Mercor APEX-Agents 1.1

Name: Mercor APEX-Agents 1.1
Creator: Mercor

このページの内容は中国語です。

Mercor / 专业办公 · 投行、咨询和法律里的长任务，看模型当助手能不能把一件完整的工作做完。

公式評価

AIDC热点内順位に参加

根拠の予算3%

上流データ時刻09/08 08:00

直近の同期成功11/02 20:05

何をどう測るか

固定 1.1 数据集和官方 Loop 环境，采用 Pass@1 及其对应误差，按预先固定的推理档位选配置。Mean Score 是评分项平均完成度，不混作任务完成率。

この根拠の使い方

固定 1.1 版官方 Loop 的 Pass@1，独占工具与办公预算中的 4%；另 2% 用于统一环境的银行业务任务。

評価成績

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

元ランキングの順位	元ランキングの型番	素の成績	代表設定
1	gemini-4-carbonGoogle	84.2%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
2	gemini-4-argonGoogle	82.4%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
3	claude-sonnet-5-5Anthropic	75.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
4	claude-opus-5-5Anthropic	73.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
5	deepseek-v4-1-flash-1017DeepSeek	69.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
6	kimi-k3.1-proMoonshot AI	69.4%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
7	claude-fable-5.1Anthropic	68.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
8	gpt-6-1-terraOpenAI	68.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
9	gemini-3.7-flashGoogle	67.8%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
10	muse-wonder-1-0-maxMeta	66.1%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
11	claude-opus-5Anthropic	65.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
12	grok-4-6-xhighxAI	65.3%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
13	gpt-6-astra-maxOpenAI	64.7%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
14	gemini-3.8-flashGoogle	64.3%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
15	claude-fable-5Anthropic	63.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
16	qwen-3-8-max-xhighAlibaba	63.3%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
17	gpt-6-1-solOpenAI	60.0%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
20	gpt-5.6-terra-maxOpenAI	58.2%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
21	mimo-v2.6-flash-rlXiaomi	57.4%	完整系统 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
22	glm-5-3Z.ai	56.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
23	grok-4-5xAI	56.2%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
24	claude-haiku-5-5Anthropic	56.1%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
25	deepseek-v4-flashDeepSeek	55.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
26	gpt-5.5-xhighOpenAI	55.1%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
27	grok-4.7xAI	54.6%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
28	claude-sonnet-5-maxAnthropic	54.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
29	mimo-v2.6-proXiaomi	54.4%	完整系统 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
30	gpt-6-solOpenAI	54.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
31	minimax-m3p1-flashMiniMax	53.9%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
32	glm-5-3-flashZ.ai	52.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent

評価の制約とデータの帰属

限投行、咨询、法律任务；原页未提供逐型号评测日期，少量运行缺失的原因尚未公开。不能将此分数解释为所有办公工作的可靠性。

データライセンス：官方公开结果；数据与代码许可不等于榜单再分发授权

成绩由 Mercor 发布，原始分数与 AIDC热点共识分使用不同尺度，不能直接相加。