跳到正文
評測來源

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。

官方評測
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
1gemini-4-carbongoogle84.2%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
2gemini-4-neonGoogle82.9%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
4gemini-4-argongoogle82.4%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
5claude-fable-5-2Anthropic80.1%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
6gemini/gemini-4-hydrogen-eapGoogle78.0%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
7tencent/hy4Tencent77.6%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
8claude-sonnet-5-5anthropic75.5%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
9claude-opus-5-5Anthropic73.5%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
10responses/aurora-alphaOpenAI72.2%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
11grok-4.7xAI70.0%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
12deepseek-v4-1-flash-1017deepseek69.8%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
13claude-fable-5.1Anthropic68.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
14gpt-6-1-terraOpenAI68.3%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
15gemini-3.7-flashGoogle67.8%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
16responses/halo-alphaOpenAI66.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
17muse-wonder-1-0-max—66.1%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
18claude-opus-5Anthropic65.8%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
19kimi-k3.1-proKimi65.5%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
20grok-4-6-xhighxAI65.3%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
21gpt-6-astra-maxOpenAI64.7%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
22gemini-3.8-flashGoogle64.3%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
22muse-embermeta64.3%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
24claude-fable-5Anthropic63.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
25qwen-3-8-max-xhighAlibaba63.3%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
26tencent/hy4-flashTencent62.4%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
27gpt-6-1-solopenai60.0%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
30gpt-5.6-terra-maxOpenAI58.2%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
31mimo-v2.6-flash-rlXiaomi57.4%完整系統 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
32glm-5-3Z.ai56.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
33grok-4-5xAI56.2%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。