claude bekerja dengan QGIS?
Bisa, lewat server QGIS MCP seperti plugin QGIS MCP oleh nkarasiak. Dalam pengujian kami, Claude Sonnet 5.5 dengan server itu mendapat 33,3 pada GeoKTools dan 29,3 pada GeoExpertQueries; plugin AI Agent untuk QGIS mendapat 53,5 dan 62,6, dan lebih tinggi pada 26 dari 41 pertanyaan.
Apa itu server QGIS MCP?
Jembatan yang memungkinkan model chat seperti Claude atau ChatGPT memanggil fungsi QGIS lewat Model Context Protocol. Model lalu bisa mengoperasikan QGIS, tetapi ia harus menemukan data dan memeriksa pekerjaannya sendiri. Panduan QGIS MCP kami membandingkan server-servernya.
Apa itu benchmark penalaran geospasial Google?
GeoKTools dan GeoExpertQueries, diterbitkan Google Research pada Oktober 2026 bersama makalahnya tentang Google Earth AI Geospatial Reasoning Agent (arXiv:2610.15750). GeoKTools mengajukan pertanyaan faktual yang membutuhkan satu sampai empat jenis data geospasial; GeoExpertQueries mengajukan masalah terbuka bagi analis, dinilai terhadap alur kerja yang ditulis para ahli.
Apakah ada benchmark yang membandingkan agen AI untuk GIS?
Ada, beberapa. GeoKTools dan GeoExpertQueries milik Google, GeoBenchX, GS-QA2, GISAgentBench, dan GeoNatureAgent semuanya menguji agen pada tugas geospasial, masing-masing dengan pertanyaan dan penilai sendiri, sehingga skornya tidak bisa dibandingkan antar benchmark.
Bagaimana kinerja AI Agent pada benchmark geospasial lain?
Pada GeoBenchX, benchmark publik untuk tugas GIS bertahap, ia lulus 62,8% dari 160 tugas dalam dua kali jalan. Pada GS-QA2, pertanyaan spasial tentang tempat di AS yang diperiksa terhadap snapshot peta yang tetap, ia mendapat 61,1 dari 100 dengan data milik benchmark itu sendiri. Tidak ada agen lain yang dijalankan dalam kondisi yang sama.
Apakah plugin AI Agent untuk QGIS gratis?
Ya. Paket gratis mencakup 5 tugas per bulan pada effort Low, pengaturan di balik setiap skor benchmark di sini, tanpa kunci API dan tanpa kartu. Effort Medium dan High tersedia di Pro.
