Apex-Shortlist (w/ Tools)推理

APEx Shortlist 的工具增强版本，允许模型在解答筛选后的高难度题目时使用 Python、搜索等外部工具。评估工具使用是否能在最具挑战性的推理任务上带来显著提升。

#	模型	得分 (%)	厂商	来源
1	DeepSeek-V4-Pro	86.5	深度求索	Nemotron-3-Ultra 技术报告
2	Nemotron-3-Ultra	84.8	NVIDIA	Nemotron-3-Ultra 技术报告
3	DeepSeek-V4-Flash	82	深度求索	Nemotron-3-Ultra 技术报告
4	GLM-5.1	79	智谱AI	Nemotron-3-Ultra 技术报告
5	Kimi-K2.6	73.2	月之暗面	Nemotron-3-Ultra 技术报告
6	Qwen3.5-397B-A17B	60.4	阿里巴巴	Nemotron-3-Ultra 技术报告
7	MiniMax M2.7	51.9	MiniMax	Nemotron-3-Ultra 技术报告

APEx Shortlist 的工具增强版本，允许模型在解答筛选后的高难度题目时使用 Python、搜索等外部工具。评估工具使用是否能在最具挑战性的推理任务上带来显著提升。

#	模型	得分 (%)	厂商	来源
1	DeepSeek-V4-Pro	86.5	深度求索	Nemotron-3-Ultra 技术报告
2	Nemotron-3-Ultra	84.8	NVIDIA	Nemotron-3-Ultra 技术报告
3	DeepSeek-V4-Flash	82	深度求索	Nemotron-3-Ultra 技术报告
4	GLM-5.1	79	智谱AI	Nemotron-3-Ultra 技术报告
5	Kimi-K2.6	73.2	月之暗面	Nemotron-3-Ultra 技术报告
6	Qwen3.5-397B-A17B	60.4	阿里巴巴	Nemotron-3-Ultra 技术报告
7	MiniMax M2.7	51.9	MiniMax	Nemotron-3-Ultra 技术报告