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)
#229#229	KAT-Coder-Pro V2.5high	6.5	Kwaipilot	$0.506	21.21s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 6 Tokens de entrada 106,085 Tokens de saída 9,071 Tokens de raciocínio 135,288 Tempo de resposta (médio) 21.21s Tempo de resposta (total) 487.83s Tempo de resposta (máx.) 199.97s Resposta incorreta: 10 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 7.0 Programação : 6.4 Combinado : 7.3 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 : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 6 Tokens de entrada 218,076 Tokens de saída 4,863 Tokens de raciocínio 66,387 Tempo de resposta (médio) 4.89s Tempo de resposta (total) 112.55s Tempo de resposta (máx.) 29.49s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#241#241	MiMo-V2.5-Promedium	6.4	Xiaomi	$0.332 ↓	56.72s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 7 Tokens de entrada 253,462 Tokens de saída 40,269 Tokens de raciocínio 185,716 Tempo de resposta (médio) 56.72s Tempo de resposta (total) 1304.54s Tempo de resposta (máx.) 333.34s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#245#245	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	111.54s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 378,048 Tokens de saída 56,477 Tokens de raciocínio 865,151 Tempo de resposta (médio) 111.54s Tempo de resposta (total) 2565.38s Tempo de resposta (máx.) 950.25s Sem resposta: 3 Tempo esgotado: 3 Resposta incorreta: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 7.4 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 3.8 Análise e extração de dados : 7.3 Específico do domínio : 3.5 Inteligência geral : 2.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#250#250	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 6 Tokens de entrada 209,002 Tokens de saída 24,675 Tokens de raciocínio 377,528 Tempo de resposta (médio) 128.91s Tempo de resposta (total) 2965.04s Tempo de resposta (máx.) 491.07s Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 2.8 Truques anti-IA : 8.7 Programação : 5.7 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 8.7 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
#255#255	DeepSeek V3.2medium	6.3	DeepSeek	$0.152 ↑	70.08s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 7 Tokens de entrada 306,662 Tokens de saída 17,819 Tokens de raciocínio 125,341 Tempo de resposta (médio) 70.08s Tempo de resposta (total) 1611.86s Tempo de resposta (máx.) 376.10s Resposta incorreta: 6 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#258#258	Grok 4.20medium	6.3	X AI	$1.246 ↓	36.73s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 5 Tokens de entrada 392,127 Tokens de saída 7,754 Tokens de raciocínio 294,333 Tempo de resposta (médio) 36.73s Tempo de resposta (total) 844.68s Tempo de resposta (máx.) 199.66s Resposta incorreta: 7 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.2 Programação : 6.3 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.9 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#260#260	KAT-Coder-Pro V2.5medium	6.2	Kwaipilot	$0.669 ↑	23.94s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 8 Tokens de entrada 87,916 Tokens de saída 7,213 Tokens de raciocínio 132,162 Tempo de resposta (médio) 23.94s Tempo de resposta (total) 550.52s Tempo de resposta (máx.) 257.00s Resposta incorreta: 9 Erro de API: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.2 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#264#264	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 3 Tokens de entrada 209,116 Tokens de saída 10,031 Tokens de raciocínio 16,042 Tempo de resposta (médio) 11.40s Tempo de resposta (total) 262.14s Tempo de resposta (máx.) 34.77s Formatação extra: 4 Resposta incorreta: 4 Não seguiu as instruções: 3 Erro de API: 1 Tarefas de agentes : 2.8 Truques anti-IA : 6.5 Programação : 3.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#266#266	Beam 1.0 501B A23Bhigh	6.1	Reflection	$0.674	9.03s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 5 Tokens de entrada 232,218 Tokens de saída 4,944 Tokens de raciocínio 142,263 Tempo de resposta (médio) 9.03s Tempo de resposta (total) 207.67s Tempo de resposta (máx.) 36.04s Resposta incorreta: 7 Erro de API: 3 Não seguiu as instruções: 2 Tarefas de agentes : 3.0 Truques anti-IA : 8.8 Programação : 8.4 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#268#268	Apodex 1.1 Minilow	6.1	Apodex	$0.000	33.68s
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 321,894 Tokens de saída 139,334 Tokens de raciocínio 369,481 Tempo de resposta (médio) 33.68s Tempo de resposta (total) 774.73s Tempo de resposta (máx.) 163.05s Resposta incorreta: 9 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 8.7 Programação : 5.1 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#273#273	KAT-Coder-Pro V2.5default	6.1	Kwaipilot	$0.742 ↑	24.96s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 68.1% Testes instáveis 8 Tokens de entrada 98,508 Tokens de saída 8,088 Tokens de raciocínio 131,484 Tempo de resposta (médio) 24.96s Tempo de resposta (total) 574.12s Tempo de resposta (máx.) 335.41s Resposta incorreta: 10 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 6.1 Combinado : 4.1 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#274#274	Apodex 1.1 Minimedium	6.0	Apodex	$0.000	32.68s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 9.9 Taxa de acerto por tentativa 68.1% Testes instáveis 9 Tokens de entrada 293,112 Tokens de saída 152,376 Tokens de raciocínio 357,890 Tempo de resposta (médio) 32.68s Tempo de resposta (total) 751.72s Tempo de resposta (máx.) 115.57s Resposta incorreta: 9 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 3.4 Truques anti-IA : 10.0 Programação : 4.3 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 5.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#276#276	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 9 Tokens de entrada 277,028 Tokens de saída 11,965 Tokens de raciocínio 31,238 Tempo de resposta (médio) 9.69s Tempo de resposta (total) 222.83s Tempo de resposta (máx.) 77.99s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 4.7 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
#291#291	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 3 Tokens de entrada 113,613 Tokens de saída 122,706 Tokens de raciocínio 42,325 Tempo de resposta (médio) 65.52s Tempo de resposta (total) 1376.01s Tempo de resposta (máx.) 304.19s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 7.3 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#355#355	Mimo V2 Omnimedium	4.9	Xiaomi	$0.683 ↓	41.16s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 50.7% Testes instáveis 3 Tokens de entrada 37,007 Tokens de saída 1,952 Tokens de raciocínio 357,306 Tempo de resposta (médio) 41.16s Tempo de resposta (total) 823.26s Tempo de resposta (máx.) 299.23s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 3.3 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.4 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#374#374	Hy3 previewlow	4.5	Tencent	$0.042 ↕	24.56s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 2 Tokens de entrada 21,045 Tokens de saída 63,460 Tokens de raciocínio 0 Tempo de resposta (médio) 24.56s Tempo de resposta (total) 368.35s Tempo de resposta (máx.) 78.74s Erro de API: 7 Resposta incorreta: 4 Tarefas de agentes : 0.0 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#389#389	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 39.1% Testes instáveis 0 Tokens de entrada 32,639 Tokens de saída 1,153 Tokens de raciocínio 62,197 Tempo de resposta (médio) 15.25s Tempo de resposta (total) 182.96s Tempo de resposta (máx.) 43.55s Erro de API: 8 Resposta incorreta: 2 Tarefas de agentes : 0.0 Truques anti-IA : 8.3 Programação : 1.0 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#393#393	Grok 4.1 Fastmedium	3.9	X AI	$0.069 ↑	23.85s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 50.7% Testes instáveis 6 Tokens de entrada 42,845 Tokens de saída 2,006 Tokens de raciocínio 96,334 Tempo de resposta (médio) 23.85s Tempo de resposta (total) 286.16s Tempo de resposta (máx.) 121.79s Não seguiu as instruções: 4 Resposta incorreta: 4 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 8.7 Programação : 0.8 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#394#394	Laguna M.1medium	3.9	Poolside	$0.033 ↕	14.73s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 43.5% Testes instáveis 2 Tokens de entrada 44,969 Tokens de saída 58,087 Tokens de raciocínio 0 Tempo de resposta (médio) 14.73s Tempo de resposta (total) 220.93s Tempo de resposta (máx.) 53.14s Erro de API: 4 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 0.0 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#319#319	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 49.3% Testes instáveis 3 Tokens de entrada 139,086 Tokens de saída 193,584 Tokens de raciocínio 413,546 Tempo de resposta (médio) 190.48s Tempo de resposta (total) 3238.23s Tempo de resposta (máx.) 1597.85s Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 2.8 Truques anti-IA : 10.0 Programação : 2.4 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.5 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#391#391	Grok 4.20 Multi Agent Betamedium	3.9	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 46.4% 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 Tarefas de agentes : 0.0 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
#392#392	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Ver cartão do modelo Total de testes 18 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 50.7% Testes instáveis 6 Tokens de entrada 28,927 Tokens de saída 4,682 Tokens de raciocínio 17,969 Tempo de resposta (médio) 10.33s Tempo de resposta (total) 175.58s Tempo de resposta (máx.) 30.53s Resposta incorreta: 4 Não seguiu as instruções: 2 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 Tarefas de agentes : 0.0 Truques anti-IA : 7.3 Programação : 1.0 Combinado : 2.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 7.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#155#155	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 49.3% Testes instáveis 4 Tokens de entrada 304,186 Tokens de saída 40,118 Tokens de raciocínio 5,886 Tempo de resposta (médio) 14.05s Tempo de resposta (total) 323.17s Tempo de resposta (máx.) 119.44s Resposta incorreta: 9 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 3.2 Programação : 5.6 Combinado : 7.9 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 : 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 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