Aller au contenu
EN 4 QUESTIONSTrouver mon modèle

AgentsFiche benchmark · Mercor · mercor.com

APEX-Agents

480 missions de banque d'affaires, de conseil et de droit des sociétés, à mener dans des outils de bureau : tableurs, présentations, messagerie.

À quoi il sert

Sur QUELLE IA, APEX-Agents sert à noter la tâche Agents : c'est l'un de ses 8 benchmarks. Il départage surtout les modèles dont le score IA approche 88.

Comment c'est noté

Part de missions où tous les critères de la grille sont remplis dès le premier essai, selon un modèle correcteur.

Ce qu'il ne dit pas

La correction est confiée à une IA. Le classement est tenu par Mercor, l'entreprise privée qui a conçu les missions.

Comment lire le score

56 modèles mesurés · 60 mesures

En tête : Gemini 4 Argon, 82,4 %

Chaque trait est un modèle, placé à son meilleur score. Un modèle qui obtient 50 % a un score IA d'environ 88. Le meilleur, Gemini 4 Argon, atteint 82,4 %. Le benchmark sera dit saturé quand un modèle atteindra 95 %.

Ce que ce benchmark attend à chaque niveau

Score IA 51niveau de GPT-4o (Nov 2024)
5 %
Score IA 76niveau de Claude Sonnet 4.5
29 %
Score IA 100niveau de Claude Opus 5.5
73 %

Valeurs lues sur la courbe d'étalonnage du benchmark, qui relie le score publié au score IA. La démarche

Son poids chez nous

1,88 %du score général. APEX-Agents porte 13 % de la tâche Agents (15 % du score général), que se partagent 8 benchmarks.

En couleur, la tâche Agents dans le score général. En noir, la part d'APEX-Agents.

Le classement du benchmark

Scores relevés sur epoch.ai · édition du
RangModèleRéflexionScore publiéÉquivaut à?Source
1Gemini 4 ArgonGoogle DeepMindNon précisée82,4 %107,1
2Claude Sonnet 5.5Anthropic · 2 configurationsMaximale75,5 %101,9
3Claude Opus 5.5Anthropic · 2 configurationsMaximale73,5 %100,6
4DeepSeek V4.1 Flash 1017DeepSeek · poids ouvertsMaximale69,8 %98,3
5Claude Fable 5.1Anthropic · 2 configurationsNon précisée68,6 %97,6
6GPT-6.1 TerraOpenAIMaximale68,3 %97,4
7Gemini 3.7 FlashGoogle DeepMindNon précisée67,8 %97,1
8Muse WonderMeta AIMaximale66,1 %96,2
9Claude Opus 5AnthropicMaximale65,8 %96,0
10Grok 4.6xAINon précisée65,3 %95,7
56 modèles mesurés, chacun à sa meilleure configuration. « Équivaut à » : le score IA que ce seul résultat donnerait au modèle.Voir les 56 →Replier le classement ↑
11GPT-6 AstraOpenAINon précisée64,7 %95,4
12Gemini 3.8 FlashGoogle DeepMindNon précisée64,3 %95,2
13Claude Fable 5AnthropicNon précisée63,6 %94,8
14Qwen 3.8 MaxAlibabaNon précisée63,3 %94,6
15GPT-6.1 SolOpenAIMaximale60 %92,9
16Muse Spark 1.3Meta AI · 2 configurationsNon précisée58,6 %92,2
17GPT-5.6 TerraOpenAIMaximale58,2 %92,0
18GLM-5.3Z.ai (Zhipu AI) · poids ouvertsNon précisée56,6 %91,1
19Grok 4.5xAINon précisée56,2 %90,9
20Claude Haiku 5.5AnthropicMaximale56,1 %90,9
21GPT-5.5OpenAINon précisée55,1 %90,4
22Grok 4.7xAINon précisée54,6 %90,1
23Claude Sonnet 5AnthropicNon précisée54,5 %90,1
24MiMo-V2.6 ProXiaomi · poids ouvertsNon précisée54,4 %90,0
25GPT-6 SolOpenAIMaximale54,3 %90,0
26GLM-5.3-FlashZ.ai (Zhipu AI) · poids ouvertsNon précisée52,8 %89,2
27GPT-5.4OpenAINon précisée52,4 %89,0
28Mistral Large 4 PreviewMistral AI · poids ouvertsÉlevée51,6 %88,6
29GPT-5.6 SolOpenAIMaximale51,4 %88,5
30Claude Opus 4.7AnthropicMaximale49,2 %87,4
31Claude Opus 4.8AnthropicMaximale48,9 %87,3
32Beam 1.0Reflection · poids ouvertsMaximale48,8 %87,2
33Kimi K3Moonshot · poids ouvertsNon précisée47,8 %86,7
34Qwen 3.8 27BAlibaba · poids ouvertsNon précisée47,5 %86,6
35DeepSeek V4 Pro 0813DeepSeek · poids ouvertsNon précisée47,3 %86,5
36Gemini 3.6 FlashGoogle DeepMindNon précisée46,9 %86,3
37Claude Opus 4.6AnthropicMaximale46,3 %86,0
38Muse Spark 1.2Meta AINon précisée45,4 %85,5
39GLM-5.2Z.ai (Zhipu AI) · poids ouvertsNon précisée45,2 %85,4
40GPT-6 LunaOpenAIMaximale44,3 %84,9
41GPT-5.6 LunaOpenAINon précisée43 %84,3
41Claude Sonnet 4.6AnthropicÉlevée43 %84,3
43GLM-5.1Z.ai (Zhipu AI) · poids ouvertsNon précisée40,9 %83,2
44DeepSeek V4.1 FlashDeepSeek · poids ouvertsNon précisée39,5 %82,5
45MiniMax-M3MiniMax · poids ouvertsNon précisée37,7 %81,5
46Kimi K2.7 CodeMoonshot · poids ouvertsNon précisée37,6 %81,5
47Gemini 3.1 ProGoogle DeepMindNon précisée35,1 %80,1
48InklingThinking Machines · poids ouvertsNon précisée33,8 %79,4
49Muse Spark OpenMeta AI · poids ouvertsNon précisée33,4 %79,2
50Muse Spark 1.1Meta AINon précisée31,8 %78,3
51Gemini 3.5 Flash-LiteGoogle DeepMindNon précisée29,3 %76,8
52Gemini 3.5 FlashGoogle DeepMindNon précisée27,5 %75,7
53Qwen3.5 397B-A17BAlibaba · poids ouvertsNon précisée24,9 %74,0
54Nemotron 3 UltraNVIDIA · poids ouvertsNon précisée22,7 %72,5
55DeepSeek-V3.2DeepSeek · poids ouvertsNon précisée21,3 %71,5
56gpt-oss-120bOpenAI · poids ouvertsNon précisée4,4 %49,3

En bref

Que mesure APEX-Agents ?
480 missions de banque d'affaires, de conseil et de droit des sociétés, à mener dans des outils de bureau : tableurs, présentations, messagerie. Sur QUELLE IA, il est rangé dans la tâche Agents.
Comment APEX-Agents est-il noté ?
Part de missions où tous les critères de la grille sont remplis dès le premier essai, selon un modèle correcteur. Un modèle qui obtient 50 % a un score IA d'environ 88.
Qui est en tête sur APEX-Agents ?
Gemini 4 Argon (Google DeepMind) est en tête d'APEX-Agents avec 82,4 %, dans l'édition du 9 novembre 2026. Suivent Claude Sonnet 5.5 (75,5 %) et Claude Opus 5.5 (73,5 %). 56 modèles y sont mesurés.
Quelles sont les limites d'APEX-Agents ?
La correction est confiée à une IA. Le classement est tenu par Mercor, l'entreprise privée qui a conçu les missions. Au 9 novembre 2026, le benchmark est actif.
Combien pèse APEX-Agents dans le score IA ?
APEX-Agents compte pour 1,88 % du score général, dans l'édition du 9 novembre 2026. Il porte 13 % de la tâche Agents (15 % du score général), que se partagent 8 benchmarks.
Qui maintient APEX-Agents ?
Mercor. Sa page de référence : mercor.com/blog/introducing-apex-agents.

Les autres benchmarks de la tâche Agents

Tous les benchmarks →Comment le score IA est calculé →