跳到正文

Mercor APEX-Agents 1.1

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。

官方评测
在 SIHOT 中参与排名
证据预算6.3%
上游数据时间09/08 08:00
最近成功同步11/18 02:05

它测什么,怎么测

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。

如何使用这份证据

通过单型号协议核验后,在所属能力领域的题族份额内参与参考排序;同题族的测量不增加题族总份额。实际生效份额见当前计算记录。

评测成绩

按固定规则,每个公开模型采用一套代表配置;没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示,保留原榜名次,每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1gemini-4-carbonGoogle84.2%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
2gemini-4-argonGoogle82.4%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
3claude-fable-5-2Anthropic80.1%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
4gemini/gemini-4-hydrogen-eapGoogle78.0%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
5tencent/hy4Tencent77.6%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
6claude-sonnet-5-5Anthropic75.5%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
7claude-opus-5-5Anthropic73.5%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
8responses/aurora-alphaOpenAI72.2%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
9grok-4.7xAI70.0%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
10deepseek-v4-1-flash-1017DeepSeek69.8%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
11claude-fable-5.1Anthropic68.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
12gpt-6-1-terraOpenAI68.3%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
13gemini-3.7-flashGoogle67.8%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
14responses/halo-alphaOpenAI66.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
15muse-wonder-1-0-maxMeta66.1%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
16claude-opus-5Anthropic65.8%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
17kimi-k3.1-proMoonshot AI65.5%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
18grok-4-6-xhighxAI65.3%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
19gpt-6-astra-maxOpenAI64.7%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
20muse-emberMeta64.3%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
20gemini-3.8-flashGoogle64.3%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
22claude-fable-5Anthropic63.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
23qwen-3-8-max-xhighAlibaba63.3%xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
24gpt-6-1-solOpenAI60.0%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
27gpt-5.6-terra-maxOpenAI58.2%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
28mimo-v2.6-flash-rlXiaomi57.4%完整系统 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
29glm-5-3Z.ai56.6%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
30grok-4-5xAI56.2%High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
31claude-haiku-5-5Anthropic56.1%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
32deepseek-v4-flashDeepSeek55.3%Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
评测局限与数据署名

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。

数据许可: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,各项原始分数使用不同尺度,不能直接相加;参考位次采用公开的分差标准化规则。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有