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: 2026-09-02 Modelos avaliados: 311

Modelos recomendados

GPT-5.6 Sol high Inteligente Taxa de acerto por tentativa 89.4% Testes corretos 18 / 22 Pontuação 9.4/10 GPT-5.6 Luna medium Rápido Tempo de resposta (médio) 7.43s Total de tokens de saída 44,525 Pontuação 7.4/10 DeepSeek V4 Flash 0731 high Acessível Preço de entrada $0.065 / 1M Preço de saída $0.180 / 1M Pontuação 8.0/10

311/311

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#138#138	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 8.6 Taxa de acerto por tentativa 63.6% Testes instáveis 5 Tokens de entrada 81,970 Tokens de saída 7,186 Tokens de raciocínio 403,389 Tempo de resposta (médio) 124.18s Tempo de resposta (total) 2732.03s Tempo de resposta (máx.) 675.30s Erro de API: 5 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#38#38	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 4 Tokens de entrada 123,680 Tokens de saída 7,222 Tokens de raciocínio 271,442 Tempo de resposta (médio) 19.67s Tempo de resposta (total) 432.72s Tempo de resposta (máx.) 142.49s Não seguiu as instruções: 3 Resposta incorreta: 3 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 10.0 Combinado : 8.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#13#13	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 90.9% Testes instáveis 0 Tokens de entrada 92,296 Tokens de saída 5,232 Tokens de raciocínio 92,006 Tempo de resposta (médio) 20.62s Tempo de resposta (total) 329.94s Tempo de resposta (máx.) 88.68s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 7.9 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#39#39	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 2 Tokens de entrada 142,147 Tokens de saída 7,905 Tokens de raciocínio 284,247 Tempo de resposta (médio) 26.25s Tempo de resposta (total) 577.47s Tempo de resposta (máx.) 165.38s Resposta incorreta: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#36#36	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 1 Tokens de entrada 145,249 Tokens de saída 24,948 Tokens de raciocínio 5,042 Tempo de resposta (médio) 7.62s Tempo de resposta (total) 159.94s Tempo de resposta (máx.) 65.40s Resposta incorreta: 3 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#18#18	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 2 Tokens de entrada 104,464 Tokens de saída 6,844 Tokens de raciocínio 590,392 Tempo de resposta (médio) 163.90s Tempo de resposta (total) 3605.87s Tempo de resposta (máx.) 739.98s Resposta incorreta: 3 Sem resposta: 2 Truques anti-IA : 8.2 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#89#89	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 185,547 Tokens de saída 24,866 Tokens de raciocínio 0 Tempo de resposta (médio) 7.65s Tempo de resposta (total) 168.35s Tempo de resposta (máx.) 47.72s Resposta incorreta: 6 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 5.9 Combinado : 8.3 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#43#43	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 4 Tokens de entrada 81,136 Tokens de saída 6,155 Tokens de raciocínio 84,311 Tempo de resposta (médio) 22.85s Tempo de resposta (total) 502.78s Tempo de resposta (máx.) 100.41s Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 8.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#16#16	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 1 Tokens de entrada 135,604 Tokens de saída 23,814 Tokens de raciocínio 12,804 Tempo de resposta (médio) 10.26s Tempo de resposta (total) 225.66s Tempo de resposta (máx.) 35.43s Resposta incorreta: 3 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Ver cartão do modelo Total de testes 22 Testes errados 1 Confiabilidade 10.0 Taxa de acerto por tentativa 98.5% Testes instáveis 1 Tokens de entrada 84,593 Tokens de saída 10,517 Tokens de raciocínio 397,671 Tempo de resposta (médio) 37.19s Tempo de resposta (total) 818.19s Tempo de resposta (máx.) 177.08s Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#60#60	Muse Spark 1.1high	8.0	Meta	$1.709	30.84s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 6 Tokens de entrada 129,003 Tokens de saída 8,340 Tokens de raciocínio 355,649 Tempo de resposta (médio) 30.84s Tempo de resposta (total) 647.67s Tempo de resposta (máx.) 196.03s Resposta incorreta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 7.5 Programação : 10.0 Combinado : 5.9 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 106,787 Tokens de saída 4,811 Tokens de raciocínio 244,997 Tempo de resposta (médio) 73.46s Tempo de resposta (total) 1616.12s Tempo de resposta (máx.) 514.35s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#228#228	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 5.4 Taxa de acerto por tentativa 19.7% Testes instáveis 3 Tokens de entrada 45,154 Tokens de saída 4,022 Tokens de raciocínio 678,516 Tempo de resposta (médio) 214.25s Tempo de resposta (total) 4713.56s Tempo de resposta (máx.) 597.45s Erro de API: 14 Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.0 Programação : 5.2 Combinado : 2.9 Análise e extração de dados : 8.7 Específico do domínio : 4.5 Inteligência geral : 7.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#37#37	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.9 Taxa de acerto por tentativa 74.2% Testes instáveis 5 Tokens de entrada 117,037 Tokens de saída 6,983 Tokens de raciocínio 375,104 Tempo de resposta (médio) 26.59s Tempo de resposta (total) 584.89s Tempo de resposta (máx.) 192.00s Resposta incorreta: 4 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 8.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#29#29	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 3 Tokens de entrada 104,695 Tokens de saída 6,645 Tokens de raciocínio 691,086 Tempo de resposta (médio) 173.96s Tempo de resposta (total) 3827.19s Tempo de resposta (máx.) 584.71s Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#12#12	Grok 4.6high	9.3	X AI	$1.908	84.15s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 0 Tokens de entrada 107,275 Tokens de saída 5,094 Tokens de raciocínio 277,123 Tempo de resposta (médio) 84.15s Tempo de resposta (total) 1851.26s Tempo de resposta (máx.) 618.49s Resposta incorreta: 2 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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
#50#50	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 5 Tokens de entrada 104,433 Tokens de saída 6,511 Tokens de raciocínio 752,680 Tempo de resposta (médio) 193.59s Tempo de resposta (total) 4258.98s Tempo de resposta (máx.) 885.33s Resposta incorreta: 5 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#32#32	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 138,448 Tokens de saída 40,765 Tokens de raciocínio 11,162 Tempo de resposta (médio) 12.97s Tempo de resposta (total) 285.29s Tempo de resposta (máx.) 70.54s Resposta incorreta: 4 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.9 Análise e extração de dados : 7.1 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
#7#7	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 89.4% Testes instáveis 2 Tokens de entrada 107,146 Tokens de saída 8,777 Tokens de raciocínio 196,705 Tempo de resposta (médio) 15.46s Tempo de resposta (total) 340.20s Tempo de resposta (máx.) 145.92s Resposta incorreta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.2 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 : 10.0 Chamada de ferramentas : 9.8 Conhecimentos gerais : 10.0
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 3 Tokens de entrada 122,155 Tokens de saída 5,514 Tokens de raciocínio 293,946 Tempo de resposta (médio) 68.59s Tempo de resposta (total) 1508.91s Tempo de resposta (máx.) 436.38s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#219#219	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Ver cartão do modelo Total de testes 18 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 56.1% Testes instáveis 4 Tokens de entrada 29,134 Tokens de saída 1,984 Tokens de raciocínio 1,355,583 Tempo de resposta (médio) 61.96s Tempo de resposta (total) 1115.31s Tempo de resposta (máx.) 149.23s Resposta incorreta: 4 Não seguiu as instruções: 3 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#78#78	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 3 Tokens de entrada 156,522 Tokens de saída 43,056 Tokens de raciocínio 9,181 Tempo de resposta (médio) 12.88s Tempo de resposta (total) 283.32s Tempo de resposta (máx.) 127.97s Resposta incorreta: 4 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 9.9 Análise e extração de dados : 6.3 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
#75#75	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 1 Tokens de entrada 106,316 Tokens de saída 79,338 Tokens de raciocínio 41,089 Tempo de resposta (médio) 28.08s Tempo de resposta (total) 421.15s Tempo de resposta (máx.) 140.96s Resposta incorreta: 4 Formatação extra: 3 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 5.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 3 Tokens de entrada 152,175 Tokens de saída 5,655 Tokens de raciocínio 318,807 Tempo de resposta (médio) 72.30s Tempo de resposta (total) 1590.56s Tempo de resposta (máx.) 676.83s Sem resposta: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Ver cartão do modelo Total de testes 16 Testes errados 3 Confiabilidade N/D Taxa de acerto por tentativa 59.1% Testes instáveis 0 Tokens de entrada 28,980 Tokens de saída 1,283 Tokens de raciocínio 1,533,310 Tempo de resposta (médio) 68.14s Tempo de resposta (total) 1090.28s Tempo de resposta (máx.) 280.52s Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 7.5 Programação : 0.0 Combinado : 5.0 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0

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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium