APEX-Agentsのリーダーボード
2026年11月16日時点で、APEX-Agentsの最高スコアは84.2%で、Gemini 4 Carbon(Google)が記録しています。次点はGemini 4 Argonの82.4%です。公表された結果があるのは65のモデル構成です(Mercor、結果の日付は2026年11月10日)。APEX-Agentsは、デューデリジェンスや研究文献のレビューなど、多数のツール呼び出しと数時間のエージェント作業を要する長期的な専門業務を課します。タスクの作成と採点はMercorの各分野の専門家が行います。APEX-AgentsはBenchLeader Indexのエージェント・ツールスコアに反映されます。
要点(2026年11月16日時点)
- Gemini 4 CarbonがAPEX-Agentsの最高スコア84.2%を記録しています(Mercor、2026年11月10日)。
- APEX-Agentsの2位はGemini 4 Argonで、82.4%です(Mercor、2026年10月13日)。
- APEX-Agents:長時間にわたる専門職のエージェントタスク(Mercor)(Mercor)。
- BenchLeaderでは65のモデル構成にAPEX-Agentsの公表結果があります(BenchLeader、2026年11月16日)。
- APEX-AgentsはBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。
長時間にわたる専門職のエージェントタスク(Mercor)。
- 公開元
- Mercorデータ取得元:Epoch AI Benchmarking Hub
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 0.5
- モデル
- 65
- データ基準日
- 2026年11月16日
- 最新の結果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
どんなテストか
APEX-Agentsは、デューデリジェンスや研究文献のレビューなど、多数のツール呼び出しと数時間のエージェント作業を要する長期的な専門業務を課します。タスクの作成と採点はMercorの各分野の専門家が行います。
採点方法
専門家のルーブリックで成功と判定されたタスクの割合で、Mercorが公表しています。
注意点
専門家による採点と長いタスクのため、サンプル数が少なく、更新も遅くなります。スコアは公表された実行で使われたエージェントフレームワークに左右されます。
- 1Gemini 4 Carbon84.2%
- 2Gemini 4 Argon82.4%
- 3Claude Fable 5.280.1%
- 4Claude Sonnet 5.5 (max)75.5%
- 5Claude Opus 5.5 (max)73.5%
- 6DeepSeek V4.1 Flash 1017 (max)69.8%
- 7Claude Fable 5.168.6%
- 8GPT-6.1 Terra (max)68.3%
- 9Gemini 3.7 Flash67.8%
- 10Muse Wonder (max)66.1%
- 11Claude Opus 5 (max)65.8%
- 12Kimi K3.1 Pro65.5%
- 13Grok 4.665.3%
- 14GPT-6 Astra64.7%
- 15Gemini 3.8 Flash64.3%
| # | ||||
|---|---|---|---|---|
| 1 | 84.2% | – | 2026-11-10 | |
| 2 | 82.4% | 64.4 | 2026-10-13 | |
| 3 | NEW | 80.1% | 65.4 | 2026-11-09 |
| 4 | 75.5% | 64.2 | 2026-09-28 | |
| 5 | 73.5% | 68.4 | 2026-09-22 | |
| 6 | 69.8% | 57.7 | 2026-10-17 | |
| 7 | 68.6% | 66.4 | 2026-09-01 | |
| 8 | 68.3% | 64.1 | 2026-10-26 | |
| 9 | 67.8% | – | 2026-08-13 | |
| 10 | 66.1% | 60.8 | 2026-10-12 | |
| 11 | 65.8% | 65.0 | 2026-07-24 | |
| 12 | 65.5% | 61.8 | 2026-10-23 | |
| 13 | 65.3% | – | 2026-08-12 | |
| 14 | 64.7% | 66.4 | 2026-09-03 | |
| 15 | 64.3% | 56.4 | 2026-09-02 | |
| 16 | NEW | 64.3% | – | 2026-11-09 |
| 17 | 63.6% | 65.4 | 2026-06-09 | |
| 18 | 63.3% | 58.7 | 2026-08-02 | |
| 19 | 60.0% | 66.6 | 2026-09-29 | |
| 20 | 59.7% | 63.7 | 2026-09-01 | |
| 21 | 58.6% | 61.6 | 2026-09-02 | |
| 22 | 58.2% | 59.5 | 2026-07-09 | |
| 23 | 56.6% | – | 2026-08-14 | |
| 24 | 56.2% | 59.3 | 2026-07-08 | |
| 25 | 56.1% | 55.3 | 2026-10-07 | |
| 26 | 55.1% | 61.0 | 2026-04-23 | |
| 27 | 54.6% | – | 2026-09-21 | |
| 28 | 54.5% | 53.0 | 2026-06-30 | |
| 29 | 54.4% | 57.5 | 2026-09-21 | |
| 30 | 54.3% | 62.6 | 2026-09-22 | |
| 31 | 52.8% | 57.8 | 2026-08-20 | |
| 32 | 52.5% | 61.2 | 2026-09-22 | |
| 33 | 52.4% | 57.9 | 2026-03-05 | |
| 34 | 51.6% | 48.3 | 2026-10-06 | |
| 35 | 51.4% | – | 2026-07-09 | |
| 36 | 49.2% | 59.7 | 2026-04-16 | |
| 37 | 48.9% | 61.1 | 2026-05-28 | |
| 38 | 48.8% | – | 2026-10-05 | |
| 39 | 47.8% | 60.7 | 2026-07-16 | |
| 40 | 47.6% | 60.6 | 2026-09-02 | |
| 41 | 47.5% | 55.1 | 2026-08-14 | |
| 42 | 47.3% | 53.0 | 2026-08-13 | |
| 43 | 46.9% | 49.3 | 2026-07-21 | |
| 44 | 46.8% | 57.9 | 2026-11-05 | |
| 45 | 46.3% | 57.0 | 2026-02-05 | |
| 46 | 45.4% | – | 2026-08-05 | |
| 47 | 45.2% | 51.9 | 2026-06-16 | |
| 48 | 44.6% | 50.6 | 2026-09-28 | |
| 49 | 44.3% | 55.1 | 2026-09-22 | |
| 50 | 43.0% | 50.3 | 2026-02-17 | |
| 51 | 43.0% | 47.2 | 2026-07-09 | |
| 52 | 40.9% | 55.4 | 2026-04-07 | |
| 53 | 39.5% | – | 2026-09-09 | |
| 54 | 37.7% | 56.1 | 2026-06-01 | |
| 55 | 37.6% | 53.9 | 2026-06-12 | |
| 56 | 35.1% | 59.9 | 2026-02-19 | |
| 57 | 33.8% | 50.4 | 2026-07-15 | |
| 58 | 33.4% | – | 2026-10-15 | |
| 59 | 31.8% | 62.2 | 2026-07-09 | |
| 60 | 29.3% | 51.4 | 2026-07-21 |
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
関連するベンチマーク
APEX-Agentsでの注目のモデル比較
引用表記:BenchLeader「APEX-Agents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/apex_agents
APEX-Agents:よくある質問
- APEX-Agentsは何を測るベンチマークですか?
- APEX-Agentsは、デューデリジェンスや研究文献のレビューなど、多数のツール呼び出しと数時間のエージェント作業を要する長期的な専門業務を課します。タスクの作成と採点はMercorの各分野の専門家が行います。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の最高スコアは?
- 2026年11月16日時点で、APEX-Agentsの最高スコアは84.2%で、Gemini 4 Carbonが記録しています(結果の日付は2026年11月10日)。次点はGemini 4 Argonの82.4%です。スコアはMercorの公表値で、毎日読み直しています。
- APEX-AgentsでトップのAIモデルは?
- 2026年11月16日時点で、APEX-Agentsの首位はGemini 4 Carbonで、スコアは84.2%です(結果の日付は2026年11月10日)。続いてGemini 4 Argon(82.4%)です。
- APEX-Agentsの結果があるモデルはいくつですか?
- BenchLeaderでは65のモデル構成にAPEX-Agentsの結果があり、すべてMercor(Epoch AI Benchmarking Hub経由)から取得しています。
- APEX-Agents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はMercor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はBenchLeader Indexに含まれますか?
- はい。APEX-AgentsはBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。