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)
#193#193	GPT-5.6 Lunalow	6.9	OpenAI	$0.049 ↓	6.96s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 5 Tokens de entrada 202,680 Tokens de saída 9,230 Tokens de raciocínio 18,771 Tempo de resposta (médio) 6.96s Tempo de resposta (total) 160.19s Tempo de resposta (máx.) 45.74s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 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
#352#352	MiMo-V2.5none	4.9	Xiaomi	$0.049 ↓	9.88s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 26.1% Testes instáveis 2 Tokens de entrada 276,608 Tokens de saída 17,693 Tokens de raciocínio 16,267 Tempo de resposta (médio) 9.88s Tempo de resposta (total) 227.24s Tempo de resposta (máx.) 124.23s Resposta incorreta: 14 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 3.9 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
#337#337	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 9.6 Taxa de acerto por tentativa 43.5% Testes instáveis 3 Tokens de entrada 51,369 Tokens de saída 8,008 Tokens de raciocínio 58,568 Tempo de resposta (médio) 8.32s Tempo de resposta (total) 191.40s Tempo de resposta (máx.) 48.19s Resposta incorreta: 10 Erro de API: 2 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#140#140	Qwen3.8 Flash Nextmedium	7.6	Qwen	~$0.047	24.79s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 75.4% Testes instáveis 6 Tokens de entrada 278,792 Tokens de saída 1,695 Tokens de raciocínio 142,270 Tempo de resposta (médio) 24.79s Tempo de resposta (total) 570.26s Tempo de resposta (máx.) 159.62s Resposta incorreta: 6 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#94#94	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 73.9% Testes instáveis 3 Tokens de entrada 203,193 Tokens de saída 5,751 Tokens de raciocínio 47,410 Tempo de resposta (médio) 18.07s Tempo de resposta (total) 415.53s Tempo de resposta (máx.) 66.44s Resposta incorreta: 7 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#335#335	Mistral Small 4none	5.1	Mistral	$0.047	3.12s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 1 Tokens de entrada 265,602 Tokens de saída 10,913 Tokens de raciocínio 0 Tempo de resposta (médio) 3.12s Tempo de resposta (total) 71.87s Tempo de resposta (máx.) 45.46s Resposta incorreta: 17 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.4 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#387#387	GLM 5 Turbonone	4.2	Z.ai	$0.047 ↑	2.82s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 2 Tokens de entrada 32,525 Tokens de saída 1,815 Tokens de raciocínio 0 Tempo de resposta (médio) 2.82s Tempo de resposta (total) 59.29s Tempo de resposta (máx.) 8.21s Resposta incorreta: 13 Não seguiu as instruções: 2 Tarefas de agentes : 0.0 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#345#345	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.9 Taxa de acerto por tentativa 42.0% Testes instáveis 6 Tokens de entrada 61,094 Tokens de saída 6,532 Tokens de raciocínio 53,882 Tempo de resposta (médio) 10.21s Tempo de resposta (total) 234.86s Tempo de resposta (máx.) 86.23s Resposta incorreta: 7 Formatação extra: 4 Erro de API: 3 Não seguiu as instruções: 2 Tarefas de agentes : 3.0 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
#371#371	Mimo V2 PROdefault	4.6	Xiaomi	$0.045 ↓	2.27s
Ver cartão do modelo Total de testes 21 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 37.7% Testes instáveis 3 Tokens de entrada 39,344 Tokens de saída 2,352 Tokens de raciocínio 0 Tempo de resposta (médio) 2.27s Tempo de resposta (total) 45.50s Tempo de resposta (máx.) 6.58s Resposta incorreta: 11 Não seguiu as instruções: 2 Erro de API: 1 Tarefas de agentes : 0.0 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#112#112	Qwen3.8 Flash Nextlow	8.0	Qwen	~$0.045	23.66s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 79.7% Testes instáveis 6 Tokens de entrada 342,163 Tokens de saída 1,518 Tokens de raciocínio 133,777 Tempo de resposta (médio) 23.66s Tempo de resposta (total) 544.16s Tempo de resposta (máx.) 166.72s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.9 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 : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#361#361	Laguna S 2.1none	4.7	Poolside	$0.044 ↓	17.65s
Ver cartão do modelo Total de testes 23 Testes errados 21 Confiabilidade 10.0 Taxa de acerto por tentativa 14.5% Testes instáveis 3 Tokens de entrada 287,445 Tokens de saída 99,097 Tokens de raciocínio 0 Tempo de resposta (médio) 17.65s Tempo de resposta (total) 406.05s Tempo de resposta (máx.) 200.52s Resposta incorreta: 18 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 5.4 Truques anti-IA : 3.1 Programação : 3.4 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#225#225	Mercury 2.5high	6.5	Inception	$0.044	7.62s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.8 Taxa de acerto por tentativa 59.4% Testes instáveis 4 Tokens de entrada 358,562 Tokens de saída 4,266 Tokens de raciocínio 189,410 Tempo de resposta (médio) 7.62s Tempo de resposta (total) 175.36s Tempo de resposta (máx.) 80.30s Resposta incorreta: 9 Erro de API: 1 Sem resposta: 1 Tarefas de agentes : 3.9 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
#333#333	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 40,111 Tokens de saída 12,476 Tokens de raciocínio 125,039 Tempo de resposta (médio) 20.11s Tempo de resposta (total) 301.59s Tempo de resposta (máx.) 96.01s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 8.1 Programação : 6.0 Combinado : 4.9 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 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
#322#322	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 34.8% Testes instáveis 3 Tokens de entrada 230,744 Tokens de saída 8,000 Tokens de raciocínio 0 Tempo de resposta (médio) 3.78s Tempo de resposta (total) 86.83s Tempo de resposta (máx.) 53.77s Resposta incorreta: 15 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.8 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 7.1 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#353#353	Qwen3.5-9Bnone	4.9	Qwen	$0.041	37.19s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.8 Taxa de acerto por tentativa 18.8% Testes instáveis 1 Tokens de entrada 307,670 Tokens de saída 70,427 Tokens de raciocínio 0 Tempo de resposta (médio) 37.19s Tempo de resposta (total) 855.27s Tempo de resposta (máx.) 433.02s Resposta incorreta: 15 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 3.9 Truques anti-IA : 3.1 Programação : 3.9 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#305#305	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 9.7 Taxa de acerto por tentativa 43.5% Testes instáveis 4 Tokens de entrada 251,253 Tokens de saída 3,892 Tokens de raciocínio 0 Tempo de resposta (médio) 46.97s Tempo de resposta (total) 1080.29s Tempo de resposta (máx.) 872.07s Resposta incorreta: 11 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.5 Programação : 3.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 4.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#224#224	Mercury 2.5 Previewhigh	6.5	Inception	$0.040 ↑	7.61s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 298,512 Tokens de saída 3,178 Tokens de raciocínio 177,419 Tempo de resposta (médio) 7.61s Tempo de resposta (total) 175.08s Tempo de resposta (máx.) 86.84s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 6.1 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
#199#199	Mercury 2.5 Previewmedium	6.8	Inception	$0.039 ↑	6.66s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 397,291 Tokens de saída 6,355 Tokens de raciocínio 143,752 Tempo de resposta (médio) 6.66s Tempo de resposta (total) 153.29s Tempo de resposta (máx.) 74.63s Resposta incorreta: 4 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 3.9 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
#213#213	GLM 5.3 Flashlow	6.6	Z.ai	$0.038	11.82s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 4 Tokens de entrada 255,173 Tokens de saída 9,891 Tokens de raciocínio 17,277 Tempo de resposta (médio) 11.82s Tempo de resposta (total) 271.92s Tempo de resposta (máx.) 90.45s Resposta incorreta: 8 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#380#380	Granite 4.2 8Bnone	4.4	IBM Granite	$0.037	84.66s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 9.1 Taxa de acerto por tentativa 15.9% Testes instáveis 2 Tokens de entrada 226,872 Tokens de saída 133,268 Tokens de raciocínio 0 Tempo de resposta (médio) 84.66s Tempo de resposta (total) 1947.17s Tempo de resposta (máx.) 747.17s Resposta incorreta: 11 Formatação extra: 4 Tempo esgotado: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.9 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 2.9 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#323#323	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.2 Taxa de acerto por tentativa 33.3% Testes instáveis 1 Tokens de entrada 332,917 Tokens de saída 18,989 Tokens de raciocínio 42,362 Tempo de resposta (médio) 58.20s Tempo de resposta (total) 1338.65s Tempo de resposta (máx.) 566.80s Resposta incorreta: 11 Tempo esgotado: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#239#239	Mercury 2.5medium	6.4	Inception	$0.034	7.74s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 63.8% Testes instáveis 5 Tokens de entrada 317,982 Tokens de saída 3,918 Tokens de raciocínio 135,028 Tempo de resposta (médio) 7.74s Tempo de resposta (total) 178.07s Tempo de resposta (máx.) 107.89s Resposta incorreta: 9 Erro de API: 1 Tempo esgotado: 1 Tarefas de agentes : 4.7 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
#382#382	Mercury 2none	4.4	Inception	$0.033	1.18s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 2 Tokens de entrada 100,634 Tokens de saída 9,609 Tokens de raciocínio 100 Tempo de resposta (médio) 1.18s Tempo de resposta (total) 27.14s Tempo de resposta (máx.) 9.00s Resposta incorreta: 17 Não seguiu as instruções: 2 Tarefas de agentes : 3.0 Truques anti-IA : 3.0 Programação : 3.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 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

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