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)
#163#163	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.8 Taxa de acerto por tentativa 78.3% Testes instáveis 5 Tokens de entrada 326,066 Tokens de saída 5,726 Tokens de raciocínio 469,019 Tempo de resposta (médio) 117.65s Tempo de resposta (total) 2706.03s Tempo de resposta (máx.) 660.89s Resposta incorreta: 5 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.9 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.4 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#231#231	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
#278#278	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.216 ↓	18.49s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 44.9% Testes instáveis 5 Tokens de entrada 299,984 Tokens de saída 69,664 Tokens de raciocínio 0 Tempo de resposta (médio) 18.49s Tempo de resposta (total) 425.33s Tempo de resposta (máx.) 206.05s Resposta incorreta: 12 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 4.8 Programação : 3.9 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#299#299	Ling 3.0 Flashhigh	5.8	Inclusionai	$0.021 ↕	13.08s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.8 Taxa de acerto por tentativa 60.9% Testes instáveis 4 Tokens de entrada 132,044 Tokens de saída 92,135 Tokens de raciocínio 207,321 Tempo de resposta (médio) 13.08s Tempo de resposta (total) 287.79s Tempo de resposta (máx.) 75.27s Resposta incorreta: 7 Erro de API: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 2.9 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#317#317	Ling 3.1 Flashnone	5.5	Inclusionai	$0.000	15.75s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.8 Taxa de acerto por tentativa 33.3% Testes instáveis 5 Tokens de entrada 286,758 Tokens de saída 85,777 Tokens de raciocínio 0 Tempo de resposta (médio) 15.75s Tempo de resposta (total) 362.23s Tempo de resposta (máx.) 90.95s Resposta incorreta: 9 Não seguiu as instruções: 5 Sem resposta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 3.6 Programação : 4.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#340#340	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.8 Taxa de acerto por tentativa 40.6% Testes instáveis 5 Tokens de entrada 50,423 Tokens de saída 4,144 Tokens de raciocínio 110,510 Tempo de resposta (médio) 15.23s Tempo de resposta (total) 350.26s Tempo de resposta (máx.) 118.35s Resposta incorreta: 9 Erro de API: 4 Formatação extra: 3 Tarefas de agentes : 3.0 Truques anti-IA : 6.9 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#345#345	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 9.8 Taxa de acerto por tentativa 37.7% Testes instáveis 5 Tokens de entrada 326,083 Tokens de saída 7,224 Tokens de raciocínio 33,078 Tempo de resposta (médio) 3.34s Tempo de resposta (total) 76.80s Tempo de resposta (máx.) 47.06s Resposta incorreta: 14 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.4 Seguimento de instruções : 2.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#362#362	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
#368#368	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.195 ↕	81.93s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.8 Taxa de acerto por tentativa 47.8% Testes instáveis 12 Tokens de entrada 195,780 Tokens de saída 167,746 Tokens de raciocínio 598,384 Tempo de resposta (médio) 81.93s Tempo de resposta (total) 1884.31s Tempo de resposta (máx.) 437.11s Resposta incorreta: 13 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 2.8 Truques anti-IA : 6.9 Programação : 4.4 Combinado : 6.2 Análise e extração de dados : 3.7 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 4.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#404#404	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
Ver cartão do modelo Total de testes 23 Testes errados 21 Confiabilidade 9.8 Taxa de acerto por tentativa 8.7% Testes instáveis 0 Tokens de entrada 184,579 Tokens de saída 110,071 Tokens de raciocínio 0 Tempo de resposta (médio) 13.39s Tempo de resposta (total) 294.48s Tempo de resposta (máx.) 240.61s Resposta incorreta: 13 Não seguiu as instruções: 4 Erro de API: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 4.8 Programação : 4.2 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.4 Seguimento de instruções : 3.1 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#406#406	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 9.8 Taxa de acerto por tentativa 15.9% Testes instáveis 2 Tokens de entrada 97,418 Tokens de saída 4,779 Tokens de raciocínio 0 Tempo de resposta (médio) 15.92s Tempo de resposta (total) 366.20s Tempo de resposta (máx.) 339.57s Resposta incorreta: 16 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 3.0 Truques anti-IA : 4.8 Programação : 3.1 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#412#412	Laguna M.1default	3.6	Poolside	$0.009 ↕	2.89s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 26.1% Testes instáveis 3 Tokens de entrada 38,147 Tokens de saída 2,054 Tokens de raciocínio 0 Tempo de resposta (médio) 2.89s Tempo de resposta (total) 43.28s Tempo de resposta (máx.) 15.42s Resposta incorreta: 10 Erro de API: 4 Chamada de ferramenta inválida: 1 Tarefas de agentes : 0.0 Truques anti-IA : 3.4 Programação : 2.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 9.7 Taxa de acerto por tentativa 95.7% Testes instáveis 0 Tokens de entrada 183,607 Tokens de saída 5,741 Tokens de raciocínio 58,082 Tempo de resposta (médio) 61.98s Tempo de resposta (total) 1425.65s Tempo de resposta (máx.) 960.01s Tempo esgotado: 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 : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#41#41	Muse Wonderlow	9.1	Meta	$2.637	16.00s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 9.7 Taxa de acerto por tentativa 76.8% Testes instáveis 1 Tokens de entrada 244,997 Tokens de saída 11,148 Tokens de raciocínio 71,699 Tempo de resposta (médio) 16.00s Tempo de resposta (total) 367.91s Tempo de resposta (máx.) 83.98s Resposta incorreta: 4 Erro de API: 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 : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#44#44	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 9.7 Taxa de acerto por tentativa 76.8% Testes instáveis 2 Tokens de entrada 238,532 Tokens de saída 9,812 Tokens de raciocínio 24,412 Tempo de resposta (médio) 7.72s Tempo de resposta (total) 177.57s Tempo de resposta (máx.) 42.89s Erro de API: 3 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 : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#63#63	DeepSeek V4.1 Flashhigh	8.7	DeepSeek	$0.617 ↑	33.27s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.7 Taxa de acerto por tentativa 75.4% Testes instáveis 3 Tokens de entrada 282,490 Tokens de saída 8,621 Tokens de raciocínio 455,535 Tempo de resposta (médio) 33.27s Tempo de resposta (total) 765.12s Tempo de resposta (máx.) 205.53s Resposta incorreta: 5 Erro de API: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#67#67	Qwen3.8 27Bhigh	8.7	Qwen	~$0.298	166.34s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 9.7 Taxa de acerto por tentativa 78.3% Testes instáveis 2 Tokens de entrada 348,967 Tokens de saída 1,005 Tokens de raciocínio 676,075 Tempo de resposta (médio) 166.34s Tempo de resposta (total) 3825.81s Tempo de resposta (máx.) 640.85s Não seguiu as instruções: 2 Sem resposta: 2 Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.1 Combinado : 10.0 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 : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#139#139	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 65.2% Testes instáveis 2 Tokens de entrada 176,539 Tokens de saída 4,419 Tokens de raciocínio 195,929 Tempo de resposta (médio) 54.06s Tempo de resposta (total) 1189.36s Tempo de resposta (máx.) 203.01s Resposta incorreta: 8 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.9 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#144#144	GPT-6 Lunalow	7.6	OpenAI	$0.033	23.23s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 63.8% Testes instáveis 4 Tokens de entrada 195,928 Tokens de saída 5,728 Tokens de raciocínio 19,152 Tempo de resposta (médio) 23.23s Tempo de resposta (total) 534.22s Tempo de resposta (máx.) 89.37s Resposta incorreta: 7 Erro de API: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.9 Programação : 6.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 7.1 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#170#170	Qwen3.8 27Bmedium	7.2	Qwen	~$0.073	40.09s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 66.7% Testes instáveis 2 Tokens de entrada 277,164 Tokens de saída 1,913 Tokens de raciocínio 168,783 Tempo de resposta (médio) 40.09s Tempo de resposta (total) 881.89s Tempo de resposta (máx.) 214.63s Resposta incorreta: 4 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 : 10.0 Combinado : 8.7 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#208#208	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 73.9% Testes instáveis 6 Tokens de entrada 310,049 Tokens de saída 6,094 Tokens de raciocínio 566,221 Tempo de resposta (médio) 123.96s Tempo de resposta (total) 2851.07s Tempo de resposta (máx.) 775.64s Sem resposta: 4 Resposta incorreta: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 5.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#213#213	MiniMax M3medium	6.7	Minimax	$0.422 ↑	77.03s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 9.7 Taxa de acerto por tentativa 59.4% Testes instáveis 5 Tokens de entrada 166,517 Tokens de saída 107,386 Tokens de raciocínio 217,548 Tempo de resposta (médio) 77.03s Tempo de resposta (total) 1694.74s Tempo de resposta (máx.) 431.03s Resposta incorreta: 5 Tempo esgotado: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 3.0 Truques anti-IA : 5.5 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#246#246	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
#260#260	Ling 3.1 Flashlow	6.3	Inclusionai	$0.000	85.22s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 271,890 Tokens de saída 190,841 Tokens de raciocínio 513,329 Tempo de resposta (médio) 85.22s Tempo de resposta (total) 1960.12s Tempo de resposta (máx.) 432.81s Sem resposta: 4 Não seguiu as instruções: 3 Resposta incorreta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 5.6 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.9 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#298#298	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.391 ↑	16.63s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 9.7 Taxa de acerto por tentativa 36.2% Testes instáveis 3 Tokens de entrada 337,756 Tokens de saída 292,779 Tokens de raciocínio 0 Tempo de resposta (médio) 16.63s Tempo de resposta (total) 382.53s Tempo de resposta (máx.) 247.66s Resposta incorreta: 11 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 7.4 Truques anti-IA : 3.7 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 7.7 Inteligência geral : 5.5 Seguimento de instruções : 6.5 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