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)
#110#110	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 4 Tokens de entrada 237,088 Tokens de saída 8,235 Tokens de raciocínio 102,675 Tempo de resposta (médio) 15.95s Tempo de resposta (total) 366.93s Tempo de resposta (máx.) 94.06s Resposta incorreta: 8 Não seguiu as instruções: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#325#325	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 53.6% Testes instáveis 2 Tokens de entrada 106,348 Tokens de saída 19,257 Tokens de raciocínio 0 Tempo de resposta (médio) 7.82s Tempo de resposta (total) 172.04s Tempo de resposta (máx.) 102.62s Resposta incorreta: 11 Tarefas de agentes : 0.0 Truques anti-IA : 5.2 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#189#189	Muse Glimmer 30Blow	6.9	Meta	$0.219 ↓	22.40s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 6 Tokens de entrada 307,228 Tokens de saída 36,044 Tokens de raciocínio 71,621 Tempo de resposta (médio) 22.40s Tempo de resposta (total) 515.14s Tempo de resposta (máx.) 234.92s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 2 Sem resposta: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.7 Programação : 8.1 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.0 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#121#121	MiMo-V2.6-Flashmedium	7.9	Xiaomi	$0.218	61.90s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 291,988 Tokens de saída 8,848 Tokens de raciocínio 622,995 Tempo de resposta (médio) 61.90s Tempo de resposta (total) 1423.67s Tempo de resposta (máx.) 357.28s Resposta incorreta: 6 Sem resposta: 2 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 5.9 Programação : 7.2 Combinado : 7.1 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#270#270	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.216 ↓	18.49s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 44.9% Testes instáveis 5 Tokens de entrada 299,984 Tokens de saída 69,664 Tokens de raciocínio 0 Tempo de resposta (médio) 18.49s Tempo de resposta (total) 425.33s Tempo de resposta (máx.) 206.05s Resposta incorreta: 12 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 4.8 Programação : 3.9 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#227#227	GLM 5.3low	6.5	Z.ai	$0.215 ↓	15.18s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 5 Tokens de entrada 247,871 Tokens de saída 10,791 Tokens de raciocínio 17,315 Tempo de resposta (médio) 15.18s Tempo de resposta (total) 349.06s Tempo de resposta (máx.) 83.60s Resposta incorreta: 8 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.2 Truques anti-IA : 6.9 Programação : 6.2 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#152#152	GLM 5.3 FlashXhigh	7.4	Z.ai	$0.210	14.94s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 5 Tokens de entrada 235,914 Tokens de saída 8,147 Tokens de raciocínio 89,581 Tempo de resposta (médio) 14.94s Tempo de resposta (total) 343.65s Tempo de resposta (máx.) 91.16s Resposta incorreta: 8 Formatação extra: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.2 Programação : 8.2 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 3.6 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#178#178	MiMo-V2.6-Flashlow	7.1	Xiaomi	$0.200	54.57s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 256,428 Tokens de saída 9,786 Tokens de raciocínio 575,630 Tempo de resposta (médio) 54.57s Tempo de resposta (total) 1255.15s Tempo de resposta (máx.) 345.18s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 8.4 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#176#176	Qwen3.8 Flash Nextxhigh	7.1	Qwen	~$0.195	102.66s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 72.5% Testes instáveis 6 Tokens de entrada 301,749 Tokens de saída 1,033 Tokens de raciocínio 620,023 Tempo de resposta (médio) 102.66s Tempo de resposta (total) 2361.10s Tempo de resposta (máx.) 674.08s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 7.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#359#359	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.195 ↕	81.93s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.8 Taxa de acerto por tentativa 47.8% Testes instáveis 12 Tokens de entrada 195,780 Tokens de saída 167,746 Tokens de raciocínio 598,384 Tempo de resposta (médio) 81.93s Tempo de resposta (total) 1884.31s Tempo de resposta (máx.) 437.11s Resposta incorreta: 13 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 2.8 Truques anti-IA : 6.9 Programação : 4.4 Combinado : 6.2 Análise e extração de dados : 3.7 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 4.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#385#385	GLM 4.7 Flashmedium	4.2	Z.ai	$0.193	150.90s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.4 Taxa de acerto por tentativa 30.4% Testes instáveis 8 Tokens de entrada 228,711 Tokens de saída 42,254 Tokens de raciocínio 422,121 Tempo de resposta (médio) 150.90s Tempo de resposta (total) 2414.33s Tempo de resposta (máx.) 1539.97s Resposta incorreta: 10 Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 Tarefas de agentes : 3.9 Truques anti-IA : 4.7 Programação : 3.2 Combinado : 2.9 Análise e extração de dados : 6.3 Específico do domínio : 3.5 Inteligência geral : 3.6 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#277#277	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Ver cartão do modelo Total de testes 23 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 43.5% Testes instáveis 2 Tokens de entrada 278,866 Tokens de saída 82,069 Tokens de raciocínio 0 Tempo de resposta (médio) 9.66s Tempo de resposta (total) 222.07s Tempo de resposta (máx.) 106.86s Resposta incorreta: 10 Formatação extra: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.5 Programação : 5.6 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#197#197	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 349,177 Tokens de saída 54,279 Tokens de raciocínio 477,389 Tempo de resposta (médio) 83.68s Tempo de resposta (total) 1840.92s Tempo de resposta (máx.) 515.38s Resposta incorreta: 5 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 3.7 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#247#247	Gemini 3.5 Flash Litelow	6.3	Google	$0.183	4.79s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 275,779 Tokens de saída 14,401 Tokens de raciocínio 25,511 Tempo de resposta (médio) 4.79s Tempo de resposta (total) 110.24s Tempo de resposta (máx.) 53.91s Resposta incorreta: 9 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 9.0 Programação : 4.3 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#26#26	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.7% Testes instáveis 2 Tokens de entrada 188,519 Tokens de saída 7,694 Tokens de raciocínio 30,759 Tempo de resposta (médio) 6.24s Tempo de resposta (total) 143.56s Tempo de resposta (máx.) 58.75s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#296#296	Seed 2.1 Turbonone	5.7	Bytedance Seed	$0.182	9.65s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 52.2% Testes instáveis 3 Tokens de entrada 298,242 Tokens de saída 13,105 Tokens de raciocínio 0 Tempo de resposta (médio) 9.65s Tempo de resposta (total) 221.91s Tempo de resposta (máx.) 71.45s Resposta incorreta: 12 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.8 Programação : 4.5 Combinado : 3.8 Análise e extração de dados : 7.1 Específico do domínio : 7.7 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#128#128	Qwen3.7 Plusnone	7.8	Qwen	$0.178 ↓	17.80s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 0 Tokens de entrada 250,495 Tokens de saída 76,261 Tokens de raciocínio 0 Tempo de resposta (médio) 17.80s Tempo de resposta (total) 409.51s Tempo de resposta (máx.) 206.03s Resposta incorreta: 9 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 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
#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
#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
#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
#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
#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
#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
#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

←

1 9 10 11 18

→

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