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: 2026-10-01 Modelos avaliados: 382

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

382/382

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#357#357	Grok 4.20 Betanone	3.6	X AI	$0.087 ↓	1.19s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 29.0% Testes instáveis 1 Tokens de entrada 40,597 Tokens de saída 1,657 Tokens de raciocínio 0 Tempo de resposta (médio) 1.19s Tempo de resposta (total) 21.43s Tempo de resposta (máx.) 6.48s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 1.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#356#356	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
#355#355	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.6 Taxa de acerto por tentativa 18.8% Testes instáveis 1 Tokens de entrada 99,662 Tokens de saída 146,555 Tokens de raciocínio 732,977 Tempo de resposta (médio) 63.15s Tempo de resposta (total) 1389.35s Tempo de resposta (máx.) 252.08s 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 : 2.8 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 6.6 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#354#354	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
#353#353	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.007 ↕	15.92s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 9.8 Taxa de acerto por tentativa 15.9% Testes instáveis 2 Tokens de entrada 97,418 Tokens de saída 4,779 Tokens de raciocínio 0 Tempo de resposta (médio) 15.92s Tempo de resposta (total) 366.20s Tempo de resposta (máx.) 339.57s Resposta incorreta: 16 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 3.0 Truques anti-IA : 4.8 Programação : 3.1 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#352#352	Granite 4.1 8bnone	3.8	IBM Granite	$0.007	1.38s
Ver cartão do modelo Total de testes 23 Testes errados 21 Confiabilidade 10.0 Taxa de acerto por tentativa 8.7% Testes instáveis 0 Tokens de entrada 113,836 Tokens de saída 5,996 Tokens de raciocínio 0 Tempo de resposta (médio) 1.38s Tempo de resposta (total) 31.81s Tempo de resposta (máx.) 16.67s Resposta incorreta: 13 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Erro de API: 1 Formatação extra: 1 Tarefas de agentes : 3.0 Truques anti-IA : 4.9 Programação : 4.5 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 3.6 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#351#351	Ling 3.0 Tinynone	3.8	Inclusionai	$0.000	13.39s
Ver cartão do modelo Total de testes 23 Testes errados 21 Confiabilidade 9.8 Taxa de acerto por tentativa 8.7% Testes instáveis 0 Tokens de entrada 184,579 Tokens de saída 110,071 Tokens de raciocínio 0 Tempo de resposta (médio) 13.39s Tempo de resposta (total) 294.48s Tempo de resposta (máx.) 240.61s Resposta incorreta: 13 Não seguiu as instruções: 4 Erro de API: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 4.8 Programação : 4.2 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.4 Seguimento de instruções : 3.1 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#350#350	Laguna M.1medium	3.9	Poolside	$0.033 ↕	14.73s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 43.5% Testes instáveis 2 Tokens de entrada 44,969 Tokens de saída 58,087 Tokens de raciocínio 0 Tempo de resposta (médio) 14.73s Tempo de resposta (total) 220.93s Tempo de resposta (máx.) 53.14s Erro de API: 4 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 0.0 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#349#349	Grok 4.1 Fastmedium	3.9	X AI	$0.069 ↑	23.85s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 50.7% Testes instáveis 6 Tokens de entrada 42,845 Tokens de saída 2,006 Tokens de raciocínio 96,334 Tempo de resposta (médio) 23.85s Tempo de resposta (total) 286.16s Tempo de resposta (máx.) 121.79s Não seguiu as instruções: 4 Resposta incorreta: 4 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 8.7 Programação : 0.8 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#348#348	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Ver cartão do modelo Total de testes 18 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 50.7% Testes instáveis 6 Tokens de entrada 28,927 Tokens de saída 4,682 Tokens de raciocínio 17,969 Tempo de resposta (médio) 10.33s Tempo de resposta (total) 175.58s Tempo de resposta (máx.) 30.53s Resposta incorreta: 4 Não seguiu as instruções: 2 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 Tarefas de agentes : 0.0 Truques anti-IA : 7.3 Programação : 1.0 Combinado : 2.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 7.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#347#347	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Ver cartão do modelo Total de testes 18 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 46.4% Testes instáveis 5 Tokens de entrada 721,952 Tokens de saída 294,668 Tokens de raciocínio 305,374 Tempo de resposta (médio) 9.69s Tempo de resposta (total) 155.07s Tempo de resposta (máx.) 35.28s Resposta incorreta: 4 Erro de API: 2 Formatação extra: 2 Não seguiu as instruções: 2 Tarefas de agentes : 0.0 Truques anti-IA : 6.9 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#346#346	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
#345#345	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 39.1% Testes instáveis 0 Tokens de entrada 32,639 Tokens de saída 1,153 Tokens de raciocínio 62,197 Tempo de resposta (médio) 15.25s Tempo de resposta (total) 182.96s Tempo de resposta (máx.) 43.55s Erro de API: 8 Resposta incorreta: 2 Tarefas de agentes : 0.0 Truques anti-IA : 8.3 Programação : 1.0 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#344#344	Mercury 2.5none	4.1	Inception	$0.026	5.10s
Ver cartão do modelo Total de testes 23 Testes errados 21 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 7 Tokens de entrada 311,488 Tokens de saída 89,958 Tokens de raciocínio 0 Tempo de resposta (médio) 5.10s Tempo de resposta (total) 117.24s Tempo de resposta (máx.) 63.41s Resposta incorreta: 15 Não seguiu as instruções: 4 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.8 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 2.8 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 4.9 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#343#343	GLM 5 Turbonone	4.2	Z.ai	$0.047 ↑	2.82s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 2 Tokens de entrada 32,525 Tokens de saída 1,815 Tokens de raciocínio 0 Tempo de resposta (médio) 2.82s Tempo de resposta (total) 59.29s Tempo de resposta (máx.) 8.21s Resposta incorreta: 13 Não seguiu as instruções: 2 Tarefas de agentes : 0.0 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#342#342	gpt-oss-120bnone	4.2	OpenAI	$0.016 ↓	28.63s
Ver cartão do modelo Total de testes 20 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 34.8% Testes instáveis 3 Tokens de entrada 131,652 Tokens de saída 62,213 Tokens de raciocínio 0 Tempo de resposta (médio) 28.63s Tempo de resposta (total) 486.69s Tempo de resposta (máx.) 140.90s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 2 Tarefas de agentes : 6.1 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#341#341	GLM 4.7 Flashmedium	4.2	Z.ai	$0.193	150.90s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.4 Taxa de acerto por tentativa 30.4% Testes instáveis 8 Tokens de entrada 228,711 Tokens de saída 42,254 Tokens de raciocínio 422,121 Tempo de resposta (médio) 150.90s Tempo de resposta (total) 2414.33s Tempo de resposta (máx.) 1539.97s Resposta incorreta: 10 Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 Tarefas de agentes : 3.9 Truques anti-IA : 4.7 Programação : 3.2 Combinado : 2.9 Análise e extração de dados : 6.3 Específico do domínio : 3.5 Inteligência geral : 3.6 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#340#340	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
#339#339	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
#338#338	Mercury 2none	4.4	Inception	$0.033	1.18s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 2 Tokens de entrada 100,634 Tokens de saída 9,709 Tokens de raciocínio 0 Tempo de resposta (médio) 1.18s Tempo de resposta (total) 27.14s Tempo de resposta (máx.) 9.00s Resposta incorreta: 17 Não seguiu as instruções: 2 Tarefas de agentes : 3.0 Truques anti-IA : 3.0 Programação : 3.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#337#337	Cobuddymedium	4.4	Baidu	$0.000	38.01s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 43.5% Testes instáveis 6 Tokens de entrada 37,449 Tokens de saída 1,677 Tokens de raciocínio 116,703 Tempo de resposta (médio) 38.01s Tempo de resposta (total) 798.15s Tempo de resposta (máx.) 309.02s Resposta incorreta: 9 Não seguiu as instruções: 3 Erro de API: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 4.2 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#336#336	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
#335#335	Trinity Large Previewnone	4.4	Arcee AI	$0.008 ↑	2.83s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 20.3% Testes instáveis 2 Tokens de entrada 29,828 Tokens de saída 2,169 Tokens de raciocínio 0 Tempo de resposta (médio) 2.83s Tempo de resposta (total) 56.65s Tempo de resposta (máx.) 14.34s Resposta incorreta: 12 Erro de API: 3 Não seguiu as instruções: 3 Tarefas de agentes : 3.0 Truques anti-IA : 3.1 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 3.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#334#334	KAT Coder AIR V2.5none	4.4	Kwaipilot	$0.070	11.96s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 34.8% Testes instáveis 7 Tokens de entrada 69,376 Tokens de saída 97,752 Tokens de raciocínio 0 Tempo de resposta (médio) 11.96s Tempo de resposta (total) 275.18s Tempo de resposta (máx.) 121.05s Resposta incorreta: 13 Formatação extra: 3 Erro de API: 2 Tarefas de agentes : 3.0 Truques anti-IA : 5.3 Programação : 3.3 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#333#333	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.5 Taxa de acerto por tentativa 27.5% Testes instáveis 3 Tokens de entrada 146,361 Tokens de saída 9,074 Tokens de raciocínio 0 Tempo de resposta (médio) 7.11s Tempo de resposta (total) 163.46s Tempo de resposta (máx.) 30.51s Resposta incorreta: 16 Não seguiu as instruções: 2 Tarefas de agentes : 2.8 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.5 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