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)
#307#307	Ling 2.6 1tnone	4.9	Inclusionai	$0.016 ↑	8.16s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 17.4% Testes instáveis 0 Tokens de entrada 106,423 Tokens de saída 11,555 Tokens de raciocínio 0 Tempo de resposta (médio) 8.16s Tempo de resposta (total) 163.24s Tempo de resposta (máx.) 25.72s Resposta incorreta: 12 Erro de API: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#306#306	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade N/D Taxa de acerto por tentativa 60.9% Testes instáveis 0 Tokens de entrada 28,848 Tokens de saída 1,490 Tokens de raciocínio 10,102 Tempo de resposta (médio) 9.05s Tempo de resposta (total) 90.53s Tempo de resposta (máx.) 26.24s Erro de API: 4 Resposta incorreta: 3 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 3.0 Combinado : 1.5 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
#305#305	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
#304#304	Qwen3 Coder Nextnone	4.9	Qwen	$0.067 ↑	19.73s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 1 Tokens de entrada 250,329 Tokens de saída 45,168 Tokens de raciocínio 0 Tempo de resposta (médio) 19.73s Tempo de resposta (total) 355.09s Tempo de resposta (máx.) 208.38s Resposta incorreta: 15 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.6 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#303#303	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 1 Tokens de entrada 94,733 Tokens de saída 8,770 Tokens de raciocínio 0 Tempo de resposta (médio) 1.45s Tempo de resposta (total) 33.24s Tempo de resposta (máx.) 12.35s Resposta incorreta: 15 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 3.1 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#302#302	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Ver cartão do modelo Total de testes 18 Testes errados 4 Confiabilidade N/D Taxa de acerto por tentativa 63.8% Testes instáveis 1 Tokens de entrada 35,955 Tokens de saída 1,647 Tokens de raciocínio 91,565 Tempo de resposta (médio) 9.75s Tempo de resposta (total) 175.48s Tempo de resposta (máx.) 31.36s Resposta incorreta: 3 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 8.7 Programação : 3.3 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 : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#301#301	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.9 Taxa de acerto por tentativa 42.0% Testes instáveis 6 Tokens de entrada 61,094 Tokens de saída 6,532 Tokens de raciocínio 53,882 Tempo de resposta (médio) 10.21s Tempo de resposta (total) 234.86s Tempo de resposta (máx.) 86.23s Resposta incorreta: 7 Formatação extra: 4 Erro de API: 3 Não seguiu as instruções: 2 Tarefas de agentes : 3.0 Truques anti-IA : 7.3 Programação : 3.5 Combinado : 6.4 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#300#300	GPT-4o-mininone	5.0	OpenAI	$0.024	4.16s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 21.7% Testes instáveis 0 Tokens de entrada 145,180 Tokens de saída 3,627 Tokens de raciocínio 0 Tempo de resposta (médio) 4.16s Tempo de resposta (total) 70.70s Tempo de resposta (máx.) 39.99s Resposta incorreta: 16 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.8 Programação : 3.2 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#299#299	Dots 3 Note Previewnone	5.0	Dots Studio	$0.000	5.36s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 15.9% Testes instáveis 1 Tokens de entrada 225,907 Tokens de saída 22,507 Tokens de raciocínio 0 Tempo de resposta (médio) 5.36s Tempo de resposta (total) 123.38s Tempo de resposta (máx.) 45.71s Resposta incorreta: 16 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.1 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#298#298	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 44.9% Testes instáveis 10 Tokens de entrada 277,130 Tokens de saída 45,188 Tokens de raciocínio 129,163 Tempo de resposta (médio) 50.32s Tempo de resposta (total) 1107.03s Tempo de resposta (máx.) 198.82s Resposta incorreta: 6 Não seguiu as instruções: 5 Chamada de ferramenta inválida: 2 Sem resposta: 2 Tempo esgotado: 2 Erro de API: 1 Tarefas de agentes : 4.7 Truques anti-IA : 7.9 Programação : 5.7 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#297#297	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 9.9 Taxa de acerto por tentativa 44.9% Testes instáveis 8 Tokens de entrada 235,438 Tokens de saída 8,136 Tokens de raciocínio 28,734 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 113.24s Tempo de resposta (máx.) 84.47s Resposta incorreta: 13 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 5.6 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 4.1 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#296#296	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 4 Tokens de entrada 230,291 Tokens de saída 99,030 Tokens de raciocínio 287,794 Tempo de resposta (médio) 63.06s Tempo de resposta (total) 1450.31s Tempo de resposta (máx.) 560.31s Resposta incorreta: 14 Chamada de ferramenta inválida: 2 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.4 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.2 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#295#295	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 31.9% Testes instáveis 4 Tokens de entrada 273,075 Tokens de saída 17,069 Tokens de raciocínio 0 Tempo de resposta (médio) 6.21s Tempo de resposta (total) 142.89s Tempo de resposta (máx.) 53.13s Resposta incorreta: 12 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#294#294	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 9.6 Taxa de acerto por tentativa 43.5% Testes instáveis 3 Tokens de entrada 51,369 Tokens de saída 8,008 Tokens de raciocínio 58,568 Tempo de resposta (médio) 8.32s Tempo de resposta (total) 191.40s Tempo de resposta (máx.) 48.19s Resposta incorreta: 10 Erro de API: 2 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#293#293	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 9.8 Taxa de acerto por tentativa 37.7% Testes instáveis 5 Tokens de entrada 326,083 Tokens de saída 7,224 Tokens de raciocínio 33,078 Tempo de resposta (médio) 3.34s Tempo de resposta (total) 76.80s Tempo de resposta (máx.) 47.06s Resposta incorreta: 14 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.4 Seguimento de instruções : 2.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#292#292	Mistral Small 4none	5.1	Mistral	$0.047	3.12s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 1 Tokens de entrada 265,602 Tokens de saída 10,913 Tokens de raciocínio 0 Tempo de resposta (médio) 3.12s Tempo de resposta (total) 71.87s Tempo de resposta (máx.) 45.46s Resposta incorreta: 17 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.4 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#291#291	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.7 Taxa de acerto por tentativa 42.0% Testes instáveis 8 Tokens de entrada 321,955 Tokens de saída 41,555 Tokens de raciocínio 94,946 Tempo de resposta (médio) 12.68s Tempo de resposta (total) 291.66s Tempo de resposta (máx.) 59.15s Resposta incorreta: 14 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 5.6 Programação : 4.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#290#290	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 40,111 Tokens de saída 12,476 Tokens de raciocínio 125,039 Tempo de resposta (médio) 20.11s Tempo de resposta (total) 301.59s Tempo de resposta (máx.) 96.01s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 8.1 Programação : 6.0 Combinado : 4.9 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#288#288	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.8 Taxa de acerto por tentativa 40.6% Testes instáveis 5 Tokens de entrada 50,423 Tokens de saída 4,144 Tokens de raciocínio 110,510 Tempo de resposta (médio) 15.23s Tempo de resposta (total) 350.26s Tempo de resposta (máx.) 118.35s Resposta incorreta: 9 Erro de API: 4 Formatação extra: 3 Tarefas de agentes : 3.0 Truques anti-IA : 6.9 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#289#289	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 40,961 Tokens de saída 2,518 Tokens de raciocínio 81,801 Tempo de resposta (médio) 22.16s Tempo de resposta (total) 443.22s Tempo de resposta (máx.) 136.29s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 2.3 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#287#287	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.117 ↕	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
#286#286	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 26.1% Testes instáveis 0 Tokens de entrada 123,993 Tokens de saída 12,777 Tokens de raciocínio 0 Tempo de resposta (médio) 3.40s Tempo de resposta (total) 74.77s Tempo de resposta (máx.) 17.51s Resposta incorreta: 13 Erro de API: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#285#285	Inkling Smalllow	5.2	Thinkingmachines	$0.055 ↓	1.99s
Ver cartão do modelo Total de testes 23 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 4 Tokens de entrada 81,447 Tokens de saída 2,715 Tokens de raciocínio 11,971 Tempo de resposta (médio) 1.99s Tempo de resposta (total) 45.67s Tempo de resposta (máx.) 5.82s Resposta incorreta: 9 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Erro de API: 1 Tarefas de agentes : 3.0 Truques anti-IA : 9.2 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#284#284	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 6 Tokens de entrada 272,479 Tokens de saída 63,781 Tokens de raciocínio 0 Tempo de resposta (médio) 8.43s Tempo de resposta (total) 176.93s Tempo de resposta (máx.) 65.61s Resposta incorreta: 13 Erro de API: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.2 Truques anti-IA : 3.6 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#283#283	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 3 Tokens de entrada 270,072 Tokens de saída 23,173 Tokens de raciocínio 0 Tempo de resposta (médio) 4.56s Tempo de resposta (total) 104.80s Tempo de resposta (máx.) 70.79s Resposta incorreta: 14 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 5.0 Truques anti-IA : 5.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 3.0 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