Leaderboard do AI Benchy

Name: Resultados de benchmark de modelos AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-10-17 Modelos avaliados: 442

Modelos recomendados

GPT-6.1 Sol xhigh Inteligente Taxa de acerto por tentativa 97.1% Testes corretos 22 / 23 Pontuação 9.9/10 Gemini 3.7 Flash low Rápido Tempo de resposta (médio) 6.24s Total de tokens de saída 38,453 Pontuação 9.4/10 GPT-6 Luna high Acessível Preço de entrada $0.100 / 1M Preço de saída $0.500 / 1M Preço de leitura do cache $0.010 / 1M Preço de escrita no cache $0.125 / 1M Pontuação 7.7/10

442/442

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 9.7 Taxa de acerto por tentativa 31.9% Testes instáveis 2 Tokens de entrada 257,872 Tokens de saída 54,388 Tokens de raciocínio 0 Tempo de resposta (médio) 20.43s Tempo de resposta (total) 469.88s Tempo de resposta (máx.) 192.80s Resposta incorreta: 15 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 3.6 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#269#269	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 31.9% Testes instáveis 1 Tokens de entrada 236,599 Tokens de saída 11,561 Tokens de raciocínio 4,975 Tempo de resposta (médio) 5.30s Tempo de resposta (total) 121.91s Tempo de resposta (máx.) 48.02s Resposta incorreta: 13 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 4.8 Programação : 4.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#198#198	Inklinglow	6.8	Thinkingmachines	$0.293 ↓	6.81s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 4 Tokens de entrada 213,901 Tokens de saída 9,623 Tokens de raciocínio 12,414 Tempo de resposta (médio) 6.81s Tempo de resposta (total) 156.70s Tempo de resposta (máx.) 44.24s Resposta incorreta: 8 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 5.1 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#66#66	Qwen3.8 27Bhigh	8.7	Qwen	~$0.298	166.34s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 9.7 Taxa de acerto por tentativa 78.3% Testes instáveis 2 Tokens de entrada 348,967 Tokens de saída 1,005 Tokens de raciocínio 676,075 Tempo de resposta (médio) 166.34s Tempo de resposta (total) 3825.81s Tempo de resposta (máx.) 640.85s Não seguiu as instruções: 2 Sem resposta: 2 Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#150#150	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.306 ↑	88.15s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 6 Tokens de entrada 231,356 Tokens de saída 43,054 Tokens de raciocínio 370,981 Tempo de resposta (médio) 88.15s Tempo de resposta (total) 2027.36s Tempo de resposta (máx.) 438.65s Resposta incorreta: 8 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 7.3 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 6.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#232#232	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 36.2% Testes instáveis 2 Tokens de entrada 405,921 Tokens de saída 97,112 Tokens de raciocínio 0 Tempo de resposta (médio) 14.79s Tempo de resposta (total) 340.25s Tempo de resposta (máx.) 212.63s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 4.8 Programação : 3.7 Combinado : 5.2 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#83#83	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 4 Tokens de entrada 214,645 Tokens de saída 15,532 Tokens de raciocínio 103,679 Tempo de resposta (médio) 29.42s Tempo de resposta (total) 676.56s Tempo de resposta (máx.) 111.48s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#168#168	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.9 Taxa de acerto por tentativa 81.2% Testes instáveis 5 Tokens de entrada 215,836 Tokens de saída 9,452 Tokens de raciocínio 33,289 Tempo de resposta (médio) 7.54s Tempo de resposta (total) 173.36s Tempo de resposta (máx.) 67.18s Resposta incorreta: 6 Sem resposta: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#261#261	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 68.1% Testes instáveis 4 Tokens de entrada 35,593 Tokens de saída 12,245 Tokens de raciocínio 62,277 Tempo de resposta (médio) 23.00s Tempo de resposta (total) 482.97s Tempo de resposta (máx.) 194.23s Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#342#342	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 44.9% Testes instáveis 10 Tokens de entrada 277,130 Tokens de saída 45,188 Tokens de raciocínio 129,163 Tempo de resposta (médio) 50.32s Tempo de resposta (total) 1107.03s Tempo de resposta (máx.) 198.82s Resposta incorreta: 6 Não seguiu as instruções: 5 Chamada de ferramenta inválida: 2 Sem resposta: 2 Tempo esgotado: 2 Erro de API: 1 Tarefas de agentes : 4.7 Truques anti-IA : 7.9 Programação : 5.7 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#241#241	MiMo-V2.5-Promedium	6.4	Xiaomi	$0.332 ↓	56.72s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 7 Tokens de entrada 253,462 Tokens de saída 40,269 Tokens de raciocínio 185,716 Tempo de resposta (médio) 56.72s Tempo de resposta (total) 1304.54s Tempo de resposta (máx.) 333.34s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#332#332	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 40,961 Tokens de saída 2,518 Tokens de raciocínio 81,801 Tempo de resposta (médio) 22.16s Tempo de resposta (total) 443.22s Tempo de resposta (máx.) 136.29s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 2.3 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#81#81	Nemotron 3.5 Super VLhigh	8.4	NVIDIA	$0.349	49.88s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.9 Taxa de acerto por tentativa 82.6% Testes instáveis 6 Tokens de entrada 296,001 Tokens de saída 8,105 Tokens de raciocínio 600,178 Tempo de resposta (médio) 49.88s Tempo de resposta (total) 1147.24s Tempo de resposta (máx.) 310.51s Resposta incorreta: 3 Não seguiu as instruções: 2 Sem resposta: 2 Erro de API: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#51#51	Gemini 3.6 Flashlow	9.0	Google	$0.363 ↓	6.82s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 89.9% Testes instáveis 3 Tokens de entrada 197,570 Tokens de saída 6,364 Tokens de raciocínio 50,704 Tempo de resposta (médio) 6.82s Tempo de resposta (total) 156.81s Tempo de resposta (máx.) 48.53s Resposta incorreta: 4 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 7.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#288#288	GPT-5.6 Terranone	5.8	OpenAI	$0.377 ↓	4.11s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 40.6% Testes instáveis 3 Tokens de entrada 213,564 Tokens de saída 7,381 Tokens de raciocínio 0 Tempo de resposta (médio) 4.11s Tempo de resposta (total) 94.52s Tempo de resposta (máx.) 57.98s Resposta incorreta: 12 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#350#350	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade N/D Taxa de acerto por tentativa 60.9% Testes instáveis 0 Tokens de entrada 28,848 Tokens de saída 1,490 Tokens de raciocínio 10,102 Tempo de resposta (médio) 9.05s Tempo de resposta (total) 90.53s Tempo de resposta (máx.) 26.24s Erro de API: 4 Resposta incorreta: 3 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 3.0 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#289#289	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.391 ↑	16.63s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.7 Taxa de acerto por tentativa 36.2% Testes instáveis 3 Tokens de entrada 337,756 Tokens de saída 292,779 Tokens de raciocínio 0 Tempo de resposta (médio) 16.63s Tempo de resposta (total) 382.53s Tempo de resposta (máx.) 247.66s Resposta incorreta: 11 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 7.4 Truques anti-IA : 3.7 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 7.7 Inteligência geral : 5.5 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#154#154	Inkling Smallhigh	7.4	Thinkingmachines	$0.398 ↓	29.10s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 2 Tokens de entrada 85,669 Tokens de saída 6,092 Tokens de raciocínio 292,801 Tempo de resposta (médio) 29.10s Tempo de resposta (total) 669.40s Tempo de resposta (máx.) 122.60s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#97#97	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 3 Tokens de entrada 350,546 Tokens de saída 8,576 Tokens de raciocínio 206,984 Tempo de resposta (médio) 59.73s Tempo de resposta (total) 1373.73s Tempo de resposta (máx.) 315.30s Resposta incorreta: 6 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.1 Combinado : 8.2 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#208#208	MiniMax M3medium	6.7	Minimax	$0.422 ↑	77.03s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 9.7 Taxa de acerto por tentativa 59.4% Testes instáveis 5 Tokens de entrada 166,517 Tokens de saída 107,386 Tokens de raciocínio 217,548 Tempo de resposta (médio) 77.03s Tempo de resposta (total) 1694.74s Tempo de resposta (máx.) 431.03s Resposta incorreta: 5 Tempo esgotado: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 3.0 Truques anti-IA : 5.5 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 6 Tokens de entrada 218,076 Tokens de saída 4,863 Tokens de raciocínio 66,387 Tempo de resposta (médio) 4.89s Tempo de resposta (total) 112.55s Tempo de resposta (máx.) 29.49s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#136#136	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 65.2% Testes instáveis 2 Tokens de entrada 176,539 Tokens de saída 4,419 Tokens de raciocínio 195,929 Tempo de resposta (médio) 54.06s Tempo de resposta (total) 1189.36s Tempo de resposta (máx.) 203.01s Resposta incorreta: 8 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.9 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#113#113	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 75.4% Testes instáveis 6 Tokens de entrada 176,890 Tokens de saída 5,688 Tokens de raciocínio 18,525 Tempo de resposta (médio) 7.58s Tempo de resposta (total) 174.39s Tempo de resposta (máx.) 54.57s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#134#134	Nemotron 3.5 Super VLmedium	7.7	NVIDIA	$0.437	84.94s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.8 Taxa de acerto por tentativa 72.5% Testes instáveis 5 Tokens de entrada 269,143 Tokens de saída 6,833 Tokens de raciocínio 785,200 Tempo de resposta (médio) 84.94s Tempo de resposta (total) 1953.70s Tempo de resposta (máx.) 527.47s Resposta incorreta: 4 Sem resposta: 3 Erro de API: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#98#98	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.8 Taxa de acerto por tentativa 79.7% Testes instáveis 6 Tokens de entrada 188,162 Tokens de saída 6,097 Tokens de raciocínio 0 Tempo de resposta (médio) 5.72s Tempo de resposta (total) 131.67s Tempo de resposta (máx.) 60.87s Resposta incorreta: 5 Erro de API: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0

←

1 9 10 11 18

→

Tendências globais do benchmark

Veja como os modelos atuais equilibram pontuação, custo, velocidade, comprimento da saída e desempenho por categoria.

Gráficos →

Fronteira de Pareto: inteligência vs custo

Evolução da melhor pontuação das empresas líderes

Fronteira de Pareto: inteligência vs velocidade de resposta

Fronteira de Pareto: pontuação vs tokens de saída

Dificuldade das categorias entre os modelos

Comparação rápida

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow