正在加载页面内容
APEX-AgentsAgent
APEX-Agents 是评估 AI Agent 执行跨应用长周期任务能力的基准。包含 480 个由投行分析师、管理咨询师和企业律师设计的真实工作场景，需要 Agent 在文件与工具环境中自主导航并完成多步骤交付物。采用 Pass@1 评分，当前最强模型也仅达 24%。
| # | 模型 | 得分 (%) | 厂商 | 来源 | |
|---|---|---|---|---|---|
| 1 | 42.5 | Anthropic | Hy3 Hugging Face README | ||
| 2 | 41.7 | OpenAI | MiniMax M3 技术报告 | ||
| 3 | 37.2 | Anthropic | MiniMax M3 技术报告 | ||
| 4 | 33.8 | 字节跳动 | Hy3 Hugging Face README | ||
| 5 | 33.5 | Hy3 Hugging Face README | |||
| 6 | 33.3 | OpenAI | Kimi K2.6 技术报告 | ||
| 7 | 33 | Anthropic | Kimi K2.6 技术报告 | ||
| 8 | 29.9 | 智谱AI | Hy3 Hugging Face README | ||
| 9 | 27.9 | 月之暗面 | Kimi K2.6 技术报告 | ||
| 10 | 27.7 | MiniMax | MiniMax M3 技术报告 |
