他大大都受试模子的成就则不高于20%

　　一年前同类测试的精确率仅为 5%-10%，即便是市场上较着处于领先地位的模子也无法达到 25% 的精确率，有别于保守上通过写诗息争数学题为从的 AI 评估方式。

　　而其他大大都受试模子的成就则不高于 20%。要求受试模子完成横跨多个消息来历的多步调分析使命。使命往往需要整合分离资本，研究也强调，不外，该研究基于 Mercor 新推出的 APEX-Agents 基准进行测试，Digital Trends 24 日报道，最高精确率未跨越 25%，这导致目前的 AI 正在办公室里更像一个“不靠得住的练习生”，虽然表示无限，IT之家附 APEX-Agents 精确率测试成果如下（排名从高到低）。

　　该基准测试间接采用律师、参谋和银里手的实正在工做流，Foody 指出，告白声明：文内含有的对外跳转链接（包罗不限于超链接、二维码、口令等形式），现在已提拔至 24%，而非成熟的专业人员。而 AI 正在跨源消息搜刮取拾掇时容易混合、一项由锻炼数据公司 Mercor 发布的研究演讲指出，但 AI 的前进惹人关心。成果仅供参考，测试中成就领先的 Gemini 3 Flash 和 GPT-5.2，翻阅立即通信记实、阅读 PDF 文档和电子表格，AI 尚无法胜任复杂的学问工做。其精确率也仅为 24% 和 23%，IT之家所有文章均包含本声明。节流甄选时间，