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)
#118#118	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 8 Tokens de entrada 103,494 Tokens de saída 100,589 Tokens de raciocínio 270,217 Tempo de resposta (médio) 66.70s Tempo de resposta (total) 1467.39s Tempo de resposta (máx.) 451.90s Resposta incorreta: 7 Não seguiu as instruções: 3 Sem resposta: 2 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.3 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
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 79,258 Tokens de saída 4,855 Tokens de raciocínio 23,853 Tempo de resposta (médio) 11.48s Tempo de resposta (total) 252.62s Tempo de resposta (máx.) 54.79s Resposta incorreta: 4 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 : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#106#106	Grok 4.6low	7.4	X AI	$0.449	14.55s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 109,960 Tokens de saída 5,124 Tokens de raciocínio 32,924 Tempo de resposta (médio) 14.55s Tempo de resposta (total) 320.17s Tempo de resposta (máx.) 26.46s Resposta incorreta: 7 Truques anti-IA : 10.0 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#30#30	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 84.9% Testes instáveis 2 Tokens de entrada 87,826 Tokens de saída 2,239 Tokens de raciocínio 32,956 Tempo de resposta (médio) 5.76s Tempo de resposta (total) 126.71s Tempo de resposta (máx.) 53.55s Resposta incorreta: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 8.2 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
#154#154	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 44,615 Tokens de saída 2,347 Tokens de raciocínio 98,415 Tempo de resposta (médio) 23.08s Tempo de resposta (total) 484.63s Tempo de resposta (máx.) 95.88s Resposta incorreta: 7 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 7.2 Programação : 6.0 Combinado : 3.4 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 : 7.7 Chamada de ferramentas : 7.0 Conhecimentos gerais : 3.0
#94#94	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 5 Tokens de entrada 113,569 Tokens de saída 9,823 Tokens de raciocínio 264,886 Tempo de resposta (médio) 91.76s Tempo de resposta (total) 1376.42s Tempo de resposta (máx.) 304.85s Resposta incorreta: 4 Tempo esgotado: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.6 Combinado : 6.9 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
#135#135	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 8 Tokens de entrada 87,916 Tokens de saída 7,213 Tokens de raciocínio 132,162 Tempo de resposta (médio) 24.87s Tempo de resposta (total) 547.14s Tempo de resposta (máx.) 257.00s Resposta incorreta: 9 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 8.2 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#134#134	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 8 Tokens de entrada 118,496 Tokens de saída 53,522 Tokens de raciocínio 167,420 Tempo de resposta (médio) 98.19s Tempo de resposta (total) 1571.05s Tempo de resposta (máx.) 281.00s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 6.1 Combinado : 6.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#151#151	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 8 Tokens de entrada 98,508 Tokens de saída 139,572 Tokens de raciocínio 0 Tempo de resposta (médio) 26.01s Tempo de resposta (total) 572.22s Tempo de resposta (máx.) 335.41s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 6.1 Combinado : 4.1 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#83#83	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.489 ↑	92.50s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 90,757 Tokens de saída 22,928 Tokens de raciocínio 186,516 Tempo de resposta (médio) 92.50s Tempo de resposta (total) 2035.01s Tempo de resposta (máx.) 416.76s Resposta incorreta: 7 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 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
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 51.5% Testes instáveis 4 Tokens de entrada 93,411 Tokens de saída 30,470 Tokens de raciocínio 356,172 Tempo de resposta (médio) 153.29s Tempo de resposta (total) 3372.36s Tempo de resposta (máx.) 941.66s Resposta incorreta: 7 Não seguiu as instruções: 2 Sem resposta: 2 Tempo esgotado: 2 Truques anti-IA : 8.9 Programação : 7.8 Combinado : 10.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 5.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#68#68	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 3 Tokens de entrada 114,191 Tokens de saída 409,709 Tokens de raciocínio 0 Tempo de resposta (médio) 23.51s Tempo de resposta (total) 517.21s Tempo de resposta (máx.) 152.83s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#104#104	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 97,324 Tokens de saída 44,383 Tokens de raciocínio 346,490 Tempo de resposta (médio) 143.55s Tempo de resposta (total) 3158.11s Tempo de resposta (máx.) 939.52s Resposta incorreta: 7 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#156#156	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 0 Tokens de entrada 69,576 Tokens de saída 6,265 Tokens de raciocínio 0 Tempo de resposta (médio) 3.02s Tempo de resposta (total) 57.44s Tempo de resposta (máx.) 18.27s Resposta incorreta: 3 Truques anti-IA : 8.3 Programação : 3.3 Combinado : 4.8 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
#117#117	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
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 106,085 Tokens de saída 9,071 Tokens de raciocínio 135,288 Tempo de resposta (médio) 22.11s Tempo de resposta (total) 486.31s Tempo de resposta (máx.) 199.97s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.0 Programação : 6.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 90.9% Testes instáveis 3 Tokens de entrada 79,006 Tokens de saída 4,696 Tokens de raciocínio 30,281 Tempo de resposta (médio) 12.63s Tempo de resposta (total) 277.88s Tempo de resposta (máx.) 79.40s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#58#58	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 110,930 Tokens de saída 116,373 Tokens de raciocínio 330,471 Tempo de resposta (médio) 95.55s Tempo de resposta (total) 2102.12s Tempo de resposta (máx.) 576.79s Resposta incorreta: 4 Sem resposta: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#74#74	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 2 Tokens de entrada 79,184 Tokens de saída 4,878 Tokens de raciocínio 25,471 Tempo de resposta (médio) 6.85s Tempo de resposta (total) 150.65s Tempo de resposta (máx.) 41.68s Resposta incorreta: 8 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#93#93	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 78,846 Tokens de saída 28,179 Tokens de raciocínio 0 Tempo de resposta (médio) 6.56s Tempo de resposta (total) 137.77s Tempo de resposta (máx.) 18.33s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 6.7 Programação : 5.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#31#31	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 93,046 Tokens de saída 5,884 Tokens de raciocínio 198,741 Tempo de resposta (médio) 10.05s Tempo de resposta (total) 221.06s Tempo de resposta (máx.) 36.22s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 9.9 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#130#130	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 79,294 Tokens de saída 4,915 Tokens de raciocínio 0 Tempo de resposta (médio) 2.35s Tempo de resposta (total) 51.78s Tempo de resposta (máx.) 12.24s Resposta incorreta: 10 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#300#300	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver cartão do modelo Total de testes 19 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 4 Tokens de entrada 11,793 Tokens de saída 267,275 Tokens de raciocínio 0 Tempo de resposta (médio) 28.69s Tempo de resposta (total) 459.00s Tempo de resposta (máx.) 138.35s Resposta incorreta: 7 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#181#181	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 4 Tokens de entrada 161,032 Tokens de saída 22,508 Tokens de raciocínio 0 Tempo de resposta (médio) 6.05s Tempo de resposta (total) 132.99s Tempo de resposta (máx.) 33.39s Resposta incorreta: 8 Formatação extra: 4 Sem resposta: 2 Não seguiu as instruções: 1 Truques anti-IA : 5.3 Programação : 4.6 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#88#88	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.567 ↕	33.62s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.8 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 233,415 Tokens de saída 54,384 Tokens de raciocínio 130,021 Tempo de resposta (médio) 33.62s Tempo de resposta (total) 739.59s Tempo de resposta (máx.) 392.56s Resposta incorreta: 7 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#272#272	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 8 Tokens de entrada 101,776 Tokens de saída 276,367 Tokens de raciocínio 656,252 Tempo de resposta (médio) 75.86s Tempo de resposta (total) 1668.93s Tempo de resposta (máx.) 510.21s Resposta incorreta: 10 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Sem resposta: 1 Truques anti-IA : 6.7 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 4.7 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 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