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)
#401#401	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.6 Taxa de acerto por tentativa 23.2% Testes instáveis 3 Tokens de entrada 103,898 Tokens de saída 148,304 Tokens de raciocínio 774,972 Tempo de resposta (médio) 64.99s Tempo de resposta (total) 1429.68s Tempo de resposta (máx.) 262.20s Sem resposta: 7 Resposta incorreta: 5 Não seguiu as instruções: 4 Erro de API: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 6.5 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.7 Específico do domínio : 3.0 Inteligência geral : 3.8 Seguimento de instruções : 6.8 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#291#291	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 3 Tokens de entrada 113,613 Tokens de saída 122,706 Tokens de raciocínio 42,325 Tempo de resposta (médio) 65.52s Tempo de resposta (total) 1376.01s Tempo de resposta (máx.) 304.19s 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 : 5.3 Combinado : 7.3 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#243#243	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	66.13s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 6 Tokens de entrada 260,850 Tokens de saída 125,908 Tokens de raciocínio 516,424 Tempo de resposta (médio) 66.13s Tempo de resposta (total) 1520.96s Tempo de resposta (máx.) 417.36s Resposta incorreta: 8 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#144#144	GLM 5.1medium	7.5	Z.ai	$1.546 ↑	66.38s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 9.2 Taxa de acerto por tentativa 66.7% Testes instáveis 4 Tokens de entrada 331,577 Tokens de saída 17,919 Tokens de raciocínio 230,789 Tempo de resposta (médio) 66.38s Tempo de resposta (total) 1460.31s Tempo de resposta (máx.) 308.75s Resposta incorreta: 5 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 4.6 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#181#181	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 79.7% 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 Tarefas de agentes : 0.0 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
#186#186	Qwen3.5-122B-A10Bmedium	7.0	Qwen	$1.152 ↓	66.96s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 5 Tokens de entrada 251,695 Tokens de saída 49,415 Tokens de raciocínio 472,775 Tempo de resposta (médio) 66.96s Tempo de resposta (total) 1539.99s Tempo de resposta (máx.) 519.30s Resposta incorreta: 5 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#383#383	Gemini 3.1 Flash Lite Previewhigh	4.3	Google	$2.310	68.14s
Ver cartão do modelo Total de testes 16 Testes errados 3 Confiabilidade N/D Taxa de acerto por tentativa 56.5% 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 Tarefas de agentes : 0.0 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
#124#124	Grok 4.5medium	7.8	X AI	$2.996 ↑	68.44s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 79.7% Testes instáveis 3 Tokens de entrada 308,369 Tokens de saída 7,013 Tokens de raciocínio 299,031 Tempo de resposta (médio) 68.44s Tempo de resposta (total) 1574.14s Tempo de resposta (máx.) 436.38s Resposta incorreta: 6 Tarefas de agentes : 5.0 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
#89#89	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 3 Tokens de entrada 288,913 Tokens de saída 79,462 Tokens de raciocínio 303,120 Tempo de resposta (médio) 69.11s Tempo de resposta (total) 1589.43s Tempo de resposta (máx.) 599.43s Resposta incorreta: 5 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.1 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#133#133	Muse Glimmer 30Bhigh	7.7	Meta	$0.506 ↓	69.87s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 8 Tokens de entrada 281,859 Tokens de saída 102,526 Tokens de raciocínio 286,217 Tempo de resposta (médio) 69.87s Tempo de resposta (total) 1607.12s Tempo de resposta (máx.) 451.90s Resposta incorreta: 7 Não seguiu as instruções: 3 Sem resposta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.3 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#255#255	DeepSeek V3.2medium	6.3	DeepSeek	$0.152 ↑	70.08s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 7 Tokens de entrada 306,662 Tokens de saída 17,819 Tokens de raciocínio 125,341 Tempo de resposta (médio) 70.08s Tempo de resposta (total) 1611.86s Tempo de resposta (máx.) 376.10s Resposta incorreta: 6 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#297#297	Dots 3 Note Previewmedium	5.7	Dots Studio	$0.000	70.32s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 9 Tokens de entrada 208,598 Tokens de saída 120,583 Tokens de raciocínio 590,044 Tempo de resposta (médio) 70.32s Tempo de resposta (total) 1617.43s Tempo de resposta (máx.) 459.19s Resposta incorreta: 10 Não seguiu as instruções: 2 Sem resposta: 2 Formatação extra: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.7 Programação : 4.2 Combinado : 9.9 Análise e extração de dados : 4.5 Específico do domínio : 3.6 Inteligência geral : 3.8 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#242#242	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	70.48s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 7 Tokens de entrada 255,887 Tokens de saída 154,879 Tokens de raciocínio 603,518 Tempo de resposta (médio) 70.48s Tempo de resposta (total) 1620.93s Tempo de resposta (máx.) 480.52s Resposta incorreta: 9 Sem resposta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.7 Programação : 5.8 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 3.4 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#399#399	Ling 3.0 Tinyhigh	3.7	Inclusionai	$0.000	72.24s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 3 Tokens de entrada 115,314 Tokens de saída 133,965 Tokens de raciocínio 816,718 Tempo de resposta (médio) 72.24s Tempo de resposta (total) 1589.23s Tempo de resposta (máx.) 345.15s Sem resposta: 7 Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 6.4 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.8 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 6.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#99#99	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 3 Tokens de entrada 342,124 Tokens de saída 7,135 Tokens de raciocínio 326,497 Tempo de resposta (médio) 72.50s Tempo de resposta (total) 1667.51s Tempo de resposta (máx.) 676.83s Resposta incorreta: 3 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 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
#219#219	Step 3.7 Flashhigh	6.6	Stepfun	$1.478 ↑	72.72s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 4 Tokens de entrada 421,200 Tokens de saída 1,100,052 Tokens de raciocínio 0 Tempo de resposta (médio) 72.72s Tempo de resposta (total) 1672.53s Tempo de resposta (máx.) 364.99s Resposta incorreta: 8 Sem resposta: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.4 Truques anti-IA : 10.0 Programação : 4.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#103#103	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 8.9 Taxa de acerto por tentativa 78.3% Testes instáveis 6 Tokens de entrada 237,604 Tokens de saída 9,617 Tokens de raciocínio 244,190 Tempo de resposta (médio) 73.02s Tempo de resposta (total) 1679.49s Tempo de resposta (máx.) 485.92s Resposta incorreta: 7 Erro de API: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 7.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 42.0% Testes instáveis 8 Tokens de entrada 283,116 Tokens de saída 277,920 Tokens de raciocínio 665,124 Tempo de resposta (médio) 74.52s Tempo de resposta (total) 1713.90s Tempo de resposta (máx.) 510.21s Resposta incorreta: 10 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.7 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 4.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#127#127	Grok 4.6medium	7.8	X AI	$2.270	74.77s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 78.3% Testes instáveis 4 Tokens de entrada 336,351 Tokens de saída 6,180 Tokens de raciocínio 260,017 Tempo de resposta (médio) 74.77s Tempo de resposta (total) 1719.73s Tempo de resposta (máx.) 514.35s Resposta incorreta: 6 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 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
#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
#330#330	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.6 Taxa de acerto por tentativa 47.8% Testes instáveis 12 Tokens de entrada 170,517 Tokens de saída 149,968 Tokens de raciocínio 509,725 Tempo de resposta (médio) 77.08s Tempo de resposta (total) 1772.78s Tempo de resposta (máx.) 490.99s Resposta incorreta: 11 Não seguiu as instruções: 4 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 3.5 Truques anti-IA : 5.5 Programação : 4.4 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.7 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#61#61	Muse Spark Openmedium	8.8	Meta	$1.260	77.44s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.8 Taxa de acerto por tentativa 78.3% Testes instáveis 5 Tokens de entrada 256,646 Tokens de saída 10,490 Tokens de raciocínio 210,325 Tempo de resposta (médio) 77.44s Tempo de resposta (total) 1781.16s Tempo de resposta (máx.) 643.19s Resposta incorreta: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.9 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#417#417	Command A+none	3.0	Cohere	$0.000	77.87s
Ver cartão do modelo Total de testes 23 Testes errados 23 Confiabilidade 0.0 Taxa de acerto por tentativa 0.0% Testes instáveis 0 Tokens de entrada 0 Tokens de saída 0 Tokens de raciocínio 0 Tempo de resposta (médio) 77.87s Tempo de resposta (total) 1791.03s Tempo de resposta (máx.) 106.37s Erro de API: 23 Tarefas de agentes : 3.0 Truques anti-IA : 3.0 Programação : 3.0 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#192#192	Gemma 4 31Bmedium	6.9	Google	$0.144 ↓	78.76s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 251,164 Tokens de saída 36,112 Tokens de raciocínio 241,203 Tempo de resposta (médio) 78.76s Tempo de resposta (total) 1653.96s Tempo de resposta (máx.) 437.40s Resposta incorreta: 4 Erro de API: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 4.3 Combinado : 2.9 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 : 9.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#183#183	Kimi K2.7 Codemedium	7.0	Moonshot AI	$1.136 ↑	81.18s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 5 Tokens de entrada 245,179 Tokens de saída 62,697 Tokens de raciocínio 196,621 Tempo de resposta (médio) 81.18s Tempo de resposta (total) 1785.87s Tempo de resposta (máx.) 365.80s Resposta incorreta: 8 Tempo esgotado: 2 Erro de API: 1 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 7.3 Programação : 7.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.7 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 3.0 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 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