BenchLeader

APEX-Agents (AA) 排行榜

截至 2026年11月16日,APEX-Agents (AA) 的最高分为 47.0%,由 Gemini 3.5 Flash(Google)取得,领先于 Qwen3.8 Max(42.4%)。共有 33 个模型配置公布了结果(Artificial Analysis,结果日期 2026年5月19日)。APEX-Agents 设置由 Mercor 的领域专家编写并评分的长周期专业任务。APEX-Agents (AA) 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 3.5 Flash 以 47.0% 保持 APEX-Agents (AA) 最高分(Artificial Analysis,2026年5月19日)。
  • Qwen3.8 Max 以 42.4% 位列 APEX-Agents (AA) 第二(Artificial Analysis,2026年9月2日)。
  • APEX-Agents (AA):Artificial Analysis 运行的 Mercor 长周期专业智能体任务(Artificial Analysis)。
  • BenchLeader 上有 33 个模型配置公布了 APEX-Agents (AA) 结果(BenchLeader,2026年11月16日)。
  • APEX-Agents (AA) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

Artificial Analysis 运行的 Mercor 长周期专业智能体任务。

发布方
Artificial Analysis
类别
智能体与工具
Index 权重
仅作参考
模型
33
数据截至
2026年11月16日

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

测试内容

APEX-Agents 设置由 Mercor 的领域专家编写并评分的长周期专业任务。

评分方式

被判定为成功的任务百分比,由 Artificial Analysis 运行。

注意事项

Epoch 同步的官方结果已经单独显示;这是一次独立的重新运行。

33 / 33
#
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

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《APEX-Agents (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_apex_agents。

APEX-Agents (AA):常见问题

APEX-Agents (AA) 衡量的是什么?
APEX-Agents 设置由 Mercor 的领域专家编写并评分的长周期专业任务。分数以完成任务的百分比表示,越高越好。
APEX-Agents (AA) 的最高分是多少?
截至 2026年11月16日,APEX-Agents (AA) 的最高分为 47.0%,由 Gemini 3.5 Flash 取得(结果日期 2026年5月19日),领先于 Qwen3.8 Max(42.4%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 APEX-Agents (AA) 上领先?
截至 2026年11月16日,APEX-Agents (AA) 排名第一的是 Gemini 3.5 Flash,分数为 47.0%(结果日期 2026年5月19日)。其后为 Qwen3.8 Max(42.4%)。
有多少模型有 APEX-Agents (AA) 结果?
BenchLeader 上有 33 个模型配置有 APEX-Agents (AA) 结果,全部取自 Artificial Analysis。
APEX-Agents (AA) 由谁运行,多久更新一次?
APEX-Agents (AA) 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
APEX-Agents (AA) 是否计入 BenchLeader Index?
不计入。APEX-Agents (AA) 仅作参考展示,不计入综合分数。