APEX-Agents 1.1 更新基准：Claude Fable 5.1 以 68.6% 居首
amaarora · x · 2026-09-09
- Mercor 发布 APEX-Agents 1.1，随模型能力演进更新任务规范、工具与环境，以维持排行榜准确性。
- 最重要的变化：不再奖励含糊其辞、不给出明确结论的答案，让评分方式对齐专业人员的实际工作方式。
- Pass@1 最新排名：Claude Fable 5.1 以 68.6% 居首，Gemini 3.7 Flash 67.8%、Claude Opus 5 65.8%、Grok 4.6 65.3%、GPT-6 Astra 64.7%。
- Ryan Marten 点评称用 GEPA 来优化 judge（agentic verifier）的思路很好，该基准也已上架 Harbor Hub。
「模型」频道最新
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26