BenchLeader

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。

65件中65件
#
1Gemini 4 Carbon84.2%–2026-11-10
2Gemini 4 Argon82.4%64.42026-10-13
3NEWClaude Fable 5.280.1%65.42026-11-09
4Claude Sonnet 5.5max75.5%64.22026-09-28
5Claude Opus 5.5max73.5%68.42026-09-22
6DeepSeek V4.1 Flash 1017max69.8%57.72026-10-17
7Claude Fable 5.168.6%66.42026-09-01
8GPT-6.1 Terramax68.3%64.12026-10-26
9Gemini 3.7 Flash67.8%–2026-08-13
10Muse Wondermax66.1%60.82026-10-12
11Claude Opus 5max65.8%65.02026-07-24
12Kimi K3.1 Pro65.5%61.82026-10-23
13Grok 4.665.3%–2026-08-12
14GPT-6 Astra64.7%66.42026-09-03
15Gemini 3.8 Flash64.3%56.42026-09-02
16NEWMuse Ember64.3%–2026-11-09
17Claude Fable 563.6%65.42026-06-09
18Qwen3.8 Maxmax63.3%58.72026-08-02
19GPT-6.1 Solmax60.0%66.62026-09-29
20Claude Fable 5.1high59.7%63.72026-09-01
21Muse Spark 1.358.6%61.62026-09-02
22GPT-5.6 Terramax58.2%59.52026-07-09
23GLM 5.356.6%–2026-08-14
24Grok 4.556.2%59.32026-07-08
25Claude Haiku 5.5max56.1%55.32026-10-07
26GPT-5.555.1%61.02026-04-23
27Grok 4.754.6%–2026-09-21
28Claude Sonnet 554.5%53.02026-06-30
29MiMo-V2.6-Pro54.4%57.52026-09-21
30GPT-6 Solmax54.3%62.62026-09-22
31GLM 5.3 Flash52.8%57.82026-08-20
32Claude Opus 5.5medium52.5%61.22026-09-22
33GPT-5.452.4%57.92026-03-05
34Mistral Large 4high51.6%48.32026-10-06
35GPT-5.6 SolProモード51.4%–2026-07-09
36Claude Opus 4.7max49.2%59.72026-04-16
37Claude Opus 4.8max48.9%61.12026-05-28
38Beam 1.0max48.8%–2026-10-05
39Kimi K347.8%60.72026-07-16
40Muse Spark 1.3max47.6%60.62026-09-02
41Qwen3.8 27B47.5%55.12026-08-14
42DeepSeek V4 Pro47.3%53.02026-08-13
43Gemini 3.6 Flash46.9%49.32026-07-21
44Inkling 2 Small46.8%57.92026-11-05
45Claude Opus 4.6max46.3%57.02026-02-05
46Muse Spark 1.245.4%–2026-08-05
47GLM 5.245.2%51.92026-06-16
48Claude Sonnet 5.5medium44.6%50.62026-09-28
49GPT-6 Lunamax44.3%55.12026-09-22
50Claude Sonnet 4.6high43.0%50.32026-02-17
51GPT-5.6 Luna43.0%47.22026-07-09
52GLM 5.140.9%55.42026-04-07
53DeepSeek V4.1 Flash39.5%–2026-09-09
54MiniMax M337.7%56.12026-06-01
55Kimi K2.7 Code37.6%53.92026-06-12
56Gemini 3.1 Pro35.1%59.92026-02-19
57Inkling33.8%50.42026-07-15
58Muse Spark Open 816B A42B33.4%–2026-10-15
59Muse Spark 1.131.8%62.22026-07-09
60Gemini 3.5 Flash Lite29.3%51.42026-07-21

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

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。