Mercor APEX-Agents 1.1

Name: Mercor APEX-Agents 1.1
Creator: Mercor

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 EVAOO News 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11/12 08:05

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
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-fable-5-2Anthropic	80.1%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
4	tencent/hy4Tencent	77.6%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
5	claude-sonnet-5-5Anthropic	75.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
6	claude-opus-5-5Anthropic	73.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
7	deepseek-v4-1-flash-1017DeepSeek	69.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
8	claude-fable-5.1Anthropic	68.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
9	gpt-6-1-terraOpenAI	68.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
10	gemini-3.7-flashGoogle	67.8%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
11	muse-wonder-1-0-maxMeta	66.1%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
12	claude-opus-5Anthropic	65.8%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
13	kimi-k3.1-proMoonshot AI	65.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
14	grok-4-6-xhighxAI	65.3%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
15	gpt-6-astra-maxOpenAI	64.7%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
16	gemini-3.8-flashGoogle	64.3%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
16	muse-emberMeta	64.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
18	claude-fable-5Anthropic	63.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
19	qwen-3-8-max-xhighAlibaba	63.3%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
20	gpt-6-1-solOpenAI	60.0%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
23	gpt-5.6-terra-maxOpenAI	58.2%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
24	mimo-v2.6-flash-rlXiaomi	57.4%	完整系统 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
25	glm-5-3Z.ai	56.6%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
26	grok-4-5xAI	56.2%	High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
27	claude-haiku-5-5Anthropic	56.1%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
28	deepseek-v4-flashDeepSeek	55.3%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
29	gpt-5.5-xhighOpenAI	55.1%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
30	grok-4.7xAI	54.6%	xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
31	claude-sonnet-5-maxAnthropic	54.5%	Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
32	mimo-v2.6-proXiaomi	54.4%	完整系统 · 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。