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)
#432#432	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
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Ver cartão do modelo Total de testes 21 Testes errados 16 Confiabilidade N/D Taxa de acerto por tentativa 24.6% Testes instáveis 1 Tokens de entrada 33,743 Tokens de saída 2,573 Tokens de raciocínio 0 Tempo de resposta (médio) 1.22s Tempo de resposta (total) 22.03s Tempo de resposta (máx.) 3.81s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tarefas de agentes : 0.0 Truques anti-IA : 6.6 Programação : 4.2 Combinado : 1.5 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 : 4.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#257#257	DeepSeek V4 Flash 0423none	6.3	DeepSeek	$0.149 ↑	38.64s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 30.4% Testes instáveis 4 Tokens de entrada 403,455 Tokens de saída 100,227 Tokens de raciocínio 15,364 Tempo de resposta (médio) 38.64s Tempo de resposta (total) 888.69s Tempo de resposta (máx.) 247.27s Resposta incorreta: 13 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 3.0 Programação : 4.2 Combinado : 4.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#262#262	DeepSeek V4 Flash 0731none	6.2	DeepSeek	$0.053 ↑	27.42s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 30.4% Testes instáveis 4 Tokens de entrada 349,876 Tokens de saída 39,789 Tokens de raciocínio 0 Tempo de resposta (médio) 27.42s Tempo de resposta (total) 630.70s Tempo de resposta (máx.) 387.15s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Formatação extra: 1 Tarefas de agentes : 10.0 Truques anti-IA : 3.4 Programação : 4.3 Combinado : 3.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#308#308	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
#324#324	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 4 Tokens de entrada 275,349 Tokens de saída 49,377 Tokens de raciocínio 12 Tempo de resposta (médio) 35.86s Tempo de resposta (total) 609.61s Tempo de resposta (máx.) 321.19s Resposta incorreta: 17 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.6 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#326#326	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 3 Tokens de entrada 270,072 Tokens de saída 23,173 Tokens de raciocínio 0 Tempo de resposta (médio) 4.56s Tempo de resposta (total) 104.80s Tempo de resposta (máx.) 70.79s Resposta incorreta: 14 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 5.0 Truques anti-IA : 5.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#330#330	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
#334#334	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
#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
#338#338	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 31.9% Testes instáveis 4 Tokens de entrada 273,075 Tokens de saída 17,069 Tokens de raciocínio 0 Tempo de resposta (médio) 6.21s Tempo de resposta (total) 142.89s Tempo de resposta (máx.) 53.13s Resposta incorreta: 12 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 3.9 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
#342#342	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 44.9% Testes instáveis 10 Tokens de entrada 277,130 Tokens de saída 45,188 Tokens de raciocínio 129,163 Tempo de resposta (médio) 50.32s Tempo de resposta (total) 1107.03s Tempo de resposta (máx.) 198.82s Resposta incorreta: 6 Não seguiu as instruções: 5 Chamada de ferramenta inválida: 2 Sem resposta: 2 Tempo esgotado: 2 Erro de API: 1 Tarefas de agentes : 4.7 Truques anti-IA : 7.9 Programação : 5.7 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#344#344	GPT-4o-minidefault	5.0	OpenAI	$0.024	4.16s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 21.7% Testes instáveis 0 Tokens de entrada 145,180 Tokens de saída 3,627 Tokens de raciocínio 0 Tempo de resposta (médio) 4.16s Tempo de resposta (total) 70.70s Tempo de resposta (máx.) 39.99s Resposta incorreta: 16 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 4.8 Programação : 3.2 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#347#347	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 1 Tokens de entrada 94,733 Tokens de saída 7,087 Tokens de raciocínio 1,683 Tempo de resposta (médio) 1.45s Tempo de resposta (total) 33.24s Tempo de resposta (máx.) 12.35s Resposta incorreta: 15 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 3.1 Programação : 3.6 Combinado : 6.5 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 : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#348#348	Qwen3 Coder Nextdefault	4.9	Qwen	$0.067 ↑	19.73s
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 250,329 Tokens de saída 45,168 Tokens de raciocínio 0 Tempo de resposta (médio) 19.73s Tempo de resposta (total) 355.09s Tempo de resposta (máx.) 208.38s Resposta incorreta: 15 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.6 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 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
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 3 Tokens de entrada 255,363 Tokens de saída 27,395 Tokens de raciocínio 0 Tempo de resposta (médio) 13.04s Tempo de resposta (total) 221.61s Tempo de resposta (máx.) 97.15s Resposta incorreta: 15 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 5.2 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#359#359	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
#369#369	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
#377#377	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.5 Taxa de acerto por tentativa 27.5% Testes instáveis 3 Tokens de entrada 146,361 Tokens de saída 9,073 Tokens de raciocínio 1 Tempo de resposta (médio) 7.11s Tempo de resposta (total) 163.46s Tempo de resposta (máx.) 30.51s Resposta incorreta: 16 Não seguiu as instruções: 2 Tarefas de agentes : 2.8 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#378#378	KAT Coder AIR V2.5default	4.4	Kwaipilot	$0.070	11.96s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 34.8% Testes instáveis 7 Tokens de entrada 69,376 Tokens de saída 7,792 Tokens de raciocínio 89,960 Tempo de resposta (médio) 11.96s Tempo de resposta (total) 275.18s Tempo de resposta (máx.) 121.05s Resposta incorreta: 13 Formatação extra: 3 Erro de API: 2 Tarefas de agentes : 3.0 Truques anti-IA : 5.3 Programação : 3.3 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 9.3 Taxa de acerto por tentativa 42.0% Testes instáveis 9 Tokens de entrada 188,239 Tokens de saída 27,822 Tokens de raciocínio 262,674 Tempo de resposta (médio) 102.32s Tempo de resposta (total) 1637.05s Tempo de resposta (máx.) 600.81s Resposta incorreta: 7 Tempo esgotado: 5 Não seguiu as instruções: 3 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 7.9 Programação : 3.4 Combinado : 3.7 Análise e extração de dados : 4.6 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 7.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#403#403	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
#420#420	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	2.7	NVIDIA	$0.000	17.13s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 26.1% Testes instáveis 5 Tokens de entrada 11,661 Tokens de saída 48,491 Tokens de raciocínio 180,695 Tempo de resposta (médio) 17.13s Tempo de resposta (total) 222.66s Tempo de resposta (máx.) 147.45s Resposta incorreta: 7 Erro de API: 6 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 0.0 Truques anti-IA : 6.4 Programação : 1.1 Combinado : 1.5 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 21.7% Testes instáveis 2 Tokens de entrada 27,172 Tokens de saída 2,661 Tokens de raciocínio 0 Tempo de resposta (médio) 12.92s Tempo de resposta (total) 232.64s Tempo de resposta (máx.) 35.84s Resposta incorreta: 8 Erro de API: 4 Não seguiu as instruções: 4 Formatação extra: 1 Tarefas de agentes : 0.0 Truques anti-IA : 4.8 Programação : 2.7 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.1 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