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%。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

59.2%

2

Grok 4.6xAI

57.5%

3

GPT-5.6 SolOpenAI

56.7%

4

Grok 4.5xAI

47.1%

5

Claude Opus 4.8Anthropic

42.5%

6

GPT-5.5OpenAI

41.7%

7

Kimi K3月之暗面

41.0%

8

Claude Opus 4.7Anthropic

37.2%

9

GLM-5.2智谱AI

35.6%

10

Seed2.1 Pro字节跳动

33.8%

共 24 个模型

返回基准目录