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: 2026-10-19 Modelos avaliados: 451

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

451/451

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#430#430	d1-ultradefault	2.7	Liquid	$0.003	531ms
Ver cartão do modelo Total de testes 12 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 20.3% Testes instáveis 1 Tokens de entrada 55,956 Tokens de saída 0 Tokens de raciocínio 0 Tempo de resposta (médio) 531ms Tempo de resposta (total) 6.38s Tempo de resposta (máx.) 697ms Resposta incorreta: 7 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 5.3 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#431#431	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Ver cartão do modelo Total de testes 19 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 14.5% 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 Tarefas de agentes : 0.0 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
#432#432	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 26.1% Testes instáveis 0 Tokens de entrada 67,092 Tokens de saída 18,927 Tokens de raciocínio 0 Tempo de resposta (médio) 698ms Tempo de resposta (total) 8.38s Tempo de resposta (máx.) 1.08s Resposta incorreta: 6 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 2.2 Combinado : 0.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#434#434	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Ver cartão do modelo Total de testes 12 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 17.4% Testes instáveis 0 Tokens de entrada 73,557 Tokens de saída 69 Tokens de raciocínio 0 Tempo de resposta (médio) 320ms Tempo de resposta (total) 3.84s Tempo de resposta (máx.) 491ms Resposta incorreta: 8 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 4.9 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#435#435	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Ver cartão do modelo Total de testes 12 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 17.4% Testes instáveis 0 Tokens de entrada 42,804 Tokens de saída 27,468 Tokens de raciocínio 0 Tempo de resposta (médio) 986ms Tempo de resposta (total) 11.84s Tempo de resposta (máx.) 1.38s Resposta incorreta: 8 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 4.5 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#436#436	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Ver cartão do modelo Total de testes 12 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 13.0% Testes instáveis 0 Tokens de entrada 47,583 Tokens de saída 0 Tokens de raciocínio 0 Tempo de resposta (médio) 495ms Tempo de resposta (total) 5.94s Tempo de resposta (máx.) 842ms Resposta incorreta: 8 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 2.3 Programação : 2.5 Combinado : 0.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#437#437	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Ver cartão do modelo Total de testes 12 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 15.9% Testes instáveis 1 Tokens de entrada 42,804 Tokens de saída 28,061 Tokens de raciocínio 0 Tempo de resposta (médio) 5.63s Tempo de resposta (total) 67.61s Tempo de resposta (máx.) 17.79s Resposta incorreta: 9 Tarefas de agentes : 0.0 Truques anti-IA : 2.3 Programação : 4.5 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 2.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#438#438	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Ver cartão do modelo Total de testes 12 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 2 Tokens de entrada 67,092 Tokens de saída 18,927 Tokens de raciocínio 0 Tempo de resposta (médio) 377ms Tempo de resposta (total) 4.52s Tempo de resposta (máx.) 546ms Resposta incorreta: 7 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 2.7 Combinado : 0.0 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#440#440	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Ver cartão do modelo Total de testes 12 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 8.7% Testes instáveis 0 Tokens de entrada 70,125 Tokens de saída 0 Tokens de raciocínio 0 Tempo de resposta (médio) 880ms Tempo de resposta (total) 10.56s Tempo de resposta (máx.) 1.31s Resposta incorreta: 9 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 2.5 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#441#441	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Ver cartão do modelo Total de testes 12 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 13.0% Testes instáveis 0 Tokens de entrada 49,176 Tokens de saída 69 Tokens de raciocínio 0 Tempo de resposta (médio) 462ms Tempo de resposta (total) 5.55s Tempo de resposta (máx.) 661ms Resposta incorreta: 9 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 2.2 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#442#442	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 26.1% Testes instáveis 0 Tokens de entrada 1,971 Tokens de saída 50,509 Tokens de raciocínio 33,867 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 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 1.0 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
#443#443	D1default	1.9	Liquid	$0.003	508ms
Ver cartão do modelo Total de testes 12 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 11.6% Testes instáveis 1 Tokens de entrada 55,956 Tokens de saída 0 Tokens de raciocínio 0 Tempo de resposta (médio) 508ms Tempo de resposta (total) 6.10s Tempo de resposta (máx.) 820ms Resposta incorreta: 10 Tarefas de agentes : 0.0 Truques anti-IA : 4.0 Programação : 2.2 Combinado : 0.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#444#444	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Ver cartão do modelo Total de testes 1 Testes errados 0 Confiabilidade 10.0 Taxa de acerto por tentativa 4.4% Testes instáveis 0 Tokens de entrada 134,050 Tokens de saída 1,029 Tokens de raciocínio 11,528 Tempo de resposta (médio) 52.45s Tempo de resposta (total) 52.45s Tempo de resposta (máx.) 52.45s Tarefas de agentes : 10.0 Truques anti-IA : 0.0 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 0.0 Específico do domínio : 0.0 Inteligência geral : 0.0 Seguimento de instruções : 0.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#446#446	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Ver cartão do modelo Total de testes 7 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 13.0% Testes instáveis 0 Tokens de entrada 47,586 Tokens de saída 51 Tokens de raciocínio 0 Tempo de resposta (médio) 1.33s Tempo de resposta (total) 9.32s Tempo de resposta (máx.) 1.66s Resposta incorreta: 4 Tarefas de agentes : 0.0 Truques anti-IA : 0.8 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 10.0 Específico do domínio : 4.4 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#447#447	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Ver cartão do modelo Total de testes 12 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 7.3% Testes instáveis 1 Tokens de entrada 41,466 Tokens de saída 69 Tokens de raciocínio 0 Tempo de resposta (médio) 982ms Tempo de resposta (total) 11.78s Tempo de resposta (máx.) 1.41s Resposta incorreta: 11 Tarefas de agentes : 0.0 Truques anti-IA : 4.4 Programação : 2.2 Combinado : 0.0 Análise e extração de dados : 3.0 Específico do domínio : 3.0 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#448#448	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Ver cartão do modelo Total de testes 7 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 14.5% Testes instáveis 3 Tokens de entrada 47,586 Tokens de saída 51 Tokens de raciocínio 0 Tempo de resposta (médio) 6.01s Tempo de resposta (total) 42.05s Tempo de resposta (máx.) 13.10s Resposta incorreta: 5 Tarefas de agentes : 0.0 Truques anti-IA : 0.8 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 3.7 Específico do domínio : 4.3 Inteligência geral : 0.0 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 1.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#449#449	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Ver cartão do modelo Total de testes 7 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 13.0% Testes instáveis 0 Tokens de entrada 33,864 Tokens de saída 96 Tokens de raciocínio 0 Tempo de resposta (médio) 498ms Tempo de resposta (total) 3.49s Tempo de resposta (máx.) 602ms Resposta incorreta: 4 Tarefas de agentes : 0.0 Truques anti-IA : 2.5 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 3.0 Específico do domínio : 6.7 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#450#450	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Ver cartão do modelo Total de testes 7 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 4.4% Testes instáveis 0 Tokens de entrada 103,770 Tokens de saída 0 Tokens de raciocínio 0 Tempo de resposta (médio) 363ms Tempo de resposta (total) 2.54s Tempo de resposta (máx.) 1.24s Resposta incorreta: 5 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 2.5 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 3.0 Específico do domínio : 2.0 Inteligência geral : 0.0 Seguimento de instruções : 1.5 Resolução de quebra-cabeças : 1.7 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#451#451	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Ver cartão do modelo Total de testes 1 Testes errados 0 Confiabilidade 10.0 Taxa de acerto por tentativa 4.4% Testes instáveis 0 Tokens de entrada 73 Tokens de saída 6 Tokens de raciocínio 729 Tempo de resposta (médio) 13.58s Tempo de resposta (total) 13.58s Tempo de resposta (máx.) 13.58s Tarefas de agentes : 0.0 Truques anti-IA : 0.0 Programação : 0.0 Combinado : 0.0 Análise e extração de dados : 0.0 Específico do domínio : 3.3 Inteligência geral : 0.0 Seguimento de instruções : 0.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 0.0 Conhecimentos gerais : 0.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 9.9 Taxa de acerto por tentativa 97.1% Testes instáveis 1 Tokens de entrada 167,805 Tokens de saída 5,651 Tokens de raciocínio 49,944 Tempo de resposta (médio) 20.16s Tempo de resposta (total) 463.68s Tempo de resposta (máx.) 254.93s Resposta incorreta: 1 Tarefas de agentes : 10.0 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
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 9.9 Taxa de acerto por tentativa 97.1% Testes instáveis 1 Tokens de entrada 170,731 Tokens de saída 5,865 Tokens de raciocínio 84,230 Tempo de resposta (médio) 29.67s Tempo de resposta (total) 682.42s Tempo de resposta (máx.) 381.11s Resposta incorreta: 1 Tarefas de agentes : 10.0 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
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 9.9 Taxa de acerto por tentativa 91.3% Testes instáveis 0 Tokens de entrada 159,023 Tokens de saída 4,935 Tokens de raciocínio 6,454 Tempo de resposta (médio) 7.01s Tempo de resposta (total) 161.20s Tempo de resposta (máx.) 49.16s Resposta incorreta: 2 Tarefas de agentes : 10.0 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
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 9.9 Taxa de acerto por tentativa 97.1% Testes instáveis 2 Tokens de entrada 240,264 Tokens de saída 5,707 Tokens de raciocínio 126,366 Tempo de resposta (médio) 19.03s Tempo de resposta (total) 437.77s Tempo de resposta (máx.) 82.53s Erro de API: 1 Resposta incorreta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 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
#21#21	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Ver cartão do modelo Total de testes 23 Testes errados 3 Confiabilidade 9.9 Taxa de acerto por tentativa 91.3% Testes instáveis 2 Tokens de entrada 165,464 Tokens de saída 5,591 Tokens de raciocínio 15,454 Tempo de resposta (médio) 9.90s Tempo de resposta (total) 227.67s Tempo de resposta (máx.) 73.48s Resposta incorreta: 3 Tarefas de agentes : 10.0 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
#54#54	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.9 Taxa de acerto por tentativa 76.8% Testes instáveis 3 Tokens de entrada 278,684 Tokens de saída 10,151 Tokens de raciocínio 48,907 Tempo de resposta (médio) 21.62s Tempo de resposta (total) 497.25s Tempo de resposta (máx.) 119.16s Resposta incorreta: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 9.2 Programação : 10.0 Combinado : 8.4 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 8.0 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 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