BenchLeader

APEX-Agents (AA)のリーダーボード

2026年11月16日時点で、APEX-Agents (AA)の最高スコアは47.0%で、Gemini 3.5 Flash(Google)が記録しています。次点はQwen3.8 Maxの42.4%です。公表された結果があるのは33のモデル構成です(Artificial Analysis、結果の日付は2026年5月19日)。APEX-Agentsは、Mercorの各分野の専門家が作成・採点する長期的な専門業務を課します。APEX-Agents (AA)は参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • Gemini 3.5 FlashがAPEX-Agents (AA)の最高スコア47.0%を記録しています(Artificial Analysis、2026年5月19日)。
  • APEX-Agents (AA)の2位はQwen3.8 Maxで、42.4%です(Artificial Analysis、2026年9月2日)。
  • APEX-Agents (AA):Mercorの長時間にわたる専門職エージェントタスクを、Artificial Analysisが実行したもの(Artificial Analysis)。
  • BenchLeaderでは33のモデル構成にAPEX-Agents (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • APEX-Agents (AA)はBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

Mercorの長時間にわたる専門職エージェントタスクを、Artificial Analysisが実行したもの。

公開元
Artificial Analysis
カテゴリ
エージェント・ツール
Indexでの重み
参考のみ
モデル
33
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

どんなテストか

APEX-Agentsは、Mercorの各分野の専門家が作成・採点する長期的な専門業務を課します。

採点方法

成功と判定されたタスクの割合で、Artificial Analysisが実行しています。

注意点

Epochが転載している公式の結果はすでに表示しており、こちらは第三者による再実行です。

33件中33件
#
1Gemini 3.5 Flashhigh47.0%62.52026-05-19
2Qwen3.8 Maxmax42.4%58.72026-09-02
3Kimi K3max41.3%60.22026-07-16
4GPT-5.6 Terramax38.9%59.52026-07-09
5Step 5 Preview38.0%56.02026-09-18
6GPT-5.5xhigh37.7%64.12026-04-23
7GPT-5.6 Lunamax35.8%56.22026-07-09
8GLM 5.2max33.7%58.92026-06-16
9GPT-5.4xhigh33.3%63.12026-03-05
10Claude Opus 4.6max33.0%57.02026-02-05
11Gemini 3.1 Pro32.0%59.92026-02-19
12Apodex 1.131.2%48.02026-08-30
13Kimi K2.6thinking28.5%59.32026-04-20
14GPT-5.4 Minixhigh28.2%55.12026-03-17
15Claude Sonnet 4.6max28.0%56.12026-02-17
16Gemini 3 Flashthinking27.7%58.92025-12-17
17Ling 3.0 Flash Fin27.4%–2026-09-11
18GPT-5.4 Nanoxhigh24.9%53.92026-03-17
19DeepSeek V4 Pro 0424max24.3%–2026-04-24
20Qwen3.7 Plus22.4%57.62026-06-01
21Grok 4.3high17.0%56.52026-04-30
22Qwen3.5 397B A17Bthinking15.3%56.42026-02-16
23Step 3.7 Flash14.8%53.02026-05-29
24DeepSeek V3.2thinking14.5%56.72025-12-01
25GLM-5thinking14.4%60.22026-02-11
26Grok 4.20thinking14.2%58.32026-03-10
27Gemini 3.1 Flash Lite12.2%52.62026-03-03
28Kimi K2.5thinking11.5%59.42026-01-27
29MiniMax M2.710.6%56.62026-03-18
30gpt-oss-120bhigh3.1%45.32025-08-05
31MiMo-V2.5-Prothinking2.4%–2026-04-22
32Nemotron 3 Super 120B A12Bthinking1.8%51.12026-03-11
33gpt-oss-20bhigh0.7%45.42025-08-05

エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「APEX-Agents (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_apex_agents

APEX-Agents (AA):よくある質問

APEX-Agents (AA)は何を測るベンチマークですか?
APEX-Agentsは、Mercorの各分野の専門家が作成・採点する長期的な専門業務を課します。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
APEX-Agents (AA)の最高スコアは?
2026年11月16日時点で、APEX-Agents (AA)の最高スコアは47.0%で、Gemini 3.5 Flashが記録しています(結果の日付は2026年5月19日)。次点はQwen3.8 Maxの42.4%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
APEX-Agents (AA)でトップのAIモデルは?
2026年11月16日時点で、APEX-Agents (AA)の首位はGemini 3.5 Flashで、スコアは47.0%です(結果の日付は2026年5月19日)。続いてQwen3.8 Max(42.4%)です。
APEX-Agents (AA)の結果があるモデルはいくつですか?
BenchLeaderでは33のモデル構成にAPEX-Agents (AA)の結果があり、すべてArtificial Analysisから取得しています。
APEX-Agents (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
APEX-Agents (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
APEX-Agents (AA)はBenchLeader Indexに含まれますか?
いいえ。APEX-Agents (AA)は参考として掲載していますが、総合スコアには含めていません。