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)
#225#225	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
#280#280	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Ver cartão do modelo Total de testes 21 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 6 Tokens de entrada 37,449 Tokens de saída 1,677 Tokens de raciocínio 116,703 Tempo de resposta (médio) 39.90s Tempo de resposta (total) 797.98s Tempo de resposta (máx.) 309.02s Resposta incorreta: 9 Não seguiu as instruções: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 4.2 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#286#286	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 30.3% Testes instáveis 1 Tokens de entrada 40,597 Tokens de saída 1,657 Tokens de raciocínio 0 Tempo de resposta (médio) 1.19s Tempo de resposta (total) 21.43s Tempo de resposta (máx.) 6.48s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.0 Programação : 1.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#292#292	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 37.9% Testes instáveis 4 Tokens de entrada 34,329 Tokens de saída 2,264 Tokens de raciocínio 0 Tempo de resposta (médio) 4.70s Tempo de resposta (total) 79.86s Tempo de resposta (máx.) 15.17s Resposta incorreta: 9 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 3.5 Programação : 9.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#293#293	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 41,313 Tokens de saída 1,923 Tokens de raciocínio 0 Tempo de resposta (médio) 1.11s Tempo de resposta (total) 19.96s Tempo de resposta (máx.) 6.04s Resposta incorreta: 10 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 1.1 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#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
#185#185	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
#190#190	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 1 Tokens de entrada 139,797 Tokens de saída 30,947 Tokens de raciocínio 0 Tempo de resposta (médio) 3.73s Tempo de resposta (total) 81.95s Tempo de resposta (máx.) 48.79s Resposta incorreta: 12 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.1 Programação : 5.4 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 : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#200#200	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 2 Tokens de entrada 282,356 Tokens de saída 209,201 Tokens de raciocínio 0 Tempo de resposta (médio) 25.28s Tempo de resposta (total) 556.14s Tempo de resposta (máx.) 480.96s Resposta incorreta: 14 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 2.9 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 : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#209#209	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 2 Tokens de entrada 108,641 Tokens de saída 8,339 Tokens de raciocínio 0 Tempo de resposta (médio) 2.08s Tempo de resposta (total) 45.75s Tempo de resposta (máx.) 15.63s Resposta incorreta: 14 Não seguiu as instruções: 1 Truques anti-IA : 3.2 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#210#210	Solar Pro 4none	5.8	Upstage	$0.006	5.37s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 1 Tokens de entrada 130,863 Tokens de saída 11,912 Tokens de raciocínio 0 Tempo de resposta (médio) 5.37s Tempo de resposta (total) 118.06s Tempo de resposta (máx.) 64.67s Resposta incorreta: 14 Sem resposta: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#220#220	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 42.4% Testes instáveis 5 Tokens de entrada 50,423 Tokens de saída 4,144 Tokens de raciocínio 110,510 Tempo de resposta (médio) 15.87s Tempo de resposta (total) 349.16s Tempo de resposta (máx.) 118.35s Resposta incorreta: 9 Erro de API: 3 Formatação extra: 3 Truques anti-IA : 6.9 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#229#229	Qwen3.6 27Bnone	5.5	Qwen	$0.116 ↑	10.62s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 6 Tokens de entrada 95,805 Tokens de saída 16,156 Tokens de raciocínio 0 Tempo de resposta (médio) 10.62s Tempo de resposta (total) 233.68s Tempo de resposta (máx.) 156.31s Resposta incorreta: 11 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 3.8 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 5.2 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#235#235	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.9 Taxa de acerto por tentativa 43.9% Testes instáveis 6 Tokens de entrada 61,094 Tokens de saída 6,532 Tokens de raciocínio 53,882 Tempo de resposta (médio) 10.63s Tempo de resposta (total) 233.77s Tempo de resposta (máx.) 86.23s Resposta incorreta: 7 Formatação extra: 4 Erro de API: 2 Não seguiu as instruções: 2 Truques anti-IA : 7.3 Programação : 3.5 Combinado : 6.4 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#249#249	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 8.7 Taxa de acerto por tentativa 34.9% Testes instáveis 1 Tokens de entrada 52,909 Tokens de saída 7,058 Tokens de raciocínio 12,272 Tempo de resposta (médio) 45.97s Tempo de resposta (total) 1011.42s Tempo de resposta (máx.) 557.96s Resposta incorreta: 9 Tempo esgotado: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.4 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#253#253	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.0 Taxa de acerto por tentativa 31.8% Testes instáveis 0 Tokens de entrada 74,721 Tokens de saída 9,205 Tokens de raciocínio 18,723 Tempo de resposta (médio) 54.36s Tempo de resposta (total) 1195.97s Tempo de resposta (máx.) 566.80s Resposta incorreta: 10 Tempo esgotado: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#294#294	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 6 Tokens de entrada 39,481 Tokens de saída 54,218 Tokens de raciocínio 0 Tempo de resposta (médio) 6.73s Tempo de resposta (total) 100.98s Tempo de resposta (máx.) 29.11s Resposta incorreta: 6 Erro de API: 4 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 2.1 Combinado : 1.5 Análise e extração de dados : 7.1 Específico do domínio : 4.1 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#307#307	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 2 Tokens de entrada 9,081 Tokens de saída 51,664 Tokens de raciocínio 0 Tempo de resposta (médio) 21.61s Tempo de resposta (total) 345.79s Tempo de resposta (máx.) 113.71s Resposta incorreta: 8 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#257#257	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 2 Tokens de entrada 32,525 Tokens de saída 1,815 Tokens de raciocínio 0 Tempo de resposta (médio) 2.82s Tempo de resposta (total) 59.29s Tempo de resposta (máx.) 8.21s Resposta incorreta: 13 Não seguiu as instruções: 2 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#290#290	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade N/D Taxa de acerto por tentativa 28.8% Testes instáveis 1 Tokens de entrada 33,744 Tokens de saída 2,596 Tokens de raciocínio 0 Tempo de resposta (médio) 1.27s Tempo de resposta (total) 22.82s Tempo de resposta (máx.) 3.70s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#201#201	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.142 ↑	12.73s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 4 Tokens de entrada 134,530 Tokens de saída 86,616 Tokens de raciocínio 0 Tempo de resposta (médio) 12.73s Tempo de resposta (total) 279.97s Tempo de resposta (máx.) 209.15s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.5 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#207#207	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 31.8% Testes instáveis 2 Tokens de entrada 79,076 Tokens de saída 7,898 Tokens de raciocínio 0 Tempo de resposta (médio) 1.58s Tempo de resposta (total) 34.86s Tempo de resposta (máx.) 9.92s Resposta incorreta: 13 Não seguiu as instruções: 3 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
#215#215	Ling-3.0-flashnone	5.7	Inclusionai	$0.004 ↕	3.56s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 123,993 Tokens de saída 12,777 Tokens de raciocínio 0 Tempo de resposta (médio) 3.56s Tempo de resposta (total) 74.74s Tempo de resposta (máx.) 17.51s Resposta incorreta: 13 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#217#217	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 2 Tokens de entrada 116,983 Tokens de saída 30,249 Tokens de raciocínio 0 Tempo de resposta (médio) 19.57s Tempo de resposta (total) 430.58s Tempo de resposta (máx.) 238.89s Resposta incorreta: 12 Não seguiu as instruções: 3 Sem resposta: 1 Truques anti-IA : 4.6 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#218#218	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.283 ↑	12.93s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 2 Tokens de entrada 241,575 Tokens de saída 88,459 Tokens de raciocínio 0 Tempo de resposta (médio) 12.93s Tempo de resposta (total) 284.39s Tempo de resposta (máx.) 212.63s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 3.7 Combinado : 5.2 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

←

1 9 10 11 13

→

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