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)
#123#123	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 2 Tokens de entrada 89,685 Tokens de saída 5,701 Tokens de raciocínio 38,824 Tempo de resposta (médio) 7.43s Tempo de resposta (total) 163.54s Tempo de resposta (máx.) 29.85s Resposta incorreta: 9 Truques anti-IA : 8.3 Programação : 5.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#204#204	MiMo-V2.6-Pronone	6.2	Xiaomi	$0.122	7.09s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 2 Tokens de entrada 119,156 Tokens de saída 80,341 Tokens de raciocínio 0 Tempo de resposta (médio) 7.09s Tempo de resposta (total) 155.92s Tempo de resposta (máx.) 106.86s Resposta incorreta: 10 Formatação extra: 2 Não seguiu as instruções: 1 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
#41#41	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
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 134,770 Tokens de saída 13,604 Tokens de raciocínio 4,388 Tempo de resposta (médio) 6.99s Tempo de resposta (total) 153.80s Tempo de resposta (máx.) 30.67s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 7.8 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#91#91	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 2 Tokens de entrada 79,184 Tokens de saída 4,878 Tokens de raciocínio 25,471 Tempo de resposta (médio) 6.85s Tempo de resposta (total) 150.65s Tempo de resposta (máx.) 41.68s Resposta incorreta: 8 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#235#235	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 54.6% Testes instáveis 3 Tokens de entrada 129,150 Tokens de saída 10,643 Tokens de raciocínio 0 Tempo de resposta (médio) 6.84s Tempo de resposta (total) 150.46s Tempo de resposta (máx.) 55.92s Resposta incorreta: 11 Sem resposta: 1 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
#243#243	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 5 Tokens de entrada 124,219 Tokens de saída 14,393 Tokens de raciocínio 0 Tempo de resposta (médio) 6.74s Tempo de resposta (total) 148.20s Tempo de resposta (máx.) 61.20s Resposta incorreta: 12 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 4.0 Programação : 3.9 Combinado : 2.8 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#324#324	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
#203#203	GLM 5.3 FlashXlow	6.3	Z.ai	$0.090	6.58s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 8 Tokens de entrada 117,325 Tokens de saída 10,494 Tokens de raciocínio 26,542 Tempo de resposta (médio) 6.58s Tempo de resposta (total) 144.85s Tempo de resposta (máx.) 73.01s Resposta incorreta: 9 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#113#113	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 78,846 Tokens de saída 28,179 Tokens de raciocínio 0 Tempo de resposta (médio) 6.56s Tempo de resposta (total) 137.77s Tempo de resposta (máx.) 18.33s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 6.7 Programação : 5.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#128#128	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 2 Tokens de entrada 123,687 Tokens de saída 9,572 Tokens de raciocínio 31,204 Tempo de resposta (médio) 6.51s Tempo de resposta (total) 143.12s Tempo de resposta (máx.) 17.13s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 5.8 Combinado : 3.0 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 : 10.0
#184#184	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 3 Tokens de entrada 100,255 Tokens de saída 6,422 Tokens de raciocínio 49,847 Tempo de resposta (médio) 6.30s Tempo de resposta (total) 138.60s Tempo de resposta (máx.) 17.26s Resposta incorreta: 6 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.3 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#222#222	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 1 Tokens de entrada 39,886 Tokens de saída 1,890 Tokens de raciocínio 0 Tempo de resposta (médio) 6.19s Tempo de resposta (total) 136.23s Tempo de resposta (máx.) 118.00s Resposta incorreta: 13 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#208#208	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
#297#297	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.2 Taxa de acerto por tentativa 27.3% Testes instáveis 2 Tokens de entrada 63,528 Tokens de saída 6,432 Tokens de raciocínio 0 Tempo de resposta (médio) 6.04s Tempo de resposta (total) 132.96s Tempo de resposta (máx.) 20.00s Resposta incorreta: 15 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#12#12	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 93.9% Testes instáveis 1 Tokens de entrada 89,055 Tokens de saída 5,697 Tokens de raciocínio 58,880 Tempo de resposta (médio) 5.87s Tempo de resposta (total) 129.20s Tempo de resposta (máx.) 30.23s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 8.4 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 : 10.0
#36#36	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 84.9% Testes instáveis 2 Tokens de entrada 87,826 Tokens de saída 2,239 Tokens de raciocínio 32,956 Tempo de resposta (médio) 5.76s Tempo de resposta (total) 126.71s Tempo de resposta (máx.) 53.55s Resposta incorreta: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 8.2 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 : 10.0
#275#275	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.57s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 28.8% Testes instáveis 5 Tokens de entrada 93,990 Tokens de saída 45,905 Tokens de raciocínio 0 Tempo de resposta (médio) 5.57s Tempo de resposta (total) 111.32s Tempo de resposta (máx.) 39.54s Resposta incorreta: 13 Erro de API: 2 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 3.6 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#110#110	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 6 Tokens de entrada 80,304 Tokens de saída 4,714 Tokens de raciocínio 16,872 Tempo de resposta (médio) 5.45s Tempo de resposta (total) 119.83s Tempo de resposta (máx.) 19.85s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#218#218	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
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 125,703 Tokens de saída 13,317 Tokens de raciocínio 0 Tempo de resposta (médio) 5.41s Tempo de resposta (total) 108.12s Tempo de resposta (máx.) 29.95s Resposta incorreta: 10 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 6.5 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 : 6.5 Resolução de quebra-cabeças : 6.5 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#237#237	Solar Pro 4none	5.8	Upstage	$0.017 ↑	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
#207#207	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 54.5% Testes instáveis 5 Tokens de entrada 96,355 Tokens de saída 8,213 Tokens de raciocínio 18,073 Tempo de resposta (médio) 5.20s Tempo de resposta (total) 114.46s Tempo de resposta (máx.) 19.44s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#197#197	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 2 Tokens de entrada 108,752 Tokens de saída 9,375 Tokens de raciocínio 0 Tempo de resposta (médio) 5.17s Tempo de resposta (total) 113.83s Tempo de resposta (máx.) 48.38s Resposta incorreta: 13 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 4.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#89#89	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 6 Tokens de entrada 103,916 Tokens de saída 8,892 Tokens de raciocínio 87,343 Tempo de resposta (médio) 5.12s Tempo de resposta (total) 112.73s Tempo de resposta (máx.) 26.41s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 7.9 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#215#215	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 54.6% Testes instáveis 4 Tokens de entrada 109,893 Tokens de saída 8,580 Tokens de raciocínio 10,324 Tempo de resposta (médio) 5.11s Tempo de resposta (total) 112.46s Tempo de resposta (máx.) 41.58s Resposta incorreta: 8 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 8.3 Programação : 5.1 Combinado : 2.9 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 : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#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

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