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)
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.3 Taxa de acerto por tentativa 42.0% Testes instáveis 9 Tokens de entrada 188,239 Tokens de saída 27,822 Tokens de raciocínio 262,674 Tempo de resposta (médio) 102.32s Tempo de resposta (total) 1637.05s Tempo de resposta (máx.) 600.81s Resposta incorreta: 7 Tempo esgotado: 5 Não seguiu as instruções: 3 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 7.9 Programação : 3.4 Combinado : 3.7 Análise e extração de dados : 4.6 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 7.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#176#176	Qwen3.8 Flash Nextxhigh	7.1	Qwen	~$0.195	102.66s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 72.5% Testes instáveis 6 Tokens de entrada 301,749 Tokens de saída 1,033 Tokens de raciocínio 620,023 Tempo de resposta (médio) 102.66s Tempo de resposta (total) 2361.10s Tempo de resposta (máx.) 674.08s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 7.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 1 Tokens de entrada 224,367 Tokens de saída 27,095 Tokens de raciocínio 242,256 Tempo de resposta (médio) 105.03s Tempo de resposta (total) 2310.63s Tempo de resposta (máx.) 912.19s Sem resposta: 2 Tempo esgotado: 2 Resposta incorreta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 2.9 Combinado : 6.3 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
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
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 264,147 Tokens de saída 34,419 Tokens de raciocínio 253,480 Tempo de resposta (médio) 107.79s Tempo de resposta (total) 2479.26s Tempo de resposta (máx.) 1085.11s Resposta incorreta: 5 Sem resposta: 3 Chamada de ferramenta inválida: 2 Formatação extra: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 7.7 Combinado : 6.7 Análise e extração de dados : 3.5 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#390#390	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 8.7 Taxa de acerto por tentativa 26.1% Testes instáveis 6 Tokens de entrada 387,323 Tokens de saída 48,562 Tokens de raciocínio 410,431 Tempo de resposta (médio) 110.18s Tempo de resposta (total) 1873.00s Tempo de resposta (máx.) 569.97s Tempo esgotado: 11 Sem resposta: 3 Resposta incorreta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.2 Truques anti-IA : 5.1 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 2.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#245#245	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	111.54s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 378,048 Tokens de saída 56,477 Tokens de raciocínio 865,151 Tempo de resposta (médio) 111.54s Tempo de resposta (total) 2565.38s Tempo de resposta (máx.) 950.25s Sem resposta: 3 Tempo esgotado: 3 Resposta incorreta: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 7.4 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 3.8 Análise e extração de dados : 7.3 Específico do domínio : 3.5 Inteligência geral : 2.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#349#349	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 27.5% Testes instáveis 6 Tokens de entrada 344,806 Tokens de saída 177,330 Tokens de raciocínio 453,213 Tempo de resposta (médio) 113.63s Tempo de resposta (total) 2613.48s Tempo de resposta (máx.) 1190.11s Resposta incorreta: 12 Chamada de ferramenta inválida: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tarefas de agentes : 2.8 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.6 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#114#114	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 6 Tokens de entrada 288,919 Tokens de saída 17,484 Tokens de raciocínio 617,804 Tempo de resposta (médio) 114.73s Tempo de resposta (total) 2638.74s Tempo de resposta (máx.) 1026.43s Resposta incorreta: 4 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#217#217	LongCat 2.0low	6.6	Meituan	$0.630 ↑	115.00s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.9 Taxa de acerto por tentativa 55.1% Testes instáveis 5 Tokens de entrada 262,387 Tokens de saída 7,344 Tokens de raciocínio 338,881 Tempo de resposta (médio) 115.00s Tempo de resposta (total) 2645.11s Tempo de resposta (máx.) 560.39s Resposta incorreta: 8 Erro de API: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
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 326,066 Tokens de saída 5,726 Tokens de raciocínio 469,019 Tempo de resposta (médio) 117.65s Tempo de resposta (total) 2706.03s Tempo de resposta (máx.) 660.89s Resposta incorreta: 5 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.9 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.4 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#88#88	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 5 Tokens de entrada 281,863 Tokens de saída 24,535 Tokens de raciocínio 507,976 Tempo de resposta (médio) 118.83s Tempo de resposta (total) 2733.01s Tempo de resposta (máx.) 600.61s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.6 Taxa de acerto por tentativa 73.9% Testes instáveis 2 Tokens de entrada 313,881 Tokens de saída 123,706 Tokens de raciocínio 388,328 Tempo de resposta (médio) 120.40s Tempo de resposta (total) 2769.16s Tempo de resposta (máx.) 534.21s Resposta incorreta: 5 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 8.2 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 75.4% Testes instáveis 4 Tokens de entrada 295,642 Tokens de saída 115,041 Tokens de raciocínio 353,398 Tempo de resposta (médio) 120.88s Tempo de resposta (total) 2780.16s Tempo de resposta (máx.) 532.28s Resposta incorreta: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#196#196	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 4 Tokens de entrada 226,880 Tokens de saída 65,346 Tokens de raciocínio 331,325 Tempo de resposta (médio) 121.25s Tempo de resposta (total) 2667.55s Tempo de resposta (máx.) 876.20s Resposta incorreta: 4 Tempo esgotado: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 7.0 Programação : 5.7 Combinado : 6.9 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 : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#207#207	Grok 4.7high	6.7	X AI	$3.037	122.19s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 9.6 Taxa de acerto por tentativa 72.5% Testes instáveis 7 Tokens de entrada 329,276 Tokens de saída 8,172 Tokens de raciocínio 479,012 Tempo de resposta (médio) 122.19s Tempo de resposta (total) 2810.40s Tempo de resposta (máx.) 573.57s Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Resposta incorreta: 2 Erro de API: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 6.0 Combinado : 8.6 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 73.9% Testes instáveis 6 Tokens de entrada 310,049 Tokens de saída 6,094 Tokens de raciocínio 566,221 Tempo de resposta (médio) 123.96s Tempo de resposta (total) 2851.07s Tempo de resposta (máx.) 775.64s Sem resposta: 4 Resposta incorreta: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 5.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#147#147	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.0 Taxa de acerto por tentativa 65.2% Testes instáveis 5 Tokens de entrada 297,321 Tokens de saída 8,997 Tokens de raciocínio 423,853 Tempo de resposta (médio) 124.87s Tempo de resposta (total) 2871.96s Tempo de resposta (máx.) 675.30s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 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
#237#237	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.6 Taxa de acerto por tentativa 60.9% Testes instáveis 8 Tokens de entrada 292,271 Tokens de saída 55,025 Tokens de raciocínio 186,071 Tempo de resposta (médio) 125.76s Tempo de resposta (total) 2137.84s Tempo de resposta (máx.) 566.79s Resposta incorreta: 5 Tempo esgotado: 3 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.9 Truques anti-IA : 7.3 Programação : 6.1 Combinado : 6.7 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 : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#250#250	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 6 Tokens de entrada 209,002 Tokens de saída 24,675 Tokens de raciocínio 377,528 Tempo de resposta (médio) 128.91s Tempo de resposta (total) 2965.04s Tempo de resposta (máx.) 491.07s Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 2.8 Truques anti-IA : 8.7 Programação : 5.7 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#235#235	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 60.9% Testes instáveis 5 Tokens de entrada 299,558 Tokens de saída 33,248 Tokens de raciocínio 374,819 Tempo de resposta (médio) 133.93s Tempo de resposta (total) 3080.36s Tempo de resposta (máx.) 519.91s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#271#271	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.6 Taxa de acerto por tentativa 53.6% Testes instáveis 5 Tokens de entrada 261,842 Tokens de saída 1,434,621 Tokens de raciocínio 0 Tempo de resposta (médio) 136.10s Tempo de resposta (total) 3130.27s Tempo de resposta (máx.) 438.09s Sem resposta: 6 Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 6.4 Programação : 2.8 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 : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#302#302	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.7 Taxa de acerto por tentativa 58.0% Testes instáveis 7 Tokens de entrada 261,256 Tokens de saída 1,425,268 Tokens de raciocínio 0 Tempo de resposta (médio) 138.27s Tempo de resposta (total) 3180.10s Tempo de resposta (máx.) 436.56s Sem resposta: 7 Erro de API: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.4 Truques anti-IA : 6.9 Programação : 2.7 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#93#93	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 9.3 Taxa de acerto por tentativa 78.3% Testes instáveis 2 Tokens de entrada 170,700 Tokens de saída 7,719 Tokens de raciocínio 225,608 Tempo de resposta (médio) 139.41s Tempo de resposta (total) 2788.26s Tempo de resposta (máx.) 766.58s Erro de API: 2 Sem resposta: 2 Formatação extra: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#316#316	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 8.9 Taxa de acerto por tentativa 42.0% Testes instáveis 4 Tokens de entrada 166,347 Tokens de saída 423,884 Tokens de raciocínio 1,394,387 Tempo de resposta (médio) 140.39s Tempo de resposta (total) 3229.07s Tempo de resposta (máx.) 786.72s Resposta incorreta: 10 Formatação extra: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 3.9 Truques anti-IA : 8.4 Programação : 4.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#202#202	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 58.0% Testes instáveis 2 Tokens de entrada 150,033 Tokens de saída 22,347 Tokens de raciocínio 402,143 Tempo de resposta (médio) 142.76s Tempo de resposta (total) 3283.43s Tempo de resposta (máx.) 491.42s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 2 Formatação extra: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.3 Programação : 5.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 8.9 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 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