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)
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 4 Tokens de entrada 346,451 Tokens de saída 10,136 Tokens de raciocínio 95,504 Tempo de resposta (médio) 10.41s Tempo de resposta (total) 239.38s Tempo de resposta (máx.) 52.61s Resposta incorreta: 4 Formatação extra: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 10.0 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 : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#52#52	GLM 5.3 Flashmax	9.0	Z.ai	$0.089	54.04s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 3 Tokens de entrada 255,743 Tokens de saída 8,684 Tokens de raciocínio 207,435 Tempo de resposta (médio) 54.04s Tempo de resposta (total) 1242.97s Tempo de resposta (máx.) 333.47s Resposta incorreta: 2 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 68.1% Testes instáveis 1 Tokens de entrada 315,290 Tokens de saída 1,607 Tokens de raciocínio 207,536 Tempo de resposta (médio) 46.60s Tempo de resposta (total) 1071.83s Tempo de resposta (máx.) 376.04s Resposta incorreta: 5 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 7.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#205#205	Qwen3.5-Flashnone	6.7	Qwen	$0.089	26.52s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 37.7% Testes instáveis 2 Tokens de entrada 463,872 Tokens de saída 219,122 Tokens de raciocínio 0 Tempo de resposta (médio) 26.52s Tempo de resposta (total) 609.94s Tempo de resposta (máx.) 480.96s Resposta incorreta: 14 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#263#263	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 1 Tokens de entrada 261,962 Tokens de saída 12,799 Tokens de raciocínio 2,961 Tempo de resposta (médio) 3.60s Tempo de resposta (total) 82.91s Tempo de resposta (máx.) 48.59s Resposta incorreta: 8 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 7.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#340#340	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
#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
#206#206	Solar Pro 4low	6.7	Upstage	$0.101 ↑	145.21s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 7 Tokens de entrada 384,974 Tokens de saída 13,946 Tokens de raciocínio 371,916 Tempo de resposta (médio) 145.21s Tempo de resposta (total) 3339.87s Tempo de resposta (máx.) 640.89s Resposta incorreta: 7 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 9.0 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
#291#291	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 3 Tokens de entrada 113,613 Tokens de saída 122,706 Tokens de raciocínio 42,325 Tempo de resposta (médio) 65.52s Tempo de resposta (total) 1376.01s Tempo de resposta (máx.) 304.19s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 7.3 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#244#244	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 42.0% Testes instáveis 3 Tokens de entrada 276,199 Tokens de saída 17,473 Tokens de raciocínio 0 Tempo de resposta (médio) 8.50s Tempo de resposta (total) 195.60s Tempo de resposta (máx.) 81.77s Resposta incorreta: 13 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 4.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#327#327	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 40,677 Tokens de raciocínio 23,104 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
#319#319	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 49.3% Testes instáveis 3 Tokens de entrada 139,086 Tokens de saída 193,584 Tokens de raciocínio 413,546 Tempo de resposta (médio) 190.48s Tempo de resposta (total) 3238.23s Tempo de resposta (máx.) 1597.85s Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 2.8 Truques anti-IA : 10.0 Programação : 2.4 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.5 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#435#435	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Ver cartão do modelo Total de testes 1 Testes errados 0 Confiabilidade 10.0 Taxa de acerto por tentativa 4.4% Testes instáveis 0 Tokens de entrada 134,050 Tokens de saída 1,029 Tokens de raciocínio 11,528 Tempo de resposta (médio) 52.45s Tempo de resposta (total) 52.45s Tempo de resposta (máx.) 52.45s Tarefas de agentes : 10.0 Truques anti-IA : 0.0 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 0.0 Específico do domínio : 0.0 Inteligência geral : 0.0 Seguimento de instruções : 0.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#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
#368#368	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 6 Tokens de entrada 232,641 Tokens de saída 69,335 Tokens de raciocínio 426,182 Tempo de resposta (médio) 88.24s Tempo de resposta (total) 2029.57s Tempo de resposta (máx.) 814.73s Resposta incorreta: 16 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 2.8 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#362#362	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 8.2 Taxa de acerto por tentativa 37.7% Testes instáveis 10 Tokens de entrada 282,658 Tokens de saída 198,563 Tokens de raciocínio 462,804 Tempo de resposta (médio) 235.35s Tempo de resposta (total) 5413.09s Tempo de resposta (máx.) 685.87s Tempo esgotado: 10 Resposta incorreta: 7 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.9 Programação : 3.8 Combinado : 5.0 Análise e extração de dados : 3.8 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#278#278	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 50.7% Testes instáveis 3 Tokens de entrada 100,255 Tokens de saída 6,422 Tokens de raciocínio 49,847 Tempo de resposta (médio) 6.03s Tempo de resposta (total) 138.65s Tempo de resposta (máx.) 17.26s Resposta incorreta: 6 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Erro de API: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.3 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#177#177	GLM 5.3 FlashXmedium	7.1	Z.ai	$0.114	7.37s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 8 Tokens de entrada 205,100 Tokens de saída 8,639 Tokens de raciocínio 21,409 Tempo de resposta (médio) 7.37s Tempo de resposta (total) 169.54s Tempo de resposta (máx.) 74.39s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.3 Programação : 6.0 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#279#279	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.114	7.49s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 39.1% Testes instáveis 3 Tokens de entrada 314,113 Tokens de saída 17,558 Tokens de raciocínio 0 Tempo de resposta (médio) 7.49s Tempo de resposta (total) 172.19s Tempo de resposta (máx.) 75.99s Resposta incorreta: 14 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.0 Programação : 5.6 Combinado : 3.0 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 : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#165#165	Qwen3.5-27Bnone	7.2	Qwen	$0.116	9.98s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 2 Tokens de entrada 283,977 Tokens de saída 36,422 Tokens de raciocínio 0 Tempo de resposta (médio) 9.98s Tempo de resposta (total) 229.52s Tempo de resposta (máx.) 124.53s Resposta incorreta: 11 Não seguiu as instruções: 2 Tarefas de agentes : 10.0 Truques anti-IA : 4.8 Programação : 5.8 Combinado : 6.4 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 : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#108#108	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 4 Tokens de entrada 197,896 Tokens de saída 6,211 Tokens de raciocínio 133,184 Tempo de resposta (médio) 18.39s Tempo de resposta (total) 422.93s Tempo de resposta (máx.) 111.09s Resposta incorreta: 8 Tarefas de agentes : 10.0 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
#364#364	DeepSeek V3.2none	4.6	DeepSeek	$0.119 ↑	22.44s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 34.8% Testes instáveis 5 Tokens de entrada 342,158 Tokens de saída 32,853 Tokens de raciocínio 25,013 Tempo de resposta (médio) 22.44s Tempo de resposta (total) 516.03s Tempo de resposta (máx.) 122.50s Resposta incorreta: 9 Erro de API: 3 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.0 Truques anti-IA : 3.2 Programação : 3.1 Combinado : 4.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 37.7% Testes instáveis 4 Tokens de entrada 218,886 Tokens de saída 135,768 Tokens de raciocínio 0 Tempo de resposta (médio) 18.31s Tempo de resposta (total) 421.19s Tempo de resposta (máx.) 209.15s Resposta incorreta: 14 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.4 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.5 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#218#218	Mercury 2medium	6.6	Inception	$0.121	4.40s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 53.6% Testes instáveis 5 Tokens de entrada 189,300 Tokens de saída 10,854 Tokens de raciocínio 86,089 Tempo de resposta (médio) 4.40s Tempo de resposta (total) 96.81s Tempo de resposta (máx.) 34.92s Resposta incorreta: 9 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 6.9 Programação : 8.2 Combinado : 6.7 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.4 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