Gemini 4 Carbon 登顶 APEX-Agents 榜首,唯一均值破 90% 的模型
Swarooprm7 · x · 2026-10-31
Mercor 的 APEX-Agents 榜单上，Gemini 4 Carbon 以 84.2% Pass@1、90.4% 均值空降第一，是榜单上唯一均值超过 90% 的模型；Gemini 4 Argon（82.4%/87.4%）第二，Claude Sonnet 5.5（75.5%/83.7%）第三。
APEX-Agents 用投行、管理咨询、公司法领域的多步骤长程任务测试模型。Carbon 在管理咨询（91.9%）和投行（86.9%）均列第一，公司法（73.8%）落后于自家 Argon（76.7%）。Google 称 Carbon 在长程任务上达到 SOTA。
「模型」频道最新
- Anthropic 递交纳斯达克上市申请，半年营收 163 亿美元同比增 12 倍 — DeepLearningAI · 2026-10-31
- ThursdAI 播客辩论:Opus 7 将至,「跑分变好」还重要吗 — thursdai_pod · 2026-10-31
- 14 个模型测 960 项分析师任务:做分析近满分,选股不如随机 — HeyAmit_ · 2026-10-31
- Anthropic 官宣：11月3日起 Claude 输出将带不可见文本水印 — petesena · 2026-10-31
- 四款 GPT-6 系列模型同台比拼像素画生成效果 — Angaisb_ · 2026-10-31
- Perplexity 员工公开征集:发来任务,让 decider 做 SOTA — antoine_chaffin · 2026-10-31