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)
#42#42	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 89.4% Testes instáveis 3 Tokens de entrada 85,886 Tokens de saída 5,489 Tokens de raciocínio 44,232 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.28s Tempo de resposta (máx.) 30.83s Resposta incorreta: 4 Truques anti-IA : 8.7 Programação : 7.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#136#136	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
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 149,203 Tokens de saída 16,797 Tokens de raciocínio 0 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.24s Tempo de resposta (máx.) 35.03s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 7.3 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 : 3.0
#119#119	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 111,773 Tokens de saída 8,035 Tokens de raciocínio 33,289 Tempo de resposta (médio) 4.83s Tempo de resposta (total) 106.18s Tempo de resposta (máx.) 35.14s Resposta incorreta: 5 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#182#182	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
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 102,325 Tokens de saída 24,323 Tokens de raciocínio 0 Tempo de resposta (médio) 4.77s Tempo de resposta (total) 105.00s Tempo de resposta (máx.) 69.46s Resposta incorreta: 11 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 5.8 Combinado : 6.4 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 : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#322#322	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
#285#285	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 2 Tokens de entrada 141,052 Tokens de saída 16,464 Tokens de raciocínio 0 Tempo de resposta (médio) 4.68s Tempo de resposta (total) 103.02s Tempo de resposta (máx.) 55.36s Resposta incorreta: 14 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#120#120	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 117,493 Tokens de saída 10,589 Tokens de raciocínio 47,189 Tempo de resposta (médio) 4.59s Tempo de resposta (total) 101.04s Tempo de resposta (máx.) 18.34s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 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
#121#121	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
#133#133	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
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 104,925 Tokens de saída 9,168 Tokens de raciocínio 53,188 Tempo de resposta (médio) 4.38s Tempo de resposta (total) 96.32s Tempo de resposta (máx.) 26.22s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#205#205	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 3 Tokens de entrada 142,206 Tokens de saída 14,744 Tokens de raciocínio 0 Tempo de resposta (médio) 4.37s Tempo de resposta (total) 96.20s Tempo de resposta (máx.) 44.58s Resposta incorreta: 13 Sem resposta: 1 Truques anti-IA : 3.0 Programação : 5.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#196#196	GLM 5.3 FlashXmedium	6.4	Z.ai	$0.056	4.32s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 8 Tokens de entrada 84,329 Tokens de saída 7,717 Tokens de raciocínio 11,716 Tempo de resposta (médio) 4.32s Tempo de resposta (total) 95.15s Tempo de resposta (máx.) 22.89s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 7.3 Programação : 6.0 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#147#147	Mercury 2.5high	7.1	Inception	$0.031	4.32s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.7 Taxa de acerto por tentativa 62.1% Testes instáveis 4 Tokens de entrada 120,068 Tokens de saída 3,402 Tokens de raciocínio 171,145 Tempo de resposta (médio) 4.32s Tempo de resposta (total) 95.06s Tempo de resposta (máx.) 23.63s Resposta incorreta: 8 Erro de API: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 6.4 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#266#266	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 4 Tokens de entrada 124,808 Tokens de saída 15,362 Tokens de raciocínio 0 Tempo de resposta (médio) 4.24s Tempo de resposta (total) 93.28s Tempo de resposta (máx.) 53.13s Resposta incorreta: 12 Não seguiu as instruções: 4 Sem resposta: 1 Truques anti-IA : 3.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#240#240	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 42.4% Testes instáveis 1 Tokens de entrada 37,135 Tokens de saída 1,989 Tokens de raciocínio 0 Tempo de resposta (médio) 4.03s Tempo de resposta (total) 56.37s Tempo de resposta (máx.) 11.07s Resposta incorreta: 12 Truques anti-IA : 4.8 Programação : 4.0 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#187#187	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 5 Tokens de entrada 115,759 Tokens de saída 2,562 Tokens de raciocínio 160,943 Tempo de resposta (médio) 4.01s Tempo de resposta (total) 88.25s Tempo de resposta (máx.) 17.71s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#220#220	Nemotron 3 Ultranone	6.1	NVIDIA	$0.084 ↕	3.88s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 42.4% Testes instáveis 2 Tokens de entrada 101,168 Tokens de saída 9,470 Tokens de raciocínio 0 Tempo de resposta (médio) 3.88s Tempo de resposta (total) 85.33s Tempo de resposta (máx.) 37.50s Resposta incorreta: 11 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#19#19	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Ver cartão do modelo Total de testes 22 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.5% Testes instáveis 2 Tokens de entrada 90,322 Tokens de saída 6,294 Tokens de raciocínio 30,759 Tempo de resposta (médio) 3.85s Tempo de resposta (total) 84.80s Tempo de resposta (máx.) 19.44s Resposta incorreta: 2 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#217#217	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
#260#260	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.037	3.64s
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 115,134 Tokens de saída 74,105 Tokens de raciocínio 0 Tempo de resposta (médio) 3.64s Tempo de resposta (total) 80.06s Tempo de resposta (máx.) 55.14s Resposta incorreta: 14 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 3.7 Combinado : 3.7 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 : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#116#116	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 112,713 Tokens de saída 5,436 Tokens de raciocínio 121,598 Tempo de resposta (médio) 3.58s Tempo de resposta (total) 78.66s Tempo de resposta (máx.) 17.84s Resposta incorreta: 4 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 6.5 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 : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#242#242	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
#276#276	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 16.7% Testes instáveis 1 Tokens de entrada 116,155 Tokens de saída 19,679 Tokens de raciocínio 0 Tempo de resposta (médio) 3.53s Tempo de resposta (total) 77.68s Tempo de resposta (máx.) 24.48s Resposta incorreta: 15 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.1 Programação : 4.6 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 : 3.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#295#295	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 5 Tokens de entrada 130,296 Tokens de saída 82,585 Tokens de raciocínio 0 Tempo de resposta (médio) 3.51s Tempo de resposta (total) 77.28s Tempo de resposta (máx.) 60.70s Resposta incorreta: 16 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.8 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#277#277	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 28.8% Testes instáveis 1 Tokens de entrada 104,120 Tokens de saída 10,554 Tokens de raciocínio 0 Tempo de resposta (médio) 3.47s Tempo de resposta (total) 76.28s Tempo de resposta (máx.) 48.02s Resposta incorreta: 13 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 4.5 Combinado : 2.9 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 : 5.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#171#171	Mercury 2.5medium	6.8	Inception	$0.022	3.19s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.8 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 91,402 Tokens de saída 3,138 Tokens de raciocínio 116,991 Tempo de resposta (médio) 3.19s Tempo de resposta (total) 70.18s Tempo de resposta (máx.) 9.87s Resposta incorreta: 9 Erro de API: 1 Truques anti-IA : 10.0 Programação : 5.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.4 Seguimento de instruções : 6.4 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