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)
#304#304	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 9.7 Taxa de acerto por tentativa 31.9% Testes instáveis 2 Tokens de entrada 257,872 Tokens de saída 54,388 Tokens de raciocínio 0 Tempo de resposta (médio) 20.43s Tempo de resposta (total) 469.88s Tempo de resposta (máx.) 192.80s Resposta incorreta: 15 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 3.6 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#311#311	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.7 Taxa de acerto por tentativa 58.0% Testes instáveis 7 Tokens de entrada 261,256 Tokens de saída 1,425,268 Tokens de raciocínio 0 Tempo de resposta (médio) 138.27s Tempo de resposta (total) 3180.10s Tempo de resposta (máx.) 436.56s Sem resposta: 7 Erro de API: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.4 Truques anti-IA : 6.9 Programação : 2.7 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#314#314	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
#343#343	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.7 Taxa de acerto por tentativa 42.0% Testes instáveis 8 Tokens de entrada 321,955 Tokens de saída 41,555 Tokens de raciocínio 94,946 Tempo de resposta (médio) 12.68s Tempo de resposta (total) 291.66s Tempo de resposta (máx.) 59.15s Resposta incorreta: 14 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 5.6 Programação : 4.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 9.6 Taxa de acerto por tentativa 95.7% Testes instáveis 0 Tokens de entrada 181,223 Tokens de saída 5,707 Tokens de raciocínio 58,909 Tempo de resposta (médio) 61.63s Tempo de resposta (total) 1417.51s 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
#45#45	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.6 Taxa de acerto por tentativa 81.2% Testes instáveis 5 Tokens de entrada 271,242 Tokens de saída 11,803 Tokens de raciocínio 397,838 Tempo de resposta (médio) 92.38s Tempo de resposta (total) 2124.67s Tempo de resposta (máx.) 482.30s Erro de API: 2 Resposta incorreta: 2 Formatação extra: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#64#64	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.6 Taxa de acerto por tentativa 73.9% Testes instáveis 2 Tokens de entrada 280,643 Tokens de saída 7,342 Tokens de raciocínio 437,323 Tempo de resposta (médio) 32.88s Tempo de resposta (total) 756.34s Tempo de resposta (máx.) 276.31s 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 : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#83#83	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 9.6 Taxa de acerto por tentativa 73.9% Testes instáveis 2 Tokens de entrada 313,881 Tokens de saída 123,706 Tokens de raciocínio 388,328 Tempo de resposta (médio) 120.40s Tempo de resposta (total) 2769.16s Tempo de resposta (máx.) 534.21s Resposta incorreta: 5 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 8.2 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#97#97	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 71.0% Testes instáveis 3 Tokens de entrada 369,495 Tokens de saída 172,852 Tokens de raciocínio 476,002 Tempo de resposta (médio) 88.74s Tempo de resposta (total) 2041.10s Tempo de resposta (máx.) 567.88s Sem resposta: 4 Resposta incorreta: 3 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#102#102	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.6 Taxa de acerto por tentativa 81.2% Testes instáveis 4 Tokens de entrada 227,164 Tokens de saída 20,029 Tokens de raciocínio 60,991 Tempo de resposta (médio) 26.88s Tempo de resposta (total) 591.34s Tempo de resposta (máx.) 102.40s Resposta incorreta: 3 Sem resposta: 2 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#109#109	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 73.9% Testes instáveis 4 Tokens de entrada 266,849 Tokens de saída 8,284 Tokens de raciocínio 363,263 Tempo de resposta (médio) 28.04s Tempo de resposta (total) 645.03s Tempo de resposta (máx.) 149.84s Resposta incorreta: 7 Erro de API: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#122#122	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 75.4% Testes instáveis 4 Tokens de entrada 295,642 Tokens de saída 115,041 Tokens de raciocínio 353,398 Tempo de resposta (médio) 120.88s Tempo de resposta (total) 2780.16s Tempo de resposta (máx.) 532.28s Resposta incorreta: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#212#212	Grok 4.7high	6.7	X AI	$3.037	122.19s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 9.6 Taxa de acerto por tentativa 72.5% Testes instáveis 7 Tokens de entrada 329,276 Tokens de saída 8,172 Tokens de raciocínio 479,012 Tempo de resposta (médio) 122.19s Tempo de resposta (total) 2810.40s Tempo de resposta (máx.) 573.57s Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Resposta incorreta: 2 Erro de API: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 6.0 Combinado : 8.6 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#244#244	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.6 Taxa de acerto por tentativa 60.9% Testes instáveis 8 Tokens de entrada 292,271 Tokens de saída 55,025 Tokens de raciocínio 186,071 Tempo de resposta (médio) 125.76s Tempo de resposta (total) 2137.84s Tempo de resposta (máx.) 566.79s Resposta incorreta: 5 Tempo esgotado: 3 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.9 Truques anti-IA : 7.3 Programação : 6.1 Combinado : 6.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#279#279	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.6 Taxa de acerto por tentativa 53.6% Testes instáveis 5 Tokens de entrada 261,842 Tokens de saída 1,434,621 Tokens de raciocínio 0 Tempo de resposta (médio) 136.10s Tempo de resposta (total) 3130.27s Tempo de resposta (máx.) 438.09s Sem resposta: 6 Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 6.4 Programação : 2.8 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 : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#339#339	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.6 Taxa de acerto por tentativa 47.8% Testes instáveis 12 Tokens de entrada 170,517 Tokens de saída 149,968 Tokens de raciocínio 509,725 Tempo de resposta (médio) 77.08s Tempo de resposta (total) 1772.78s Tempo de resposta (máx.) 490.99s Resposta incorreta: 11 Não seguiu as instruções: 4 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 3.5 Truques anti-IA : 5.5 Programação : 4.4 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.7 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#341#341	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 40,961 Tokens de saída 2,518 Tokens de raciocínio 81,801 Tempo de resposta (médio) 22.16s Tempo de resposta (total) 443.22s Tempo de resposta (máx.) 136.29s 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 : 10.0 Programação : 6.0 Combinado : 2.3 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 : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#346#346	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
#382#382	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Ver cartão do modelo Total de testes 23 Testes errados 17 Confiabilidade 9.6 Taxa de acerto por tentativa 29.0% Testes instáveis 2 Tokens de entrada 114,384 Tokens de saída 14,903 Tokens de raciocínio 0 Tempo de resposta (médio) 10.21s Tempo de resposta (total) 214.31s Tempo de resposta (máx.) 36.03s Resposta incorreta: 9 Erro de API: 3 Chamada de ferramenta inválida: 3 Não seguiu as instruções: 2 Tarefas de agentes : 3.0 Truques anti-IA : 6.8 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#409#409	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.6 Taxa de acerto por tentativa 18.8% Testes instáveis 1 Tokens de entrada 99,662 Tokens de saída 146,555 Tokens de raciocínio 732,977 Tempo de resposta (médio) 63.15s Tempo de resposta (total) 1389.35s Tempo de resposta (máx.) 252.08s Sem resposta: 7 Resposta incorreta: 5 Não seguiu as instruções: 4 Erro de API: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 6.5 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.8 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 6.6 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#410#410	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.6 Taxa de acerto por tentativa 23.2% Testes instáveis 3 Tokens de entrada 103,898 Tokens de saída 148,304 Tokens de raciocínio 774,972 Tempo de resposta (médio) 64.99s Tempo de resposta (total) 1429.68s Tempo de resposta (máx.) 262.20s Sem resposta: 7 Resposta incorreta: 5 Não seguiu as instruções: 4 Erro de API: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 6.5 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.7 Específico do domínio : 3.0 Inteligência geral : 3.8 Seguimento de instruções : 6.8 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#68#68	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.5 Taxa de acerto por tentativa 78.3% Testes instáveis 7 Tokens de entrada 298,476 Tokens de saída 7,762 Tokens de raciocínio 515,918 Tempo de resposta (médio) 148.11s Tempo de resposta (total) 3406.53s Tempo de resposta (máx.) 904.91s Formatação extra: 3 Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.3 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#189#189	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.5 Taxa de acerto por tentativa 52.2% Testes instáveis 4 Tokens de entrada 243,381 Tokens de saída 1,581,325 Tokens de raciocínio 0 Tempo de resposta (médio) 154.41s Tempo de resposta (total) 3551.40s Tempo de resposta (máx.) 455.72s Sem resposta: 7 Resposta incorreta: 3 Erro de API: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.5 Programação : 2.9 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.4 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#315#315	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 9.5 Taxa de acerto por tentativa 42.0% Testes instáveis 4 Tokens de entrada 229,346 Tokens de saída 18,597 Tokens de raciocínio 129,338 Tempo de resposta (médio) 56.40s Tempo de resposta (total) 1184.46s Tempo de resposta (máx.) 431.98s Resposta incorreta: 6 Erro de API: 4 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.3 Programação : 3.1 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.1 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#378#378	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.5 Taxa de acerto por tentativa 40.6% Testes instáveis 9 Tokens de entrada 207,883 Tokens de saída 144,718 Tokens de raciocínio 525,897 Tempo de resposta (médio) 83.19s Tempo de resposta (total) 1913.41s Tempo de resposta (máx.) 597.61s Resposta incorreta: 14 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 3.5 Truques anti-IA : 6.9 Programação : 4.0 Combinado : 6.3 Análise e extração de dados : 2.9 Específico do domínio : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 3.6 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