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: 2026-09-04 Modelos avaliados: 316

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

316/316

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#314#314	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Ver cartão do modelo Total de testes 19 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 15.2% Testes instáveis 2 Tokens de entrada 11,661 Tokens de saída 1,302 Tokens de raciocínio 0 Tempo de resposta (médio) 728ms Tempo de resposta (total) 9.47s Tempo de resposta (máx.) 2.21s Resposta incorreta: 9 Erro de API: 6 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#315#315	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 1,971 Tokens de saída 64,795 Tokens de raciocínio 0 Tempo de resposta (médio) 39.03s Tempo de resposta (total) 312.26s Tempo de resposta (máx.) 114.12s Erro de API: 4 Não seguiu as instruções: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 9.8 Combinado : 1.5 Análise e extração de dados : 1.5 Específico do domínio : 3.3 Inteligência geral : 4.0 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#4#4	GPT-6 Astrahigh	9.9	OpenAI	$3.474	18.65s
Ver cartão do modelo Total de testes 22 Testes errados 1 Confiabilidade 9.9 Taxa de acerto por tentativa 97.0% Testes instáveis 1 Tokens de entrada 79,290 Tokens de saída 4,847 Tokens de raciocínio 48,775 Tempo de resposta (médio) 18.65s Tempo de resposta (total) 410.28s Tempo de resposta (máx.) 254.93s Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#5#5	GPT-6 Astraxhigh	9.9	OpenAI	$5.156	28.44s
Ver cartão do modelo Total de testes 22 Testes errados 1 Confiabilidade 9.9 Taxa de acerto por tentativa 97.0% Testes instáveis 1 Tokens de entrada 79,662 Tokens de saída 5,055 Tokens de raciocínio 82,128 Tempo de resposta (médio) 28.44s Tempo de resposta (total) 625.68s Tempo de resposta (máx.) 381.11s Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#9#9	GPT-6 Astralow	9.5	OpenAI	$1.289	5.09s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 9.9 Taxa de acerto por tentativa 90.9% Testes instáveis 0 Tokens de entrada 78,100 Tokens de saída 4,155 Tokens de raciocínio 5,989 Tempo de resposta (médio) 5.09s Tempo de resposta (total) 112.04s Tempo de resposta (máx.) 28.60s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 10.0 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
#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
#41#41	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
#63#63	Muse Glimmer 30Bxhigh	8.1	Meta	$0.471 ↓	95.55s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 110,930 Tokens de saída 116,373 Tokens de raciocínio 330,471 Tempo de resposta (médio) 95.55s Tempo de resposta (total) 2102.12s Tempo de resposta (máx.) 576.79s Resposta incorreta: 4 Sem resposta: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#106#106	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.9 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 95,992 Tokens de saída 12,446 Tokens de raciocínio 0 Tempo de resposta (médio) 4.56s Tempo de resposta (total) 100.30s Tempo de resposta (máx.) 72.30s Resposta incorreta: 7 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 6.5 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
#149#149	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.9 Taxa de acerto por tentativa 62.1% Testes instáveis 4 Tokens de entrada 87,902 Tokens de saída 30,743 Tokens de raciocínio 335,668 Tempo de resposta (médio) 127.64s Tempo de resposta (total) 2808.09s Tempo de resposta (máx.) 519.91s Resposta incorreta: 5 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#157#157	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 9.9 Taxa de acerto por tentativa 54.6% Testes instáveis 4 Tokens de entrada 90,870 Tokens de saída 5,676 Tokens de raciocínio 314,918 Tempo de resposta (médio) 113.61s Tempo de resposta (total) 2499.46s Tempo de resposta (máx.) 560.39s Resposta incorreta: 7 Erro de API: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#174#174	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
#232#232	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.134 ↕	58.26s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.9 Taxa de acerto por tentativa 50.0% Testes instáveis 12 Tokens de entrada 118,016 Tokens de saída 148,344 Tokens de raciocínio 506,253 Tempo de resposta (médio) 58.26s Tempo de resposta (total) 1281.79s Tempo de resposta (máx.) 285.26s Resposta incorreta: 11 Não seguiu as instruções: 4 Formatação extra: 1 Chamada de ferramenta inválida: 1 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
#240#240	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
#255#255	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.9 Taxa de acerto por tentativa 48.5% Testes instáveis 11 Tokens de entrada 126,330 Tokens de saída 165,702 Tokens de raciocínio 594,739 Tempo de resposta (médio) 70.11s Tempo de resposta (total) 1542.52s Tempo de resposta (máx.) 437.11s Resposta incorreta: 13 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 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
#93#93	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.701 ↕	33.62s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.8 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 233,415 Tokens de saída 54,384 Tokens de raciocínio 130,021 Tempo de resposta (médio) 33.62s Tempo de resposta (total) 739.59s Tempo de resposta (máx.) 392.56s Resposta incorreta: 7 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#179#179	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.8 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 132,044 Tokens de saída 92,135 Tokens de raciocínio 207,321 Tempo de resposta (médio) 13.70s Tempo de resposta (total) 287.75s Tempo de resposta (máx.) 75.27s Resposta incorreta: 7 Chamada de ferramenta inválida: 2 Erro de API: 1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 2.9 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#225#225	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
#275#275	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.140 ↕	59.81s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.8 Taxa de acerto por tentativa 42.4% Testes instáveis 9 Tokens de entrada 138,792 Tokens de saída 142,972 Tokens de raciocínio 522,202 Tempo de resposta (médio) 59.81s Tempo de resposta (total) 1315.80s Tempo de resposta (máx.) 312.21s Resposta incorreta: 14 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 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
#292#292	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 27.3% Testes instáveis 3 Tokens de entrada 38,147 Tokens de saída 2,054 Tokens de raciocínio 0 Tempo de resposta (médio) 2.89s Tempo de resposta (total) 43.28s Tempo de resposta (máx.) 15.42s Resposta incorreta: 10 Erro de API: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 2.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#302#302	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Ver cartão do modelo Total de testes 22 Testes errados 20 Confiabilidade 9.8 Taxa de acerto por tentativa 9.1% Testes instáveis 0 Tokens de entrada 184,579 Tokens de saída 110,071 Tokens de raciocínio 0 Tempo de resposta (médio) 14.02s Tempo de resposta (total) 294.46s Tempo de resposta (máx.) 240.61s Resposta incorreta: 13 Não seguiu as instruções: 4 Erro de API: 1 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 4.2 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.4 Seguimento de instruções : 3.1 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#97#97	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 62.1% Testes instáveis 5 Tokens de entrada 121,996 Tokens de saída 90,051 Tokens de raciocínio 185,731 Tempo de resposta (médio) 75.15s Tempo de resposta (total) 1578.24s Tempo de resposta (máx.) 431.03s Resposta incorreta: 4 Tempo esgotado: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#53#53	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
#81#81	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 98,266 Tokens de saída 1,861 Tokens de raciocínio 134,301 Tempo de resposta (médio) 33.05s Tempo de resposta (total) 694.04s Tempo de resposta (máx.) 214.63s Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#124#124	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 42,106 Tokens de saída 2,280 Tokens de raciocínio 169,843 Tempo de resposta (médio) 46.97s Tempo de resposta (total) 986.35s Tempo de resposta (máx.) 189.38s Resposta incorreta: 8 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.9 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

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