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)
#359#359	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.195 ↕	81.93s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.8 Taxa de acerto por tentativa 47.8% Testes instáveis 12 Tokens de entrada 195,780 Tokens de saída 167,746 Tokens de raciocínio 598,384 Tempo de resposta (médio) 81.93s Tempo de resposta (total) 1884.31s Tempo de resposta (máx.) 437.11s Resposta incorreta: 13 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 2.8 Truques anti-IA : 6.9 Programação : 4.4 Combinado : 6.2 Análise e extração de dados : 3.7 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 4.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#369#369	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.5 Taxa de acerto por tentativa 40.6% Testes instáveis 9 Tokens de entrada 207,883 Tokens de saída 144,718 Tokens de raciocínio 525,897 Tempo de resposta (médio) 83.19s Tempo de resposta (total) 1913.41s Tempo de resposta (máx.) 597.61s Resposta incorreta: 14 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 3.5 Truques anti-IA : 6.9 Programação : 4.0 Combinado : 6.3 Análise e extração de dados : 2.9 Específico do domínio : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#197#197	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 349,177 Tokens de saída 54,279 Tokens de raciocínio 477,389 Tempo de resposta (médio) 83.68s Tempo de resposta (total) 1840.92s Tempo de resposta (máx.) 515.38s Resposta incorreta: 5 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 3.7 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#267#267	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 49.3% Testes instáveis 7 Tokens de entrada 319,352 Tokens de saída 158,447 Tokens de raciocínio 875,524 Tempo de resposta (médio) 84.01s Tempo de resposta (total) 1932.24s Tempo de resposta (máx.) 525.14s Resposta incorreta: 9 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Tarefas de agentes : 6.1 Truques anti-IA : 6.8 Programação : 7.5 Combinado : 2.9 Análise e extração de dados : 6.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 4.4 Resolução de quebra-cabeças : 5.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#34#34	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Ver cartão do modelo Total de testes 23 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 2 Tokens de entrada 484,627 Tokens de saída 11,026 Tokens de raciocínio 747,681 Tempo de resposta (médio) 84.26s Tempo de resposta (total) 1937.91s Tempo de resposta (máx.) 488.39s Sem resposta: 3 Não seguiu as instruções: 2 Tarefas de agentes : 10.0 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 : 5.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#380#380	Granite 4.2 8Bnone	4.4	IBM Granite	$0.037	84.66s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 9.1 Taxa de acerto por tentativa 15.9% Testes instáveis 2 Tokens de entrada 226,872 Tokens de saída 133,268 Tokens de raciocínio 0 Tempo de resposta (médio) 84.66s Tempo de resposta (total) 1947.17s Tempo de resposta (máx.) 747.17s Resposta incorreta: 11 Formatação extra: 4 Tempo esgotado: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.9 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 2.9 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 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
#252#252	Ling 3.1 Flashlow	6.3	Inclusionai	$0.000	85.22s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 271,890 Tokens de saída 190,841 Tokens de raciocínio 513,329 Tempo de resposta (médio) 85.22s Tempo de resposta (total) 1960.12s Tempo de resposta (máx.) 432.81s Sem resposta: 4 Não seguiu as instruções: 3 Resposta incorreta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 5.6 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.9 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#123#123	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.8 Taxa de acerto por tentativa 69.6% Testes instáveis 2 Tokens de entrada 324,691 Tokens de saída 181,251 Tokens de raciocínio 506,441 Tempo de resposta (médio) 87.39s Tempo de resposta (total) 2010.08s Tempo de resposta (máx.) 665.85s Sem resposta: 4 Resposta incorreta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#76#76	Grok 4.6high	8.5	X AI	$2.629	87.48s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 0 Tokens de entrada 376,233 Tokens de saída 6,687 Tokens de raciocínio 305,927 Tempo de resposta (médio) 87.48s Tempo de resposta (total) 2012.15s Tempo de resposta (máx.) 618.49s Resposta incorreta: 3 Sem resposta: 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 : 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
#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
#368#368	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 6 Tokens de entrada 232,641 Tokens de saída 69,335 Tokens de raciocínio 426,182 Tempo de resposta (médio) 88.24s Tempo de resposta (total) 2029.57s Tempo de resposta (máx.) 814.73s Resposta incorreta: 16 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 2.8 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 71.0% Testes instáveis 3 Tokens de entrada 369,495 Tokens de saída 172,852 Tokens de raciocínio 476,002 Tempo de resposta (médio) 88.74s Tempo de resposta (total) 2041.10s Tempo de resposta (máx.) 567.88s Sem resposta: 4 Resposta incorreta: 3 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#414#414	Command A+high	3.2	Cohere	$0.079	89.96s
Ver cartão do modelo Total de testes 23 Testes errados 23 Confiabilidade 3.5 Taxa de acerto por tentativa 0.0% Testes instáveis 0 Tokens de entrada 117,966 Tokens de saída 5,149 Tokens de raciocínio 23,514 Tempo de resposta (médio) 89.96s Tempo de resposta (total) 2069.01s Tempo de resposta (máx.) 156.00s Erro de API: 22 Resposta incorreta: 1 Tarefas de agentes : 3.9 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
#104#104	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 287,061 Tokens de saída 32,056 Tokens de raciocínio 196,607 Tempo de resposta (médio) 91.29s Tempo de resposta (total) 2099.56s Tempo de resposta (máx.) 416.76s Resposta incorreta: 9 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 5.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#145#145	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.4 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 313,368 Tokens de saída 12,289 Tokens de raciocínio 259,270 Tempo de resposta (médio) 91.67s Tempo de resposta (total) 1833.43s Tempo de resposta (máx.) 301.78s Resposta incorreta: 5 Tempo esgotado: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.6 Programação : 5.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#408#408	Command A+medium	3.4	Cohere	$0.064	91.72s
Ver cartão do modelo Total de testes 23 Testes errados 23 Confiabilidade 3.5 Taxa de acerto por tentativa 0.0% Testes instáveis 0 Tokens de entrada 118,771 Tokens de saída 4,127 Tokens de raciocínio 14,668 Tempo de resposta (médio) 91.72s Tempo de resposta (total) 2109.54s Tempo de resposta (máx.) 112.76s Erro de API: 22 Resposta incorreta: 1 Tarefas de agentes : 5.0 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
#44#44	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.6 Taxa de acerto por tentativa 81.2% Testes instáveis 5 Tokens de entrada 271,242 Tokens de saída 11,803 Tokens de raciocínio 397,838 Tempo de resposta (médio) 92.38s Tempo de resposta (total) 2124.67s Tempo de resposta (máx.) 482.30s Erro de API: 2 Resposta incorreta: 2 Formatação extra: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 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 : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#418#418	Command A+low	3.0	Cohere	$0.073	92.50s
Ver cartão do modelo Total de testes 23 Testes errados 23 Confiabilidade 3.5 Taxa de acerto por tentativa 1.5% Testes instáveis 1 Tokens de entrada 114,874 Tokens de saída 1,992 Tokens de raciocínio 23,529 Tempo de resposta (médio) 92.50s Tempo de resposta (total) 2127.40s Tempo de resposta (máx.) 128.54s Erro de API: 22 Resposta incorreta: 1 Tarefas de agentes : 2.8 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
#130#130	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.460 ↑	94.16s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 72.5% Testes instáveis 8 Tokens de entrada 274,189 Tokens de saída 66,689 Tokens de raciocínio 510,525 Tempo de resposta (médio) 94.16s Tempo de resposta (total) 2165.72s Tempo de resposta (máx.) 303.26s Resposta incorreta: 5 Sem resposta: 3 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.2 Programação : 6.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#256#256	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 6 Tokens de entrada 347,980 Tokens de saída 121,898 Tokens de raciocínio 720,302 Tempo de resposta (médio) 95.16s Tempo de resposta (total) 2188.74s Tempo de resposta (máx.) 540.96s Resposta incorreta: 7 Não seguiu as instruções: 3 Erro de API: 2 Chamada de ferramenta inválida: 2 Sem resposta: 1 Tarefas de agentes : 7.4 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 5.2 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 4.4 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#209#209	Ember-1max	6.7	Fireworks	$3.264	97.34s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 8.3 Taxa de acerto por tentativa 59.4% Testes instáveis 6 Tokens de entrada 153,399 Tokens de saída 7,803 Tokens de raciocínio 179,098 Tempo de resposta (médio) 97.34s Tempo de resposta (total) 2238.73s Tempo de resposta (máx.) 587.08s Erro de API: 8 Resposta incorreta: 3 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 5.2 Combinado : 6.5 Análise e extração de dados : 6.4 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#166#166	Qwen3.5 Plus 2026-02-15medium	7.2	Qwen	$0.567	97.68s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 72.5% Testes instáveis 6 Tokens de entrada 249,486 Tokens de saída 14,481 Tokens de raciocínio 288,249 Tempo de resposta (médio) 97.68s Tempo de resposta (total) 1562.81s Tempo de resposta (máx.) 304.85s Resposta incorreta: 6 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.2 Programação : 6.6 Combinado : 6.9 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#84#84	Muse Glimmer 30Bxhigh	8.4	Meta	$0.585 ↓	97.70s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 71.0% Testes instáveis 4 Tokens de entrada 287,538 Tokens de saída 118,266 Tokens de raciocínio 346,758 Tempo de resposta (médio) 97.70s Tempo de resposta (total) 2247.18s Tempo de resposta (máx.) 576.79s Resposta incorreta: 4 Sem resposta: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#151#151	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 8.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 244,499 Tokens de saída 8,744 Tokens de raciocínio 375,349 Tempo de resposta (médio) 100.65s Tempo de resposta (total) 2314.88s Tempo de resposta (máx.) 626.58s Resposta incorreta: 6 Erro de API: 4 Formatação extra: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.9 Programação : 8.9 Combinado : 4.7 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 4.7 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