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)
#23#23	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 1 Tokens de entrada 109,055 Tokens de saída 6,566 Tokens de raciocínio 85,481 Tempo de resposta (médio) 23.34s Tempo de resposta (total) 513.47s Tempo de resposta (máx.) 126.60s Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 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
#24#24	Muse Spark 1.3high	9.0	Meta	$1.252	117.06s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 9.5 Taxa de acerto por tentativa 81.8% Testes instáveis 3 Tokens de entrada 99,477 Tokens de saída 14,053 Tokens de raciocínio 251,124 Tempo de resposta (médio) 117.06s Tempo de resposta (total) 2575.43s Tempo de resposta (máx.) 470.12s Resposta incorreta: 2 Erro de API: 1 Não seguiu as instruções: 1 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 : 6.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#25#25	Muse Spark 1.3low	9.0	Meta	$0.633	43.67s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 9.6 Taxa de acerto por tentativa 83.3% Testes instáveis 3 Tokens de entrada 104,966 Tokens de saída 10,208 Tokens de raciocínio 107,707 Tempo de resposta (médio) 43.67s Tempo de resposta (total) 960.70s Tempo de resposta (máx.) 190.38s Resposta incorreta: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 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
#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
#31#31	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
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 93,046 Tokens de saída 5,884 Tokens de raciocínio 198,741 Tempo de resposta (médio) 10.05s Tempo de resposta (total) 221.06s Tempo de resposta (máx.) 36.22s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 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
#40#40	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 1 Tokens de entrada 89,640 Tokens de saída 33,092 Tokens de raciocínio 9,054 Tempo de resposta (médio) 15.01s Tempo de resposta (total) 330.15s Tempo de resposta (máx.) 80.80s Sem resposta: 3 Chamada de ferramenta inválida: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 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
#41#41	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
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 79,249 Tokens de saída 5,097 Tokens de raciocínio 165,276 Tempo de resposta (médio) 66.52s Tempo de resposta (total) 1463.50s Tempo de resposta (máx.) 238.07s Resposta incorreta: 4 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#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
#196#196	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Ver cartão do modelo Total de testes 18 Testes errados 4 Confiabilidade N/D Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 35,955 Tokens de saída 1,647 Tokens de raciocínio 91,565 Tempo de resposta (médio) 9.75s Tempo de resposta (total) 175.48s Tempo de resposta (máx.) 31.36s Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 8.7 Programação : 3.3 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 : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#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
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 2 Tokens de entrada 78,580 Tokens de saída 4,476 Tokens de raciocínio 15,470 Tempo de resposta (médio) 9.04s Tempo de resposta (total) 198.97s Tempo de resposta (máx.) 53.91s Resposta incorreta: 4 Truques anti-IA : 8.3 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 : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 90.9% Testes instáveis 3 Tokens de entrada 79,006 Tokens de saída 4,696 Tokens de raciocínio 30,281 Tempo de resposta (médio) 12.63s Tempo de resposta (total) 277.88s Tempo de resposta (máx.) 79.40s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 89.4% Testes instáveis 3 Tokens de entrada 79,258 Tokens de saída 4,855 Tokens de raciocínio 23,853 Tempo de resposta (médio) 11.48s Tempo de resposta (total) 252.62s Tempo de resposta (máx.) 54.79s Resposta incorreta: 4 Truques anti-IA : 8.7 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 : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#15#15	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 0 Tokens de entrada 135,956 Tokens de saída 64,624 Tokens de raciocínio 30,959 Tempo de resposta (médio) 22.51s Tempo de resposta (total) 495.12s Tempo de resposta (máx.) 159.01s Resposta incorreta: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 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
#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
#21#21	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
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 69,756 Tokens de saída 2,166 Tokens de raciocínio 60,007 Tempo de resposta (médio) 8.48s Tempo de resposta (total) 186.57s Tempo de resposta (máx.) 76.68s Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 7.9 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#22#22	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 87.9% Testes instáveis 3 Tokens de entrada 80,668 Tokens de saída 5,617 Tokens de raciocínio 119,699 Tempo de resposta (médio) 38.97s Tempo de resposta (total) 857.43s Tempo de resposta (máx.) 332.10s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 10.0 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 : 10.0 Conhecimentos gerais : 2.8
#30#30	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 84.9% Testes instáveis 2 Tokens de entrada 87,826 Tokens de saída 2,239 Tokens de raciocínio 32,956 Tempo de resposta (médio) 5.76s Tempo de resposta (total) 126.71s Tempo de resposta (máx.) 53.55s Resposta incorreta: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 8.2 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#33#33	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
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 134,770 Tokens de saída 13,604 Tokens de raciocínio 4,388 Tempo de resposta (médio) 6.99s Tempo de resposta (total) 153.80s Tempo de resposta (máx.) 30.67s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 10.0 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 : 10.0 Conhecimentos gerais : 3.0
#34#34	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 89.4% Testes instáveis 3 Tokens de entrada 85,886 Tokens de saída 5,489 Tokens de raciocínio 44,232 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.28s Tempo de resposta (máx.) 30.83s Resposta incorreta: 4 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
#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
#156#156	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 0 Tokens de entrada 69,576 Tokens de saída 6,265 Tokens de raciocínio 0 Tempo de resposta (médio) 3.02s Tempo de resposta (total) 57.44s Tempo de resposta (máx.) 18.27s Resposta incorreta: 3 Truques anti-IA : 8.3 Programação : 3.3 Combinado : 4.8 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 : 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
#11#11	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
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 80,067 Tokens de saída 5,378 Tokens de raciocínio 23,162 Tempo de resposta (médio) 10.15s Tempo de resposta (total) 223.24s Tempo de resposta (máx.) 56.19s Resposta incorreta: 3 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 : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

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