AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-05-10 Modelos avaliados: 144

144/144

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#24#24	Grok 4.3medium	8.0	X AI	$0.550	48.41s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 77.2% Testes instáveis 3 Tokens de saída 1,237 Tokens de raciocínio 200,033 Tempo de resposta (médio) 48.41s Tempo de resposta (total) 919.73s Tempo de resposta (máx.) 216.69s Resposta incorreta: 4 Não seguiu as instruções: 2 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 : 5.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#23#23	Gemini 3.1 Flash Lite Previewmedium	8.0	Google	$0.058	3.68s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 68.4% Testes instáveis 0 Tokens de saída 2,180 Tokens de raciocínio 30,831 Tempo de resposta (médio) 3.68s Tempo de resposta (total) 69.99s Tempo de resposta (máx.) 14.93s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 9.1 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#22#22	Hy3 previewhigh	8.0	Tencent	$0.000	56.77s
Ver cartão do modelo Total de testes 19 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 77.1% Testes instáveis 1 Tokens de saída 216,503 Tokens de raciocínio 0 Tempo de resposta (médio) 56.77s Tempo de resposta (total) 851.49s Tempo de resposta (máx.) 149.94s Resposta incorreta: 3 Erro de API: 1 Truques anti-IA : 8.9 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#21#21	Qwen3.6 35B A3Bmedium	8.0	Qwen	$0.116	13.22s
Ver cartão do modelo Total de testes 19 Testes errados 5 Confiabilidade 9.8 Taxa de acerto por tentativa 74.5% Testes instáveis 2 Tokens de saída 15,018 Tokens de raciocínio 108,331 Tempo de resposta (médio) 13.22s Tempo de resposta (total) 224.66s Tempo de resposta (máx.) 45.02s Resposta incorreta: 4 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 0.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 0.0 Conhecimentos gerais : 3.0
#20#20	GLM 5 Turbomedium	8.1	Z.ai	$0.187	18.85s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 6.7 Taxa de acerto por tentativa 77.2% Testes instáveis 4 Tokens de saída 12,217 Tokens de raciocínio 40,252 Tempo de resposta (médio) 18.85s Tempo de resposta (total) 358.15s Tempo de resposta (máx.) 194.23s Resposta incorreta: 4 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#19#19	GLM 5medium	8.1	Z.ai	$0.180	27.34s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.7% Testes instáveis 4 Tokens de saída 20,564 Tokens de raciocínio 70,787 Tempo de resposta (médio) 27.34s Tempo de resposta (total) 300.78s Tempo de resposta (máx.) 79.09s Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 7.1 Específico do domínio : 3.5 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#18#18	MiMo-V2.5-Promedium	8.1	Xiaomi	$0.200	16.23s
Ver cartão do modelo Total de testes 18 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 74.1% Testes instáveis 2 Tokens de saída 2,790 Tokens de raciocínio 52,001 Tempo de resposta (médio) 16.23s Tempo de resposta (total) 292.10s Tempo de resposta (máx.) 84.22s Formatação extra: 2 Não seguiu as instruções: 2 Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0
#17#17	Qwen3.5-27Bmedium	8.1	Qwen	$0.534	54.71s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 77.2% Testes instáveis 3 Tokens de saída 2,531 Tokens de raciocínio 266,183 Tempo de resposta (médio) 54.71s Tempo de resposta (total) 1039.57s Tempo de resposta (máx.) 163.96s Não seguiu as instruções: 2 Resposta incorreta: 2 Formatação extra: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#16#16	Grok 4.20 Betamedium	8.2	X AI	$0.633	9.81s
Ver cartão do modelo Total de testes 18 Testes errados 5 Confiabilidade N/D Taxa de acerto por tentativa 79.6% Testes instáveis 2 Tokens de saída 1,568 Tokens de raciocínio 91,909 Tempo de resposta (médio) 9.81s Tempo de resposta (total) 176.62s Tempo de resposta (máx.) 31.36s Resposta incorreta: 4 Não seguiu as instruções: 1 Truques anti-IA : 8.7 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 : 8.2 Chamada de ferramentas : 3.0
#15#15	Qwen3.6 Plus Previewmedium	8.2	Qwen	$0.000	15.25s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade N/D Taxa de acerto por tentativa 75.0% Testes instáveis 0 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 Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 0.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 0.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#14#14	Gemma 4 31Bmedium	8.2	Google	$0.023	28.72s
Ver cartão do modelo Total de testes 19 Testes errados 5 Confiabilidade 6.7 Taxa de acerto por tentativa 77.2% Testes instáveis 1 Tokens de saída 14,426 Tokens de raciocínio 37,964 Tempo de resposta (médio) 28.72s Tempo de resposta (total) 488.27s Tempo de resposta (máx.) 90.14s Erro de API: 2 Resposta incorreta: 2 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#13#13	GPT-5.3-Codexmedium	8.2	OpenAI	$0.598	15.33s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.7% Testes instáveis 4 Tokens de saída 2,309 Tokens de raciocínio 36,880 Tempo de resposta (médio) 15.33s Tempo de resposta (total) 291.34s Tempo de resposta (máx.) 100.93s Resposta incorreta: 4 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.6 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#12#12	Qwen3.5 Plus 2026-02-15medium	8.2	Qwen	$0.247	51.33s
Ver cartão do modelo Total de testes 19 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 79.0% Testes instáveis 2 Tokens de saída 2,145 Tokens de raciocínio 129,019 Tempo de resposta (médio) 51.33s Tempo de resposta (total) 616.01s Tempo de resposta (máx.) 120.91s Resposta incorreta: 3 Tempo esgotado: 2 Truques anti-IA : 8.2 Programação : 10.0 Combinado : 10.0 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
#11#11	Seed-2.0-Litemedium	8.3	Bytedance Seed	$0.125	31.32s
Ver cartão do modelo Total de testes 19 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 79.0% Testes instáveis 3 Tokens de saída 3,266 Tokens de raciocínio 54,082 Tempo de resposta (médio) 31.32s Tempo de resposta (total) 595.04s Tempo de resposta (máx.) 168.71s Resposta incorreta: 4 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#10#10	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Ver cartão do modelo Total de testes 19 Testes errados 4 Confiabilidade N/D Taxa de acerto por tentativa 77.8% Testes instáveis 0 Tokens de saída 1,508 Tokens de raciocínio 10,084 Tempo de resposta (médio) 9.06s Tempo de resposta (total) 90.58s Tempo de resposta (máx.) 26.24s Resposta incorreta: 3 Erro de API: 1 Truques anti-IA : 10.0 Programação : 3.0 Combinado : 3.0 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 : 0.0
#9#9	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.872	48.96s
Ver cartão do modelo Total de testes 19 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 80.7% Testes instáveis 1 Tokens de saída 2,186 Tokens de raciocínio 105,156 Tempo de resposta (médio) 48.96s Tempo de resposta (total) 930.20s Tempo de resposta (máx.) 186.74s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#8#8	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.83s
Ver cartão do modelo Total de testes 16 Testes errados 3 Confiabilidade N/D Taxa de acerto por tentativa 81.3% Testes instáveis 0 Tokens de saída 1,283 Tokens de raciocínio 1,533,310 Tempo de resposta (médio) 68.83s Tempo de resposta (total) 1101.32s Tempo de resposta (máx.) 280.52s Resposta incorreta: 3 Truques anti-IA : 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 : 7.7 Chamada de ferramentas : 10.0
#7#7	Gemini 3 Flash Previewlow	8.8	Google	$0.093	5.84s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 86.0% Testes instáveis 1 Tokens de saída 2,027 Tokens de raciocínio 23,906 Tempo de resposta (médio) 5.84s Tempo de resposta (total) 110.87s Tempo de resposta (máx.) 14.72s Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#5#5	Claude Opus 4.7none	8.9	Anthropic	$0.507	3.04s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 84.2% Testes instáveis 0 Tokens de saída 6,329 Tokens de raciocínio 0 Tempo de resposta (médio) 3.04s Tempo de resposta (total) 57.79s Tempo de resposta (máx.) 18.27s Resposta incorreta: 3 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 9.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#6#6	GPT-5.5low	8.9	OpenAI	$0.706	8.80s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 84.2% Testes instáveis 0 Tokens de saída 2,008 Tokens de raciocínio 16,914 Tempo de resposta (médio) 8.80s Tempo de resposta (total) 167.26s Tempo de resposta (máx.) 56.19s Resposta incorreta: 3 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 : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#4#4	GPT-5.5medium	8.9	OpenAI	$2.939	33.02s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 87.7% Testes instáveis 2 Tokens de saída 1,950 Tokens de raciocínio 91,386 Tempo de resposta (médio) 33.02s Tempo de resposta (total) 627.45s Tempo de resposta (máx.) 332.10s Resposta incorreta: 3 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 : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#3🥉 #3	Claude Opus 4.7medium	8.9	Anthropic	$0.449	3.46s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 84.2% Testes instáveis 0 Tokens de saída 5,399 Tokens de raciocínio 1,341 Tempo de resposta (médio) 3.46s Tempo de resposta (total) 62.29s Tempo de resposta (máx.) 21.45s Resposta incorreta: 2 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.594	15.15s
Ver cartão do modelo Total de testes 19 Testes errados 1 Confiabilidade 10.0 Taxa de acerto por tentativa 94.7% Testes instáveis 0 Tokens de saída 1,944 Tokens de raciocínio 41,839 Tempo de resposta (médio) 15.15s Tempo de resposta (total) 181.78s Tempo de resposta (máx.) 40.61s Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.328	11.43s
Ver cartão do modelo Total de testes 19 Testes errados 0 Confiabilidade 10.0 Taxa de acerto por tentativa 100.0% Testes instáveis 0 Tokens de saída 1,985 Tokens de raciocínio 102,122 Tempo de resposta (médio) 11.43s Tempo de resposta (total) 217.10s Tempo de resposta (máx.) 74.66s Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 10.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0

Comparação rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumDisponível grátis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparação rápida