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)
#334#334	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
#179#179	MiMo-V2.5medium	7.1	Xiaomi	$0.130 ↓	49.20s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 7 Tokens de entrada 259,664 Tokens de saída 8,414 Tokens de raciocínio 333,097 Tempo de resposta (médio) 49.20s Tempo de resposta (total) 1131.69s Tempo de resposta (máx.) 316.27s Resposta incorreta: 5 Formatação extra: 2 Sem resposta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 8.7 Análise e extração de dados : 2.7 Específico do domínio : 3.6 Inteligência geral : 5.4 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#338#338	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
#356#356	Hy3 previewhigh	4.8	Tencent	$0.135 ↕	56.57s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 50.7% Testes instáveis 2 Tokens de entrada 25,987 Tokens de saída 216,719 Tokens de raciocínio 0 Tempo de resposta (médio) 56.57s Tempo de resposta (total) 848.59s Tempo de resposta (máx.) 149.94s Erro de API: 7 Resposta incorreta: 3 Tarefas de agentes : 0.0 Truques anti-IA : 6.4 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#283#283	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 1 Tokens de entrada 388,929 Tokens de saída 57,714 Tokens de raciocínio 0 Tempo de resposta (médio) 7.63s Tempo de resposta (total) 175.42s Tempo de resposta (máx.) 93.47s Resposta incorreta: 13 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.1 Programação : 5.4 Combinado : 3.8 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 : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#38#38	Claude Haiku 5.5xhigh	9.1	Anthropic	$0.140	16.58s
Ver cartão do modelo Total de testes 23 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 81.2% Testes instáveis 2 Tokens de entrada 394,509 Tokens de saída 10,349 Tokens de raciocínio 188,919 Tempo de resposta (médio) 16.58s Tempo de resposta (total) 381.40s Tempo de resposta (máx.) 92.74s Resposta incorreta: 2 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 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 : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#303#303	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 40.6% Testes instáveis 1 Tokens de entrada 190,675 Tokens de saída 5,577 Tokens de raciocínio 0 Tempo de resposta (médio) 8.74s Tempo de resposta (total) 131.17s Tempo de resposta (máx.) 74.80s Resposta incorreta: 13 Tarefas de agentes : 5.0 Truques anti-IA : 4.8 Programação : 4.0 Combinado : 1.5 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
#145#145	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.4 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 313,368 Tokens de saída 12,289 Tokens de raciocínio 259,270 Tempo de resposta (médio) 91.67s Tempo de resposta (total) 1833.43s Tempo de resposta (máx.) 301.78s Resposta incorreta: 5 Tempo esgotado: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.6 Programação : 5.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#192#192	Gemma 4 31Bmedium	6.9	Google	$0.144 ↓	78.76s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 251,164 Tokens de saída 36,112 Tokens de raciocínio 241,203 Tempo de resposta (médio) 78.76s Tempo de resposta (total) 1653.96s Tempo de resposta (máx.) 437.40s Resposta incorreta: 4 Erro de API: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 4.3 Combinado : 2.9 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 : 9.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#349#349	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
#246#246	Qwen3.6 27Bnone	6.3	Qwen	$0.148 ↓	12.71s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 6 Tokens de entrada 250,919 Tokens de saída 20,816 Tokens de raciocínio 0 Tempo de resposta (médio) 12.71s Tempo de resposta (total) 292.29s Tempo de resposta (máx.) 156.31s Resposta incorreta: 11 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 10.0 Truques anti-IA : 3.8 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 5.2 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#104#104	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 287,061 Tokens de saída 32,056 Tokens de raciocínio 196,607 Tempo de resposta (médio) 91.29s Tempo de resposta (total) 2099.56s Tempo de resposta (máx.) 416.76s Resposta incorreta: 9 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 5.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#257#257	DeepSeek V4 Flash 0423none	6.3	DeepSeek	$0.149 ↑	38.64s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 30.4% Testes instáveis 4 Tokens de entrada 403,455 Tokens de saída 100,227 Tokens de raciocínio 15,364 Tempo de resposta (médio) 38.64s Tempo de resposta (total) 888.69s Tempo de resposta (máx.) 247.27s Resposta incorreta: 13 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 3.0 Programação : 4.2 Combinado : 4.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#255#255	DeepSeek V3.2medium	6.3	DeepSeek	$0.152 ↑	70.08s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 7 Tokens de entrada 306,662 Tokens de saída 17,819 Tokens de raciocínio 125,341 Tempo de resposta (médio) 70.08s Tempo de resposta (total) 1611.86s Tempo de resposta (máx.) 376.10s Resposta incorreta: 6 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#190#190	Gemini 3.1 Flash Litemedium	6.9	Google	$0.153	6.27s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 2 Tokens de entrada 228,023 Tokens de saída 10,779 Tokens de raciocínio 53,188 Tempo de resposta (médio) 6.27s Tempo de resposta (total) 144.10s Tempo de resposta (máx.) 47.78s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#233#233	Gemini 3 Flash Previewnone	6.4	Google	$0.155	6.05s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 3 Tokens de entrada 233,893 Tokens de saída 12,432 Tokens de raciocínio 0 Tempo de resposta (médio) 6.05s Tempo de resposta (total) 102.89s Tempo de resposta (máx.) 57.84s Resposta incorreta: 9 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#276#276	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 9 Tokens de entrada 277,028 Tokens de saída 11,965 Tokens de raciocínio 31,238 Tempo de resposta (médio) 9.69s Tempo de resposta (total) 222.83s Tempo de resposta (máx.) 77.99s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#182#182	Gemini 3.1 Flash Lite Previewmedium	7.0	Google	$0.158	6.78s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 0 Tokens de entrada 272,221 Tokens de saída 12,345 Tokens de raciocínio 47,189 Tempo de resposta (médio) 6.78s Tempo de resposta (total) 155.96s Tempo de resposta (máx.) 54.91s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#293#293	GPT-5 Nanomedium	5.7	OpenAI	$0.159 ↑	56.55s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 53.6% Testes instáveis 10 Tokens de entrada 314,436 Tokens de saída 13,578 Tokens de raciocínio 294,343 Tempo de resposta (médio) 56.55s Tempo de resposta (total) 961.32s Tempo de resposta (máx.) 227.89s Resposta incorreta: 11 Não seguiu as instruções: 2 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 4.7 Truques anti-IA : 6.5 Programação : 7.0 Combinado : 6.4 Análise e extração de dados : 3.7 Específico do domínio : 3.4 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#285#285	Nemotron 3 Ultranone	5.9	NVIDIA	$0.164 ↕	6.76s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 40.6% Testes instáveis 2 Tokens de entrada 275,381 Tokens de saída 11,544 Tokens de raciocínio 0 Tempo de resposta (médio) 6.76s Tempo de resposta (total) 155.50s Tempo de resposta (máx.) 70.17s Resposta incorreta: 12 Erro de API: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 3.0 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 : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#354#354	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 6.2 Taxa de acerto por tentativa 15.9% Testes instáveis 1 Tokens de entrada 185,167 Tokens de saída 9,430 Tokens de raciocínio 0 Tempo de resposta (médio) 40.38s Tempo de resposta (total) 928.76s Tempo de resposta (máx.) 95.32s Resposta incorreta: 14 Erro de API: 2 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.3 Programação : 3.8 Combinado : 3.0 Análise e extração de dados : 8.7 Específico do domínio : 6.8 Inteligência geral : 5.1 Seguimento de instruções : 7.0 Resolução de quebra-cabeças : 4.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#330#330	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	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
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 30.4% Testes instáveis 2 Tokens de entrada 172,438 Tokens de saída 8,828 Tokens de raciocínio 0 Tempo de resposta (médio) 3.34s Tempo de resposta (total) 76.84s Tempo de resposta (máx.) 41.98s Resposta incorreta: 14 Não seguiu as instruções: 3 Tarefas de agentes : 5.0 Truques anti-IA : 3.1 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#369#369	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.5 Taxa de acerto por tentativa 40.6% Testes instáveis 9 Tokens de entrada 207,883 Tokens de saída 144,718 Tokens de raciocínio 525,897 Tempo de resposta (médio) 83.19s Tempo de resposta (total) 1913.41s Tempo de resposta (máx.) 597.61s Resposta incorreta: 14 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 3.5 Truques anti-IA : 6.9 Programação : 4.0 Combinado : 6.3 Análise e extração de dados : 2.9 Específico do domínio : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#251#251	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.176	20.07s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 52.2% Testes instáveis 3 Tokens de entrada 346,064 Tokens de saída 53,060 Tokens de raciocínio 0 Tempo de resposta (médio) 20.07s Tempo de resposta (total) 341.27s Tempo de resposta (máx.) 183.50s Resposta incorreta: 11 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.2 Truques anti-IA : 4.8 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 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