Mercor APEX-Agents 1.1

Name: Mercor APEX-Agents 1.1
Creator: Mercor

Mercor / 專業辦公 · 投行、諮詢和法律裏的長任務，看模型當助手能不能把一件完整的工作做完。

官方評測

在 ATech Hot 中參與排名

證據預算4%

上游數據時間09/08 08:00

最近成功同步10/06 14:05

它測什麼，怎麼測

固定 1.1 數據集和官方 Loop 環境，採用 Pass@1 及其對應誤差，按預先固定的推理檔位選配置。Mean Score 是評分項平均完成度，不混作任務完成率。

如何使用這份證據

固定 1.1 版官方 Loop 的 Pass@1，獨佔工具與辦公預算中的 4%；另 2% 用於統一環境的銀行業務任務。

評測成績

按固定規則，每個公開模型採用一套代表配置；沒有可採用配置的模型標為未計入並寫明原因。匿名測試型號不展示，保留原榜名次，每項最多 30 個。

原榜名次	原榜型號	原始成績	代表配置
1	claude-sonnet-5-5anthropic	75.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
2	claude-opus-5-5Anthropic	73.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
3	claude-fable-5.1Anthropic	68.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
4	gemini-3.7-flashGoogle	67.8%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
5	claude-opus-5Anthropic	65.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
6	grok-4-6-xhighxAI	65.3%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
7	gpt-6-astra-maxOpenAI	64.7%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
8	gemini-3.8-flashGoogle	64.3%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
9	claude-fable-5Anthropic	63.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
10	qwen-3-8-max-xhighAlibaba	63.3%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
11	gpt-6-1-solopenai	60.0%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
13	mimo-v2.6-proXiaomi	59.5%	完整系統 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
14	muse-spark-1-3Meta	58.6%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
15	gpt-5.6-terra-maxOpenAI	58.2%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
16	glm-5-3Z.ai	56.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
17	grok-4-5xAI	56.2%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
18	deepseek-v4-flashDeepSeek	55.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
19	gpt-5.5-xhighOpenAI	55.1%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
20	grok-4.7xAI	54.6%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
21	claude-sonnet-5-maxAnthropic	54.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
22	gpt-6-solOpenAI	54.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
23	glm-5-3-flashZ.ai	52.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
25	responses/gpt-5.4OpenAI	52.4%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
26	gpt-5-6-sol-max-proOpenAI	51.4%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
27	kimi-k3Moonshot AI	50.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
28	claude-opus-4-7Anthropic	49.2%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
29	claude-opus-4-8Anthropic	48.9%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
30	qwen-3-8-27bAlibaba	47.5%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
31	deepseek-v4-pro-08-13DeepSeek	47.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
32	gemini-3.6-flashGoogle	46.9%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent

評測侷限與數據署名

限投行、諮詢、法律任務；原頁未提供逐型號評測日期，少量運行缺失的原因尚未公開。不能將此分數解釋為所有辦公工作的可靠性。

數據許可：官方公開結果；數據與代碼許可不等於榜單再分發授權

成績由 Mercor 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。