Mercor’un APEX-Agents liderlik tablosunda Gemini 4 Carbon ilk sırada; ortalaması %90’ı aşan tek model

APEX-Agents kıyaslama testini yayımlayan Mercor, Gemini 4 Carbon’ın liderlik tablosuna 1. sıradan girdiğini söylüyor. Bunlar Mercor’un kendi ölçümleri. APEX-Agents; yatırım bankacılığı, yönetim danışmanlığı ve şirketler hukuku alanlarından alınan, uzun süreli ve çok adımlı görevleri test ediyor.

• Gemini 4 Carbon: Pass@1 %84,2, ortalama %90,4; liderlik tablosunda ortalaması %90’ı aşan tek model.
• Gemini 4 Argon: Pass@1 %82,4, ortalama %87,4.
• Claude Sonnet 5.5: Pass@1 %75,5, ortalama %83,7.

Alanlara göre Carbon, yönetim danışmanlığında (Pass@1 %91,9) ve yatırım bankacılığında (%86,9) 1. sırada; Argon’un %76,7 ile önde olduğu şirketler hukukunda ise %73,8 ile 2. sırada.