Mercor की APEX-Agents लीडरबोर्ड में Gemini 4 Carbon पहले स्थान पर, 90% से अधिक औसत स्कोर वाला एकमात्र मॉडल

APEX-Agents बेंचमार्क प्रकाशित करने वाली Mercor का कहना है कि Gemini 4 Carbon ने उसकी लीडरबोर्ड में #1 स्थान पर पदार्पण किया है। ये Mercor के अपने मापन हैं। APEX-Agents, निवेश बैंकिंग, प्रबंधन परामर्श और कॉर्पोरेट कानून से लिए गए लंबी अवधि वाले, कई चरणों के कार्यों को परखता है।

• Gemini 4 Carbon: 84.2% Pass@1, 90.4% औसत; लीडरबोर्ड में 90% से अधिक औसत वाला एकमात्र मॉडल।
• Gemini 4 Argon: 82.4% Pass@1, 87.4% औसत।
• Claude Sonnet 5.5: 75.5% Pass@1, 83.7% औसत।

क्षेत्र के हिसाब से, प्रबंधन परामर्श (91.9% Pass@1) और निवेश बैंकिंग (86.9%) में Carbon #1 है, जबकि कॉर्पोरेट कानून (73.8%) में #2 है; वहाँ Argon 76.7% के साथ आगे है।