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)
#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
#17#17	Gemini 3.8 Flashmedium	9.1	Google	$0.653	14.50s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 92.4% Testes instáveis 2 Tokens de entrada 95,793 Tokens de saída 7,066 Tokens de raciocínio 147,842 Tempo de resposta (médio) 14.50s Tempo de resposta (total) 318.92s Tempo de resposta (máx.) 108.60s Resposta incorreta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.0 Combinado : 8.7 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
#20#20	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 89.4% Testes instáveis 1 Tokens de entrada 135,958 Tokens de saída 7,930 Tokens de raciocínio 32,141 Tempo de resposta (médio) 13.59s Tempo de resposta (total) 298.90s Tempo de resposta (máx.) 40.17s Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 8.4 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
#3🥉 #3	Gemini 3.7 Flashhigh	9.8	Google	$0.646 ↑	12.22s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.5% Testes instáveis 2 Tokens de entrada 86,712 Tokens de saída 6,017 Tokens de raciocínio 148,829 Tempo de resposta (médio) 12.22s Tempo de resposta (total) 268.78s Tempo de resposta (máx.) 91.63s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.5% Testes instáveis 2 Tokens de entrada 64,446 Tokens de saída 1,974 Tokens de raciocínio 98,902 Tempo de resposta (médio) 11.86s Tempo de resposta (total) 260.96s Tempo de resposta (máx.) 77.15s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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
#6#6	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 93.9% Testes instáveis 1 Tokens de entrada 87,870 Tokens de saída 5,486 Tokens de raciocínio 234,122 Tempo de resposta (médio) 19.86s Tempo de resposta (total) 436.88s Tempo de resposta (máx.) 117.26s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 8.6 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 : 10.0
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 93.9% Testes instáveis 1 Tokens de entrada 89,055 Tokens de saída 5,697 Tokens de raciocínio 58,880 Tempo de resposta (médio) 5.87s Tempo de resposta (total) 129.20s Tempo de resposta (máx.) 30.23s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 8.4 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 : 10.0
#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
#14#14	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.5% Testes instáveis 2 Tokens de entrada 90,322 Tokens de saída 6,294 Tokens de raciocínio 30,759 Tempo de resposta (médio) 3.85s Tempo de resposta (total) 84.80s Tempo de resposta (máx.) 19.44s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 7.6 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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
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 71,470 Tokens de saída 3,276 Tokens de raciocínio 168,709 Tempo de resposta (médio) 16.81s Tempo de resposta (total) 369.88s Tempo de resposta (máx.) 104.15s Resposta incorreta: 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
#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

←

1 12 13

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