評測來源官方評測
Mercor APEX-Agents 1.1
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。
在 ATech Hot 中參與排名
評測權重4%
來源資料更新時間09/08 08:00
最近成功同步11/22 02:05
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,按預先固定的推理設定選配置。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用作比較的設定;沒有可採用設定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 | 用作比較的設定 |
|---|---|---|---|
| 1 | gemini-4-carbongoogle | 84.2% | High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 2 | gemini-4-neonGoogle | 82.9% | xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 4 | gemini-4-argongoogle | 82.4% | High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 5 | claude-fable-5-2Anthropic | 80.1% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 6 | gemini/gemini-4-hydrogen-eapGoogle | 78.0% | xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 7 | tencent/hy4Tencent | 77.6% | High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 8 | claude-sonnet-5-5anthropic | 75.5% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 9 | claude-opus-5-5Anthropic | 73.5% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 10 | responses/aurora-alphaOpenAI | 72.2% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 11 | grok-4.7xAI | 70.0% | xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 12 | deepseek-v4-1-flash-1017deepseek | 69.8% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 13 | claude-fable-5.1Anthropic | 68.6% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 14 | gpt-6-1-terraOpenAI | 68.3% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 15 | gemini-3.7-flashGoogle | 67.8% | High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 16 | responses/halo-alphaOpenAI | 66.6% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 17 | muse-wonder-1-0-max— | 66.1% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 18 | claude-opus-5Anthropic | 65.8% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 19 | kimi-k3.1-proKimi | 65.5% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 20 | grok-4-6-xhighxAI | 65.3% | xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 21 | gpt-6-astra-maxOpenAI | 64.7% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 22 | gemini-3.8-flashGoogle | 64.3% | High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 22 | muse-embermeta | 64.3% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 24 | claude-fable-5Anthropic | 63.6% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 25 | qwen-3-8-max-xhighAlibaba | 63.3% | xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 26 | tencent/hy4-flashTencent | 62.4% | High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 27 | gpt-6-1-solopenai | 60.0% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 30 | gpt-5.6-terra-maxOpenAI | 58.2% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 31 | mimo-v2.6-flash-rlXiaomi | 57.4% | 完整系統 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 32 | glm-5-3Z.ai | 56.6% | Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent |
| 33 | grok-4-5xAI | 56.2% | 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 共識指數使用不同尺度,不能直接相加。