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: 2026-09-02 Modelos avaliados: 311

Modelos recomendados

GPT-5.6 Sol high Inteligente Taxa de acerto por tentativa 89.4% Testes corretos 18 / 22 Pontuação 9.4/10 GPT-5.6 Luna medium Rápido Tempo de resposta (médio) 7.43s Total de tokens de saída 44,525 Pontuação 7.4/10 DeepSeek V4 Flash 0731 high Acessível Preço de entrada $0.065 / 1M Preço de saída $0.180 / 1M Pontuação 8.0/10

311/311

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#248#248	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 28.8% Testes instáveis 1 Tokens de entrada 104,120 Tokens de saída 10,554 Tokens de raciocínio 0 Tempo de resposta (médio) 3.47s Tempo de resposta (total) 76.28s Tempo de resposta (máx.) 48.02s Resposta incorreta: 13 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 4.5 Combinado : 2.9 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 : 5.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#243#243	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 8.6 Taxa de acerto por tentativa 36.4% Testes instáveis 5 Tokens de entrada 159,749 Tokens de saída 23,433 Tokens de raciocínio 0 Tempo de resposta (médio) 14.67s Tempo de resposta (total) 322.71s Tempo de resposta (máx.) 132.84s Resposta incorreta: 11 Formatação extra: 2 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 3.0 Programação : 3.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.0 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#123#123	Muse Glimmer 30Blow	7.1	Meta	$0.152 ↓	18.64s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 5 Tokens de entrada 130,312 Tokens de saída 33,867 Tokens de raciocínio 62,103 Tempo de resposta (médio) 18.64s Tempo de resposta (total) 410.18s Tempo de resposta (máx.) 234.92s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.1 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.0 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#150#150	GLM 5.2none	6.7	Z.ai	$0.153 ↓	9.65s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 112,458 Tokens de saída 14,344 Tokens de raciocínio 0 Tempo de resposta (médio) 9.65s Tempo de resposta (total) 212.38s Tempo de resposta (máx.) 79.65s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#250#250	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.9 Taxa de acerto por tentativa 48.5% Testes instáveis 11 Tokens de entrada 126,330 Tokens de saída 165,702 Tokens de raciocínio 594,739 Tempo de resposta (médio) 70.11s Tempo de resposta (total) 1542.52s Tempo de resposta (máx.) 437.11s Resposta incorreta: 13 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 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
#216#216	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 5 Tokens de entrada 124,219 Tokens de saída 14,393 Tokens de raciocínio 0 Tempo de resposta (médio) 6.74s Tempo de resposta (total) 148.20s Tempo de resposta (máx.) 61.20s Resposta incorreta: 12 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 4.0 Programação : 3.9 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#289#289	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 8.6 Taxa de acerto por tentativa 31.8% Testes instáveis 8 Tokens de entrada 79,104 Tokens de saída 42,254 Tokens de raciocínio 377,280 Tempo de resposta (médio) 134.34s Tempo de resposta (total) 2015.13s Tempo de resposta (máx.) 1539.97s Resposta incorreta: 9 Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 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
#86#86	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 80,927 Tokens de saída 5,088 Tokens de raciocínio 130,227 Tempo de resposta (médio) 16.49s Tempo de resposta (total) 362.78s Tempo de resposta (máx.) 111.09s Resposta incorreta: 8 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#107#107	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 2 Tokens de entrada 123,687 Tokens de saída 9,572 Tokens de raciocínio 31,204 Tempo de resposta (médio) 6.51s Tempo de resposta (total) 143.12s Tempo de resposta (máx.) 17.13s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 5.8 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
#188#188	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 54.6% Testes instáveis 4 Tokens de entrada 109,893 Tokens de saída 8,580 Tokens de raciocínio 10,324 Tempo de resposta (médio) 5.11s Tempo de resposta (total) 112.46s Tempo de resposta (máx.) 41.58s Resposta incorreta: 8 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 8.3 Programação : 5.1 Combinado : 2.9 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 : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#101#101	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.9 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 95,992 Tokens de saída 12,446 Tokens de raciocínio 0 Tempo de resposta (médio) 4.56s Tempo de resposta (total) 100.30s Tempo de resposta (máx.) 72.30s Resposta incorreta: 7 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 6.5 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
#127#127	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 3 Tokens de entrada 78,602 Tokens de saída 4,357 Tokens de raciocínio 0 Tempo de resposta (médio) 2.17s Tempo de resposta (total) 47.66s Tempo de resposta (máx.) 12.81s Resposta incorreta: 9 Não seguiu as instruções: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#14#14	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.5% Testes instáveis 2 Tokens de entrada 90,322 Tokens de saída 6,294 Tokens de raciocínio 30,759 Tempo de resposta (médio) 3.85s Tempo de resposta (total) 84.80s Tempo de resposta (máx.) 19.44s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#259#259	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 9 Tokens de entrada 114,527 Tokens de saída 18,558 Tokens de raciocínio 129,146 Tempo de resposta (médio) 43.25s Tempo de resposta (total) 908.21s Tempo de resposta (máx.) 196.21s Resposta incorreta: 6 Não seguiu as instruções: 5 Sem resposta: 2 Tempo esgotado: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 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
#147#147	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 139,892 Tokens de saída 15,569 Tokens de raciocínio 169,897 Tempo de resposta (médio) 48.68s Tempo de resposta (total) 1071.02s Tempo de resposta (máx.) 333.34s Formatação extra: 3 Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#73#73	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Ver cartão do modelo Total de testes 21 Testes errados 6 Confiabilidade 9.5 Taxa de acerto por tentativa 80.3% Testes instáveis 4 Tokens de entrada 37,199 Tokens de saída 12,261 Tokens de raciocínio 49,500 Tempo de resposta (médio) 23.28s Tempo de resposta (total) 488.94s Tempo de resposta (máx.) 101.36s Resposta incorreta: 3 Sem resposta: 2 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#145#145	DeepSeek V4 Pronone	6.8	DeepSeek	$0.226 ↑	11.71s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 47.0% Testes instáveis 4 Tokens de entrada 148,078 Tokens de saída 35,547 Tokens de raciocínio 0 Tempo de resposta (médio) 11.71s Tempo de resposta (total) 257.67s Tempo de resposta (máx.) 119.44s Resposta incorreta: 9 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.2 Programação : 5.6 Combinado : 7.9 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#121#121	Muse Glimmer 30Bmedium	7.2	Meta	$0.227 ↓	30.64s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 116,513 Tokens de saída 33,065 Tokens de raciocínio 135,009 Tempo de resposta (médio) 30.64s Tempo de resposta (total) 674.01s Tempo de resposta (máx.) 181.08s Resposta incorreta: 9 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 9.2 Programação : 8.4 Combinado : 6.5 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#80#80	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Ver cartão do modelo Total de testes 21 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 4 Tokens de entrada 35,224 Tokens de saída 21,570 Tokens de raciocínio 102,996 Tempo de resposta (médio) 33.54s Tempo de resposta (total) 435.99s Tempo de resposta (máx.) 99.85s Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 5.0 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
#169#169	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 56.1% Testes instáveis 2 Tokens de entrada 106,348 Tokens de saída 19,257 Tokens de raciocínio 0 Tempo de resposta (médio) 7.82s Tempo de resposta (total) 172.04s Tempo de resposta (máx.) 102.62s Resposta incorreta: 11 Truques anti-IA : 5.2 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#217#217	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 2 Tokens de entrada 116,983 Tokens de saída 30,249 Tokens de raciocínio 0 Tempo de resposta (médio) 19.57s Tempo de resposta (total) 430.58s Tempo de resposta (máx.) 238.89s Resposta incorreta: 12 Não seguiu as instruções: 3 Sem resposta: 1 Truques anti-IA : 4.6 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#77#77	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 129,906 Tokens de saída 12,530 Tokens de raciocínio 88,766 Tempo de resposta (médio) 47.94s Tempo de resposta (total) 1054.57s Tempo de resposta (máx.) 254.92s Resposta incorreta: 6 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 8.0 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#99#99	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 111,773 Tokens de saída 8,035 Tokens de raciocínio 33,289 Tempo de resposta (médio) 4.83s Tempo de resposta (total) 106.18s Tempo de resposta (máx.) 35.14s Resposta incorreta: 5 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#57#57	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 98,383 Tokens de saída 14,409 Tokens de raciocínio 93,610 Tempo de resposta (médio) 27.64s Tempo de resposta (total) 608.02s Tempo de resposta (máx.) 111.48s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#34#34	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 89.4% Testes instáveis 3 Tokens de entrada 85,886 Tokens de saída 5,489 Tokens de raciocínio 44,232 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.28s Tempo de resposta (máx.) 30.83s Resposta incorreta: 4 Truques anti-IA : 8.7 Programação : 7.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0

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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium