AI BENCHY

Leaderboard de Benchmark de IA

Acompanhe os principais modelos de IA SOTA no leaderboard de benchmarks da AI BENCHY — uma forma simples de ver quais modelos lideram agora em pontuação, qualidade de raciocínio, confiabilidade e valor. Ordenar por: Custo por resultado ↑.

Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-03-06 Modelos avaliados: 55

Pesquisar 0/0

Posição	Modelo	Empresa	Pontuação	Custo por resultado	Custo total	Tempo de resposta (médio)
🥇 #1	Step 3.5 Flashmedium	Stepfun	7.4	0.000	$0.000	29.10s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 68.8% Testes instáveis: 2 Tokens de saída: 71,452 Tokens de raciocínio: 155,147 Tempo de resposta: médio 29.10s · total 290.96s · máx. 170.45s Não seguiu as instruções: 3 Resposta incorreta: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 6.0 Instructions following: 9.0 Puzzle Solving: 4.0 Tool Calling: 10.0
🥈 #2	Trinity Large Previewnone	Arcee AI	4.2	0.000	$0.000	3.15s
Ver cartão do modelo Total de testes: 16 Testes errados: 11 Taxa de acerto por tentativa: 33.3% Testes instáveis: 1 Tokens de saída: 1,837 Tokens de raciocínio: 0 Tempo de resposta: médio 3.15s · total 50.46s · máx. 8.91s Resposta incorreta: 9 Não seguiu as instruções: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 3.5 Puzzle Solving: 4.0 Tool Calling: 10.0
🥉 #3	LFM2-24B-A2Bnone	Liquid	2.6	0.047	$0.001	811ms
Ver cartão do modelo Total de testes: 16 Testes errados: 15 Taxa de acerto por tentativa: 14.6% Testes instáveis: 2 Tokens de saída: 1,185 Tokens de raciocínio: 0 Tempo de resposta: médio 811ms · total 11.35s · máx. 2.88s Resposta incorreta: 9 Erro de API: 4 Não seguiu as instruções: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 4.5 Puzzle Solving: 3.3 Tool Calling: 10.0
#4	GLM 4.7 Flashnone	Z.ai	3.9	0.066	$0.003	2.99s
Ver cartão do modelo Total de testes: 16 Testes errados: 12 Taxa de acerto por tentativa: 35.4% Testes instáveis: 3 Tokens de saída: 1,855 Tokens de raciocínio: 0 Tempo de resposta: médio 2.99s · total 26.90s · máx. 7.05s Resposta incorreta: 9 Não seguiu as instruções: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 7.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 3.7 Tool Calling: 10.0
#5	Qwen3.5-Flashnone	Qwen	5.2	0.077	$0.006	3.54s
Ver cartão do modelo Total de testes: 16 Testes errados: 9 Taxa de acerto por tentativa: 45.8% Testes instáveis: 1 Tokens de saída: 3,774 Tokens de raciocínio: 0 Tempo de resposta: médio 3.54s · total 56.70s · máx. 13.73s Resposta incorreta: 8 Não seguiu as instruções: 1 Anti-AI Tricks: 2.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 5.0 Puzzle Solving: 1.3 Tool Calling: 10.0
#6	GPT-4o-mininone	OpenAI	4.0	0.114	$0.005	2.07s
Ver cartão do modelo Total de testes: 16 Testes errados: 12 Taxa de acerto por tentativa: 25.0% Testes instáveis: 0 Tokens de saída: 1,594 Tokens de raciocínio: 0 Tempo de resposta: médio 2.07s · total 18.60s · máx. 7.58s Resposta incorreta: 11 Não seguiu as instruções: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 4.5 Puzzle Solving: 2.3 Tool Calling: 10.0
#7	gpt-oss-120bmedium	OpenAI	5.1	0.135	$0.010	16.65s
Ver cartão do modelo Total de testes: 16 Testes errados: 9 Taxa de acerto por tentativa: 54.2% Testes instáveis: 5 Tokens de saída: 13,210 Tokens de raciocínio: 34,230 Tempo de resposta: médio 16.65s · total 149.88s · máx. 50.92s Resposta incorreta: 5 Não seguiu as instruções: 4 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 9.5 Puzzle Solving: 1.7 Tool Calling: 9.0
#8	Gemini 3.1 Flash Lite Previewnone	Google	7.1	0.144	$0.015	1.33s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 66.7% Testes instáveis: 1 Tokens de saída: 4,715 Tokens de raciocínio: 0 Tempo de resposta: médio 1.33s · total 21.27s · máx. 3.39s Resposta incorreta: 4 Não seguiu as instruções: 2 Anti-AI Tricks: 6.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#9	Mercury 2none	Inception	3.4	0.153	$0.007	596ms
Ver cartão do modelo Total de testes: 16 Testes errados: 12 Taxa de acerto por tentativa: 31.3% Testes instáveis: 2 Tokens de saída: 1,303 Tokens de raciocínio: 0 Tempo de resposta: médio 596ms · total 9.54s · máx. 1.27s Resposta incorreta: 11 Não seguiu as instruções: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#10	Gemini 3 Flash Previewnone	Google	7.2	0.169	$0.019	1.75s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 75.0% Testes instáveis: 2 Tokens de saída: 1,411 Tokens de raciocínio: 0 Tempo de resposta: médio 1.75s · total 15.71s · máx. 3.56s Resposta incorreta: 5 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 5.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#11	Qwen3.5 Plus 2026-02-15none	Qwen	6.2	0.172	$0.016	2.65s
Ver cartão do modelo Total de testes: 16 Testes errados: 7 Taxa de acerto por tentativa: 58.3% Testes instáveis: 1 Tokens de saída: 2,015 Tokens de raciocínio: 0 Tempo de resposta: médio 2.65s · total 26.52s · máx. 6.65s Resposta incorreta: 7 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#12	Qwen3 Coder Nextnone	Qwen	4.0	0.174	$0.007	11.68s
Ver cartão do modelo Total de testes: 16 Testes errados: 12 Taxa de acerto por tentativa: 25.0% Testes instáveis: 0 Tokens de saída: 3,026 Tokens de raciocínio: 0 Tempo de resposta: médio 11.68s · total 116.76s · máx. 45.14s Resposta incorreta: 10 Formatação extra: 1 Não seguiu as instruções: 1 Anti-AI Tricks: 2.3 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 4.5 Puzzle Solving: 1.3 Tool Calling: 10.0
#13	Gemini 3.1 Flash Lite Previewlow	Google	7.3	0.177	$0.020	3.36s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 68.8% Testes instáveis: 0 Tokens de saída: 1,611 Tokens de raciocínio: 7,272 Tempo de resposta: médio 3.36s · total 53.84s · máx. 11.91s Resposta incorreta: 4 Não seguiu as instruções: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#14	Gemini 2.5 Flashnone	Google	5.2	0.191	$0.012	923ms
Ver cartão do modelo Total de testes: 16 Testes errados: 10 Taxa de acerto por tentativa: 43.8% Testes instáveis: 2 Tokens de saída: 1,270 Tokens de raciocínio: 0 Tempo de resposta: médio 923ms · total 14.78s · máx. 4.39s Resposta incorreta: 9 Não seguiu as instruções: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 9.0 Puzzle Solving: 4.7 Tool Calling: 10.0
#15	GLM 5none	Z.ai	6.0	0.200	$0.018	4.03s
Ver cartão do modelo Total de testes: 16 Testes errados: 7 Taxa de acerto por tentativa: 56.3% Testes instáveis: 0 Tokens de saída: 1,548 Tokens de raciocínio: 0 Tempo de resposta: médio 4.03s · total 36.30s · máx. 11.07s Resposta incorreta: 7 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#16	DeepSeek V3.2none	DeepSeek	5.5	0.220	$0.016	12.86s
Ver cartão do modelo Total de testes: 16 Testes errados: 9 Taxa de acerto por tentativa: 54.2% Testes instáveis: 3 Tokens de saída: 7,823 Tokens de raciocínio: 0 Tempo de resposta: médio 12.86s · total 205.78s · máx. 115.89s Resposta incorreta: 6 Formatação extra: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 10.0 Combined: 8.0 Data parsing and extraction: 5.4 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.7 Tool Calling: 10.0
#17	DeepSeek V3.2medium	DeepSeek	7.3	0.225	$0.025	39.48s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 79.2% Testes instáveis: 3 Tokens de saída: 7,392 Tokens de raciocínio: 39,089 Tempo de resposta: médio 39.48s · total 631.71s · máx. 93.11s Resposta incorreta: 3 Não seguiu as instruções: 1 Tempo esgotado: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#18	Qwen3 Coder Nextmedium	Qwen	3.5	0.230	$0.007	12.53s
Ver cartão do modelo Total de testes: 16 Testes errados: 13 Taxa de acerto por tentativa: 27.1% Testes instáveis: 2 Tokens de saída: 2,935 Tokens de raciocínio: 0 Tempo de resposta: médio 12.53s · total 125.32s · máx. 81.80s Resposta incorreta: 8 Não seguiu as instruções: 5 Anti-AI Tricks: 1.3 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 6.0 Instructions following: 4.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#19	Qwen3.5-35B-A3Bnone	Qwen	4.7	0.237	$0.015	4.10s
Ver cartão do modelo Total de testes: 16 Testes errados: 10 Taxa de acerto por tentativa: 50.0% Testes instáveis: 3 Tokens de saída: 3,756 Tokens de raciocínio: 0 Tempo de resposta: médio 4.10s · total 65.62s · máx. 47.43s Resposta incorreta: 8 Não seguiu as instruções: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 6.0 Instructions following: 5.0 Puzzle Solving: 1.7 Tool Calling: 10.0
#20	Grok 4.1 Fastnone	X AI	2.9	0.247	$0.008	1.90s
Ver cartão do modelo Total de testes: 16 Testes errados: 13 Taxa de acerto por tentativa: 25.0% Testes instáveis: 2 Tokens de saída: 1,148 Tokens de raciocínio: 0 Tempo de resposta: médio 1.90s · total 17.14s · máx. 5.51s Resposta incorreta: 11 Não seguiu as instruções: 2 Anti-AI Tricks: 1.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 1.3 Tool Calling: 10.0
#21	Seed-2.0-Minimedium	Bytedance Seed	6.9	0.280	$0.028	65.09s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 68.8% Testes instáveis: 2 Tokens de saída: 1,965 Tokens de raciocínio: 58,456 Tempo de resposta: médio 65.09s · total 846.14s · máx. 262.83s Tempo esgotado: 4 Não seguiu as instruções: 1 Resposta incorreta: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 6.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#22	Kimi K2.5none	Moonshot AI	4.1	0.295	$0.015	11.91s
Ver cartão do modelo Total de testes: 16 Testes errados: 11 Taxa de acerto por tentativa: 39.6% Testes instáveis: 3 Tokens de saída: 2,000 Tokens de raciocínio: 0 Tempo de resposta: médio 11.91s · total 107.16s · máx. 42.13s Resposta incorreta: 11 Anti-AI Tricks: 2.7 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#23	Qwen3.5-27Bnone	Qwen	4.9	0.302	$0.016	1.75s
Ver cartão do modelo Total de testes: 16 Testes errados: 11 Taxa de acerto por tentativa: 37.5% Testes instáveis: 2 Tokens de saída: 3,161 Tokens de raciocínio: 0 Tempo de resposta: médio 1.75s · total 28.05s · máx. 9.39s Resposta incorreta: 9 Não seguiu as instruções: 2 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 5.0 Instructions following: 4.5 Puzzle Solving: 6.3 Tool Calling: 10.0
#24	MiMo-V2-Flashmedium	Xiaomi	7.2	0.316	$0.035	25.33s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 72.9% Testes instáveis: 1 Tokens de saída: 11,613 Tokens de raciocínio: 106,714 Tempo de resposta: médio 25.33s · total 253.33s · máx. 96.01s Resposta incorreta: 3 Erro de API: 1 Não seguiu as instruções: 1 Anti-AI Tricks: 9.7 Combined: 9.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#25	Qwen3.5-122B-A10Bnone	Qwen	5.0	0.333	$0.020	3.72s
Ver cartão do modelo Total de testes: 16 Testes errados: 10 Taxa de acerto por tentativa: 39.6% Testes instáveis: 1 Tokens de saída: 2,679 Tokens de raciocínio: 0 Tempo de resposta: médio 3.72s · total 59.46s · máx. 46.00s Resposta incorreta: 9 Não seguiu as instruções: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 4.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#26	Gemini 3.1 Flash Lite Previewmedium	Google	7.5	0.443	$0.049	3.83s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 68.8% Testes instáveis: 0 Tokens de saída: 1,731 Tokens de raciocínio: 25,821 Tempo de resposta: médio 3.83s · total 61.25s · máx. 14.93s Resposta incorreta: 4 Não seguiu as instruções: 1 Anti-AI Tricks: 9.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#27	Grok 4.1 Fastmedium	X AI	6.2	0.563	$0.051	26.35s
Ver cartão do modelo Total de testes: 16 Testes errados: 7 Taxa de acerto por tentativa: 66.7% Testes instáveis: 4 Tokens de saída: 1,183 Tokens de raciocínio: 83,875 Tempo de resposta: médio 26.35s · total 237.11s · máx. 121.79s Não seguiu as instruções: 3 Resposta incorreta: 2 Sem resposta: 1 Tempo esgotado: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#28	Gemini 3 Flash Previewlow	Google	8.2	0.607	$0.079	6.11s
Ver cartão do modelo Total de testes: 16 Testes errados: 3 Taxa de acerto por tentativa: 83.3% Testes instáveis: 1 Tokens de saída: 1,586 Tokens de raciocínio: 19,950 Tempo de resposta: médio 6.11s · total 97.74s · máx. 14.72s Resposta incorreta: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#29	Mercury 2medium	Inception	5.3	0.631	$0.045	2.36s
Ver cartão do modelo Total de testes: 16 Testes errados: 9 Taxa de acerto por tentativa: 54.2% Testes instáveis: 3 Tokens de saída: 3,708 Tokens de raciocínio: 45,921 Tempo de resposta: médio 2.36s · total 35.39s · máx. 14.63s Resposta incorreta: 5 Não seguiu as instruções: 4 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 1.7 Tool Calling: 10.0
#30	Qwen3.5-Flashmedium	Qwen	6.9	0.720	$0.072	70.81s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 81.3% Testes instáveis: 5 Tokens de saída: 1,807 Tokens de raciocínio: 169,952 Tempo de resposta: médio 70.81s · total 1132.90s · máx. 234.29s Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Resposta incorreta: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#31	MiMo-V2-Flashnone	Xiaomi	2.9	0.743	$0.023	2.97s
Ver cartão do modelo Total de testes: 16 Testes errados: 13 Taxa de acerto por tentativa: 29.2% Testes instáveis: 4 Tokens de saída: 67,790 Tokens de raciocínio: 0 Tempo de resposta: médio 2.97s · total 35.60s · máx. 19.68s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#32	GPT-5 Nanomedium	OpenAI	5.5	0.856	$0.060	47.94s
Ver cartão do modelo Total de testes: 16 Testes errados: 9 Taxa de acerto por tentativa: 60.4% Testes instáveis: 6 Tokens de saída: 4,386 Tokens de raciocínio: 142,080 Tempo de resposta: médio 47.94s · total 431.47s · máx. 204.02s Resposta incorreta: 5 Não seguiu as instruções: 3 Tempo esgotado: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 9.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#33	GLM 5medium	Z.ai	7.4	0.933	$0.103	16.16s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 83.3% Testes instáveis: 4 Tokens de saída: 19,773 Tokens de raciocínio: 36,459 Tempo de resposta: médio 16.16s · total 129.26s · máx. 28.96s Resposta incorreta: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.0 Domain specific: 10.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#34	Gemini 3 Flash Previewmedium	Google	10.0	1.025	$0.164	12.36s
Ver cartão do modelo Total de testes: 16 Testes errados: 0 Taxa de acerto por tentativa: 100.0% Testes instáveis: 0 Tokens de saída: 1,634 Tokens de raciocínio: 47,907 Tempo de resposta: médio 12.36s · total 111.21s · máx. 50.16s Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#35	GLM 4.7 Flashmedium	Z.ai	3.1	1.040	$0.042	36.84s
Ver cartão do modelo Total de testes: 16 Testes errados: 12 Taxa de acerto por tentativa: 41.7% Testes instáveis: 7 Tokens de saída: 38,682 Tokens de raciocínio: 64,952 Tempo de resposta: médio 36.84s · total 331.58s · máx. 174.55s Resposta incorreta: 7 Não seguiu as instruções: 2 Sem resposta: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 5.0 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 5.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#36	Qwen3.5 Plus 2026-02-15medium	Qwen	8.3	1.264	$0.165	34.45s
Ver cartão do modelo Total de testes: 16 Testes errados: 3 Taxa de acerto por tentativa: 85.4% Testes instáveis: 1 Tokens de saída: 1,735 Tokens de raciocínio: 77,212 Tempo de resposta: médio 34.45s · total 310.09s · máx. 79.86s Tempo esgotado: 2 Resposta incorreta: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#37	GPT-5 Minimedium	OpenAI	6.0	1.457	$0.117	25.14s
Ver cartão do modelo Total de testes: 16 Testes errados: 8 Taxa de acerto por tentativa: 58.3% Testes instáveis: 2 Tokens de saída: 5,826 Tokens de raciocínio: 48,768 Tempo de resposta: médio 25.14s · total 402.29s · máx. 88.15s Não seguiu as instruções: 4 Resposta incorreta: 3 Tempo esgotado: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 7.5 Puzzle Solving: 4.3 Tool Calling: 10.0
#38	Gemini 3 Pro Previewmedium	Google	8.2	1.477	$0.192	7.15s
Ver cartão do modelo Total de testes: 16 Testes errados: 3 Taxa de acerto por tentativa: 81.3% Testes instáveis: 0 Tokens de saída: 1,502 Tokens de raciocínio: 9,706 Tempo de resposta: médio 7.15s · total 64.34s · máx. 11.96s Resposta incorreta: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#39	GPT-5.4none	OpenAI	4.5	1.562	$0.094	1.48s
Ver cartão do modelo Total de testes: 16 Testes errados: 10 Taxa de acerto por tentativa: 41.7% Testes instáveis: 2 Tokens de saída: 1,819 Tokens de raciocínio: 0 Tempo de resposta: médio 1.48s · total 23.64s · máx. 2.89s Resposta incorreta: 9 Não seguiu as instruções: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#40	Kimi K2.5medium	Moonshot AI	6.4	2.171	$0.196	69.83s
Ver cartão do modelo Total de testes: 16 Testes errados: 7 Taxa de acerto por tentativa: 72.9% Testes instáveis: 5 Tokens de saída: 38,453 Tokens de raciocínio: 72,496 Tempo de resposta: médio 69.83s · total 628.45s · máx. 137.29s Resposta incorreta: 3 Não seguiu as instruções: 2 Sem resposta: 1 Tempo esgotado: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 6.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#41	GPT-5.2 Chatnone	OpenAI	7.4	2.440	$0.269	7.03s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 75.0% Testes instáveis: 2 Tokens de saída: 15,845 Tokens de raciocínio: 0 Tempo de resposta: médio 7.03s · total 112.51s · máx. 38.52s Resposta incorreta: 4 Não seguiu as instruções: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 6.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#42	Claude Sonnet 4.6none	Anthropic	6.8	2.504	$0.251	5.57s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 66.7% Testes instáveis: 1 Tokens de saída: 6,895 Tokens de raciocínio: 0 Tempo de resposta: médio 5.57s · total 50.12s · máx. 23.84s Formatação extra: 3 Resposta incorreta: 2 Não seguiu as instruções: 1 Anti-AI Tricks: 4.0 Combined: 9.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 5.0 Instructions following: 5.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#43	Gemini 2.5 Flashmedium	Google	7.4	2.619	$0.288	12.35s
Ver cartão do modelo Total de testes: 16 Testes errados: 5 Taxa de acerto por tentativa: 72.9% Testes instáveis: 1 Tokens de saída: 1,370 Tokens de raciocínio: 110,522 Tempo de resposta: médio 12.35s · total 197.62s · máx. 95.48s Resposta incorreta: 4 Não seguiu as instruções: 1 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 9.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#44	GPT-5.2medium	OpenAI	6.5	3.125	$0.313	15.33s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 75.0% Testes instáveis: 4 Tokens de saída: 2,220 Tokens de raciocínio: 16,811 Tempo de resposta: médio 15.33s · total 138.01s · máx. 77.80s Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Resposta incorreta: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#45	GPT-5.3 Chatnone	OpenAI	7.3	3.163	$0.317	5.96s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 70.8% Testes instáveis: 3 Tokens de saída: 19,272 Tokens de raciocínio: 0 Tempo de resposta: médio 5.96s · total 95.30s · máx. 18.33s Resposta incorreta: 4 Não seguiu as instruções: 2 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 9.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#46	Gemini 3.1 Pro Previewmedium	Google	9.4	3.417	$0.513	16.60s
Ver cartão do modelo Total de testes: 16 Testes errados: 1 Taxa de acerto por tentativa: 93.8% Testes instáveis: 0 Tokens de saída: 1,521 Tokens de raciocínio: 35,656 Tempo de resposta: médio 16.60s · total 149.36s · máx. 40.61s Resposta incorreta: 1 Anti-AI Tricks: 10.0 Combined: 9.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#47	Qwen3.5-27Bmedium	Qwen	8.2	3.585	$0.431	52.13s
Ver cartão do modelo Total de testes: 16 Testes errados: 4 Taxa de acerto por tentativa: 81.3% Testes instáveis: 2 Tokens de saída: 1,658 Tokens de raciocínio: 200,786 Tempo de resposta: médio 52.13s · total 834.16s · máx. 163.96s Não seguiu as instruções: 2 Tempo esgotado: 1 Resposta incorreta: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 8.3 Tool Calling: 10.0
#48	Qwen3.5-122B-A10Bmedium	Qwen	7.7	4.095	$0.492	29.74s
Ver cartão do modelo Total de testes: 16 Testes errados: 4 Taxa de acerto por tentativa: 79.2% Testes instáveis: 2 Tokens de saída: 17,292 Tokens de raciocínio: 145,625 Tempo de resposta: médio 29.74s · total 475.83s · máx. 119.29s Resposta incorreta: 3 Tempo esgotado: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#49	Qwen3.5-35B-A3Bmedium	Qwen	5.5	4.251	$0.341	43.93s
Ver cartão do modelo Total de testes: 16 Testes errados: 8 Taxa de acerto por tentativa: 77.1% Testes instáveis: 7 Tokens de saída: 5,495 Tokens de raciocínio: 169,266 Tempo de resposta: médio 43.93s · total 702.85s · máx. 106.00s Tempo esgotado: 4 Resposta incorreta: 2 Erro de API: 1 Sem resposta: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#50	GPT-5.3-Codexmedium	OpenAI	8.4	4.485	$0.539	16.59s
Ver cartão do modelo Total de testes: 16 Testes errados: 4 Taxa de acerto por tentativa: 83.3% Testes instáveis: 2 Tokens de saída: 1,764 Tokens de raciocínio: 33,348 Tempo de resposta: médio 16.59s · total 265.39s · máx. 100.93s Não seguiu as instruções: 2 Resposta incorreta: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 9.3 Tool Calling: 10.0
#51	MiniMax M2.5medium	Minimax	4.7	4.981	$0.250	43.03s
Ver cartão do modelo Total de testes: 16 Testes errados: 11 Taxa de acerto por tentativa: 60.4% Testes instáveis: 9 Tokens de saída: 107,044 Tokens de raciocínio: 206,190 Tempo de resposta: médio 43.03s · total 387.25s · máx. 237.27s Resposta incorreta: 5 Não seguiu as instruções: 3 Tempo esgotado: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 9.3 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 8.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#52	GPT-5.4medium	OpenAI	8.0	6.601	$0.793	20.05s
Ver cartão do modelo Total de testes: 16 Testes errados: 4 Taxa de acerto por tentativa: 83.3% Testes instáveis: 3 Tokens de saída: 1,756 Tokens de raciocínio: 46,642 Tempo de resposta: médio 20.05s · total 320.87s · máx. 100.41s Não seguiu as instruções: 2 Resposta incorreta: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#53	Claude Sonnet 4.6medium	Anthropic	7.7	8.525	$1.023	11.23s
Ver cartão do modelo Total de testes: 16 Testes errados: 4 Taxa de acerto por tentativa: 77.1% Testes instáveis: 1 Tokens de saída: 35,159 Tokens de raciocínio: 24,687 Tempo de resposta: médio 11.23s · total 89.84s · máx. 46.35s Formatação extra: 2 Tempo esgotado: 1 Resposta incorreta: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#54	Claude Opus 4.6medium	Anthropic	6.6	13.118	$1.312	22.86s
Ver cartão do modelo Total de testes: 16 Testes errados: 6 Taxa de acerto por tentativa: 66.7% Testes instáveis: 2 Tokens de saída: 26,254 Tokens de raciocínio: 17,363 Tempo de resposta: médio 22.86s · total 205.71s · máx. 83.40s Formatação extra: 4 Resposta incorreta: 2 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#55	Gemini 3.1 Flash Lite Previewhigh	Google	8.2	19.243	$2.310	68.83s
Ver cartão do modelo Total de testes: 16 Testes errados: 4 Taxa de acerto por tentativa: 77.1% Testes instáveis: 1 Tokens de saída: 1,283 Tokens de raciocínio: 1,533,310 Tempo de resposta: médio 68.83s · total 1101.32s · máx. 280.52s Resposta incorreta: 3 Não seguiu as instruções: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.0 Puzzle Solving: 7.0 Tool Calling: 10.0

Comparação rápida