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: 2026-08-15 Modelos avaliados: 287

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 $0.140 / 1M Preço de saída $0.280 / 1M Pontuação 8.0/10

287/287

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#47#47	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 3 Tokens de entrada 145,953 Tokens de saída 52,330 Tokens de raciocínio 10,874 Tempo de resposta (médio) 12.54s Tempo de resposta (total) 275.90s Tempo de resposta (máx.) 66.71s Resposta incorreta: 5 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 9.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#46#46	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 1 Tokens de entrada 132,507 Tokens de saída 12,739 Tokens de raciocínio 228,626 Tempo de resposta (médio) 21.14s Tempo de resposta (total) 465.10s Tempo de resposta (máx.) 140.50s Resposta incorreta: 6 Não seguiu as instruções: 1 Truques anti-IA : 8.4 Programação : 7.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#45#45	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 141,878 Tokens de saída 11,033 Tokens de raciocínio 105,456 Tempo de resposta (médio) 11.89s Tempo de resposta (total) 261.69s Tempo de resposta (máx.) 54.15s Resposta incorreta: 5 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.9 Programação : 10.0 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#44#44	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
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 85,669 Tokens de saída 6,092 Tokens de raciocínio 292,801 Tempo de resposta (médio) 30.43s Tempo de resposta (total) 669.38s Tempo de resposta (máx.) 122.60s Resposta incorreta: 6 Não seguiu as instruções: 2 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#43#43	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 5 Tokens de entrada 104,433 Tokens de saída 6,511 Tokens de raciocínio 752,680 Tempo de resposta (médio) 193.59s Tempo de resposta (total) 4258.98s Tempo de resposta (máx.) 885.33s Resposta incorreta: 5 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#42#42	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.6 Taxa de acerto por tentativa 77.3% Testes instáveis 2 Tokens de entrada 100,179 Tokens de saída 904 Tokens de raciocínio 655,731 Tempo de resposta (médio) 167.89s Tempo de resposta (total) 3693.54s Tempo de resposta (máx.) 640.85s Não seguiu as instruções: 2 Sem resposta: 2 Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 8.1 Combinado : 10.0 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 : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#41#41	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 4 Tokens de entrada 105,013 Tokens de saída 9,914 Tokens de raciocínio 61,338 Tempo de resposta (médio) 28.51s Tempo de resposta (total) 456.13s Tempo de resposta (máx.) 116.86s Não seguiu as instruções: 3 Resposta incorreta: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 3.7 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.5 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#40#40	Grok 4.5low	8.4	X AI	$0.945	16.17s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 2 Tokens de entrada 125,605 Tokens de saída 7,505 Tokens de raciocínio 107,984 Tempo de resposta (médio) 16.17s Tempo de resposta (total) 355.67s Tempo de resposta (máx.) 205.28s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#39#39	Grok 4.6medium	8.4	X AI	$1.713	73.46s
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 106,787 Tokens de saída 4,811 Tokens de raciocínio 244,997 Tempo de resposta (médio) 73.46s Tempo de resposta (total) 1616.12s Tempo de resposta (máx.) 514.35s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#38#38	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 3 Tokens de entrada 101,811 Tokens de saída 8,025 Tokens de raciocínio 115,938 Tempo de resposta (médio) 9.77s Tempo de resposta (total) 214.83s Tempo de resposta (máx.) 47.80s Resposta incorreta: 4 Não seguiu as instruções: 3 Truques anti-IA : 9.2 Programação : 8.4 Combinado : 9.8 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 : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#37#37	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 3 Tokens de entrada 122,155 Tokens de saída 5,514 Tokens de raciocínio 293,946 Tempo de resposta (médio) 68.59s Tempo de resposta (total) 1508.91s Tempo de resposta (máx.) 436.38s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#36#36	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 4 Tokens de entrada 81,136 Tokens de saída 6,155 Tokens de raciocínio 84,311 Tempo de resposta (médio) 22.85s Tempo de resposta (total) 502.78s Tempo de resposta (máx.) 100.41s Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 8.8 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 : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#35#35	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 3 Tokens de entrada 99,181 Tokens de saída 6,132 Tokens de raciocínio 77,689 Tempo de resposta (médio) 21.83s Tempo de resposta (total) 480.37s Tempo de resposta (máx.) 155.75s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 10.0 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 : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#34#34	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
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 79,249 Tokens de saída 5,097 Tokens de raciocínio 165,276 Tempo de resposta (médio) 66.52s Tempo de resposta (total) 1463.50s Tempo de resposta (máx.) 238.07s Resposta incorreta: 4 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 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
#33#33	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 1 Tokens de entrada 89,640 Tokens de saída 33,092 Tokens de raciocínio 9,054 Tempo de resposta (médio) 15.01s Tempo de resposta (total) 330.15s Tempo de resposta (máx.) 80.80s Sem resposta: 3 Chamada de ferramenta inválida: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 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
#32#32	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 2 Tokens de entrada 142,147 Tokens de saída 7,905 Tokens de raciocínio 284,247 Tempo de resposta (médio) 26.25s Tempo de resposta (total) 577.47s Tempo de resposta (máx.) 165.38s Resposta incorreta: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#31#31	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 4 Tokens de entrada 123,680 Tokens de saída 7,222 Tokens de raciocínio 271,442 Tempo de resposta (médio) 19.67s Tempo de resposta (total) 432.72s Tempo de resposta (máx.) 142.49s Não seguiu as instruções: 3 Resposta incorreta: 3 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 10.0 Combinado : 8.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#30#30	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.9 Taxa de acerto por tentativa 74.2% Testes instáveis 5 Tokens de entrada 117,037 Tokens de saída 6,983 Tokens de raciocínio 375,104 Tempo de resposta (médio) 26.59s Tempo de resposta (total) 584.89s Tempo de resposta (máx.) 192.00s Resposta incorreta: 4 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 8.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#29#29	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 1 Tokens de entrada 145,249 Tokens de saída 24,948 Tokens de raciocínio 5,042 Tempo de resposta (médio) 7.62s Tempo de resposta (total) 159.94s Tempo de resposta (máx.) 65.40s Resposta incorreta: 3 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 7.6 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
#28#28	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
#27#27	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 1 Tokens de entrada 134,770 Tokens de saída 13,604 Tokens de raciocínio 4,388 Tempo de resposta (médio) 6.99s Tempo de resposta (total) 153.80s Tempo de resposta (máx.) 30.67s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 7.8 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 : 3.0
#26#26	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
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 138,448 Tokens de saída 40,765 Tokens de raciocínio 11,162 Tempo de resposta (médio) 12.97s Tempo de resposta (total) 285.29s Tempo de resposta (máx.) 70.54s Resposta incorreta: 4 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.9 Análise e extração de dados : 7.1 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#25#25	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
#24#24	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
#23#23	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 3 Tokens de entrada 104,695 Tokens de saída 6,645 Tokens de raciocínio 691,086 Tempo de resposta (médio) 173.96s Tempo de resposta (total) 3827.19s Tempo de resposta (máx.) 584.71s Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#22#22	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 4 Tokens de entrada 81,187 Tokens de saída 6,258 Tokens de raciocínio 54,116 Tempo de resposta (médio) 16.91s Tempo de resposta (total) 372.03s 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
#21#21	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 3 Tokens de entrada 152,175 Tokens de saída 5,655 Tokens de raciocínio 318,807 Tempo de resposta (médio) 72.30s Tempo de resposta (total) 1590.56s Tempo de resposta (máx.) 676.83s Sem resposta: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#20#20	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 1 Tokens de entrada 109,055 Tokens de saída 6,566 Tokens de raciocínio 85,481 Tempo de resposta (médio) 23.34s Tempo de resposta (total) 513.47s Tempo de resposta (máx.) 126.60s Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#19#19	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 87.9% Testes instáveis 3 Tokens de entrada 80,668 Tokens de saída 5,617 Tokens de raciocínio 119,699 Tempo de resposta (médio) 38.97s Tempo de resposta (total) 857.43s Tempo de resposta (máx.) 332.10s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 8.8 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
#18#18	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 1 Tokens de entrada 69,756 Tokens de saída 2,166 Tokens de raciocínio 60,007 Tempo de resposta (médio) 8.48s Tempo de resposta (total) 186.57s Tempo de resposta (máx.) 76.68s Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 7.9 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0

Comparação rápida

Gemini 3.6 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard do AI Benchy

Modelos recomendados

Filtrar modelos

Comparação rápida