APEX-Agents 排行榜
截至 2026年11月16日,APEX-Agents 的最高分为 84.2%,由 Gemini 4 Carbon(Google)取得,领先于 Gemini 4 Argon(82.4%)。共有 65 个模型配置公布了结果(Mercor,结果日期 2026年11月10日)。APEX-Agents 设置长周期的专业任务,例如尽职调查或研究文献综述,需要大量工具调用和数小时的智能体工作,由 Mercor 的领域专家编写并评分。APEX-Agents 计入 BenchLeader Index 的智能体与工具得分。
要点(截至 2026年11月16日)
- Gemini 4 Carbon 以 84.2% 保持 APEX-Agents 最高分(Mercor,2026年11月10日)。
- Gemini 4 Argon 以 82.4% 位列 APEX-Agents 第二(Mercor,2026年10月13日)。
- APEX-Agents:长周期的专业智能体任务(Mercor)(Mercor)。
- BenchLeader 上有 65 个模型配置公布了 APEX-Agents 结果(BenchLeader,2026年11月16日)。
- APEX-Agents 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。
长周期的专业智能体任务(Mercor)。
- 发布方
- Mercor数据经由 Epoch AI Benchmarking Hub
- 类别
- 智能体与工具
- Index 权重
- 0.5
- 模型
- 65
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
APEX-Agents 设置长周期的专业任务,例如尽职调查或研究文献综述,需要大量工具调用和数小时的智能体工作,由 Mercor 的领域专家编写并评分。
评分方式
按专家评分标准判定为成功的任务百分比,由 Mercor 发布。
注意事项
专家评分加上长任务,意味着样本量小、更新慢。分数取决于公布结果时所用的智能体框架。
- 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%
65 / 65
| # | ||||
|---|---|---|---|---|
| 1 | 84.2% | – | 2026-11-10 | |
| 2 | 82.4% | 64.4 | 2026-10-13 | |
| 3 | 新 | 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 | 新 | 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 |
相关基准测试
APEX-Agents 上的热门模型对比
引用格式:BenchLeader,《APEX-Agents 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/apex_agents。
APEX-Agents:常见问题
- APEX-Agents 衡量的是什么?
- APEX-Agents 设置长周期的专业任务,例如尽职调查或研究文献综述,需要大量工具调用和数小时的智能体工作,由 Mercor 的领域专家编写并评分。分数以完成任务的百分比表示,越高越好。
- APEX-Agents 的最高分是多少?
- 截至 2026年11月16日,APEX-Agents 的最高分为 84.2%,由 Gemini 4 Carbon 取得(结果日期 2026年11月10日),领先于 Gemini 4 Argon(82.4%)。分数来自 Mercor,每天重新读取。
- 哪个 AI 模型在 APEX-Agents 上领先?
- 截至 2026年11月16日,APEX-Agents 排名第一的是 Gemini 4 Carbon,分数为 84.2%(结果日期 2026年11月10日)。其后为 Gemini 4 Argon(82.4%)。
- 有多少模型有 APEX-Agents 结果?
- BenchLeader 上有 65 个模型配置有 APEX-Agents 结果,全部取自 Mercor(经由 Epoch AI Benchmarking Hub)。
- APEX-Agents 由谁运行,多久更新一次?
- APEX-Agents 由 Mercor 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 是否计入 BenchLeader Index?
- 计入。APEX-Agents 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。