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: 2026-09-22 Modelos avaliados: 343

Modelos recomendados

GPT-6 Astra xhigh Inteligente Taxa de acerto por tentativa 97.0% Testes corretos 21 / 22 Pontuação 9.9/10 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 $0.040 / 1M Preço de saída $0.640 / 1M Pontuação 8.0/10

343/343

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#16#16	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 0 Tokens de entrada 80,067 Tokens de saída 5,378 Tokens de raciocínio 23,162 Tempo de resposta (médio) 10.15s Tempo de resposta (total) 223.24s Tempo de resposta (máx.) 56.19s Resposta incorreta: 3 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 : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#212#212	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 2 Tokens de entrada 218,740 Tokens de saída 90,507 Tokens de raciocínio 0 Tempo de resposta (médio) 10.05s Tempo de resposta (total) 221.13s Tempo de resposta (máx.) 186.24s Resposta incorreta: 13 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 5.5 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 : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#39#39	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
#252#252	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Ver cartão do modelo Total de testes 21 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 1 Tokens de entrada 42,283 Tokens de saída 5,913 Tokens de raciocínio 0 Tempo de resposta (médio) 9.88s Tempo de resposta (total) 207.38s Tempo de resposta (máx.) 47.10s Resposta incorreta: 10 Não seguiu as instruções: 3 Formatação extra: 1 Truques anti-IA : 3.4 Programação : 5.6 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#188#188	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 2 Tokens de entrada 102,655 Tokens de saída 29,370 Tokens de raciocínio 0 Tempo de resposta (médio) 9.86s Tempo de resposta (total) 157.77s Tempo de resposta (máx.) 123.00s Resposta incorreta: 11 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
#56#56	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
#223#223	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Ver cartão do modelo Total de testes 18 Testes errados 4 Confiabilidade N/D Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 35,955 Tokens de saída 1,647 Tokens de raciocínio 91,565 Tempo de resposta (médio) 9.75s Tempo de resposta (total) 175.48s Tempo de resposta (máx.) 31.36s Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#303#303	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Ver cartão do modelo Total de testes 18 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 48.5% Testes instáveis 5 Tokens de entrada 721,952 Tokens de saída 294,668 Tokens de raciocínio 305,374 Tempo de resposta (médio) 9.69s Tempo de resposta (total) 155.07s Tempo de resposta (máx.) 35.28s Resposta incorreta: 4 Erro de API: 2 Formatação extra: 2 Não seguiu as instruções: 2 Truques anti-IA : 6.9 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#174#174	GLM 5.2none	6.7	Z.ai	$0.103 ↓	9.65s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 112,458 Tokens de saída 14,344 Tokens de raciocínio 0 Tempo de resposta (médio) 9.65s Tempo de resposta (total) 212.38s Tempo de resposta (máx.) 79.65s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#233#233	GLM 5.3 Flashlow	5.9	Z.ai	$0.030 ↑	9.65s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.1% Testes instáveis 4 Tokens de entrada 117,551 Tokens de saída 9,199 Tokens de raciocínio 14,537 Tempo de resposta (médio) 9.65s Tempo de resposta (total) 212.22s Tempo de resposta (máx.) 90.45s Resposta incorreta: 8 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#313#313	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 25.8% Testes instáveis 4 Tokens de entrada 148,203 Tokens de saída 19,069 Tokens de raciocínio 0 Tempo de resposta (médio) 9.07s Tempo de resposta (total) 154.19s Tempo de resposta (máx.) 81.80s Resposta incorreta: 14 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 3.5 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 6.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#225#225	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade N/D Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 28,848 Tokens de saída 1,490 Tokens de raciocínio 10,102 Tempo de resposta (médio) 9.05s Tempo de resposta (total) 90.53s Tempo de resposta (máx.) 26.24s Erro de API: 4 Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 3.0 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#8#8	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 2 Tokens de entrada 78,580 Tokens de saída 4,476 Tokens de raciocínio 15,470 Tempo de resposta (médio) 9.04s Tempo de resposta (total) 198.97s Tempo de resposta (máx.) 53.91s Resposta incorreta: 4 Truques anti-IA : 8.3 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 : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#305#305	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 3 Tokens de entrada 101,513 Tokens de saída 22,992 Tokens de raciocínio 0 Tempo de resposta (médio) 8.81s Tempo de resposta (total) 140.88s Tempo de resposta (máx.) 97.15s Resposta incorreta: 14 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 5.2 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#253#253	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 9.6 Taxa de acerto por tentativa 45.5% Testes instáveis 3 Tokens de entrada 51,369 Tokens de saída 8,008 Tokens de raciocínio 58,568 Tempo de resposta (médio) 8.65s Tempo de resposta (total) 190.35s Tempo de resposta (máx.) 48.19s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#283#283	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 25.8% Testes instáveis 1 Tokens de entrada 134,227 Tokens de saída 11,808 Tokens de raciocínio 0 Tempo de resposta (médio) 8.63s Tempo de resposta (total) 146.72s Tempo de resposta (máx.) 45.14s Resposta incorreta: 14 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 3.6 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#273#273	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 18.2% Testes instáveis 0 Tokens de entrada 106,423 Tokens de saída 11,555 Tokens de raciocínio 0 Tempo de resposta (médio) 8.59s Tempo de resposta (total) 163.20s Tempo de resposta (máx.) 25.72s Resposta incorreta: 12 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#27#27	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
#14#14	GPT-6 Astramedium	9.4	OpenAI	$1.774	8.08s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 9.9 Taxa de acerto por tentativa 90.9% Testes instáveis 2 Tokens de entrada 79,264 Tokens de saída 4,789 Tokens de raciocínio 14,838 Tempo de resposta (médio) 8.08s Tempo de resposta (total) 177.70s Tempo de resposta (máx.) 73.48s Resposta incorreta: 3 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#193#193	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 56.1% 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 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
#84#84	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 101,104 Tokens de saída 29,742 Tokens de raciocínio 0 Tempo de resposta (médio) 7.73s Tempo de resposta (total) 162.40s Tempo de resposta (máx.) 38.52s Resposta incorreta: 6 Erro de API: 1 Não seguiu as instruções: 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 : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#129#129	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 123,273 Tokens de saída 19,362 Tokens de raciocínio 0 Tempo de resposta (médio) 7.67s Tempo de resposta (total) 122.78s Tempo de resposta (máx.) 51.18s Resposta incorreta: 5 Formatação extra: 4 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#107#107	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 185,547 Tokens de saída 24,866 Tokens de raciocínio 0 Tempo de resposta (médio) 7.65s Tempo de resposta (total) 168.35s Tempo de resposta (máx.) 47.72s Resposta incorreta: 6 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 5.9 Combinado : 8.3 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#44#44	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
#250#250	Gemma 4 26B A4Bnone	5.6	Google	$0.017 ↓	7.58s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 1 Tokens de entrada 131,257 Tokens de saída 15,781 Tokens de raciocínio 0 Tempo de resposta (médio) 7.58s Tempo de resposta (total) 166.82s Tempo de resposta (máx.) 57.10s Resposta incorreta: 9 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 6.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

←

1 9 10 11 14

→

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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium