BenchLeader

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。

65 / 65
#
1Gemini 4 Carbon84.2%–2026-11-10
2Gemini 4 Argon82.4%64.42026-10-13
3新Claude 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
16新Muse 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 模式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

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 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。