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)
#411#411	MiMo-V2-Flashdefault	3.3	Xiaomi	$0.025 ↑	2.76s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 6.7 Taxa de acerto por tentativa 23.2% Testes instáveis 4 Tokens de entrada 36,851 Tokens de saída 68,882 Tokens de raciocínio 0 Tempo de resposta (médio) 2.76s Tempo de resposta (total) 46.99s Tempo de resposta (máx.) 19.68s Resposta incorreta: 13 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Tarefas de agentes : 0.0 Truques anti-IA : 3.2 Programação : 4.3 Combinado : 1.5 Análise e extração de dados : 2.9 Específico do domínio : 5.3 Inteligência geral : 4.6 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#379#379	Trinity Large Previewdefault	4.4	Arcee AI	$0.008 ↑	2.83s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 20.3% Testes instáveis 2 Tokens de entrada 29,828 Tokens de saída 2,169 Tokens de raciocínio 0 Tempo de resposta (médio) 2.83s Tempo de resposta (total) 56.65s Tempo de resposta (máx.) 14.34s Resposta incorreta: 12 Erro de API: 3 Não seguiu as instruções: 3 Tarefas de agentes : 3.0 Truques anti-IA : 3.1 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 3.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#327#327	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 6 Tokens de entrada 272,479 Tokens de saída 40,677 Tokens de raciocínio 23,104 Tempo de resposta (médio) 8.43s Tempo de resposta (total) 176.93s Tempo de resposta (máx.) 65.61s Resposta incorreta: 13 Erro de API: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.2 Truques anti-IA : 3.6 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#340#340	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 4 Tokens de entrada 230,291 Tokens de saída 99,030 Tokens de raciocínio 287,794 Tempo de resposta (médio) 63.06s Tempo de resposta (total) 1450.31s Tempo de resposta (máx.) 560.31s Resposta incorreta: 14 Chamada de ferramenta inválida: 2 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.4 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.2 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#349#349	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 27.5% Testes instáveis 6 Tokens de entrada 344,806 Tokens de saída 177,330 Tokens de raciocínio 453,213 Tempo de resposta (médio) 113.63s Tempo de resposta (total) 2613.48s Tempo de resposta (máx.) 1190.11s Resposta incorreta: 12 Chamada de ferramenta inválida: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tarefas de agentes : 2.8 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.6 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#351#351	Ling 2.6 1tdefault	4.9	Inclusionai	$0.016 ↑	8.16s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 17.4% Testes instáveis 0 Tokens de entrada 106,423 Tokens de saída 11,555 Tokens de raciocínio 0 Tempo de resposta (médio) 8.16s Tempo de resposta (total) 163.24s Tempo de resposta (máx.) 25.72s Resposta incorreta: 12 Erro de API: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 3.0 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
#358#358	Mercury 2.5 Previewdefault	4.7	Inception	$0.023 ↑	7.05s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.9 Taxa de acerto por tentativa 29.0% Testes instáveis 5 Tokens de entrada 250,541 Tokens de saída 86,367 Tokens de raciocínio 0 Tempo de resposta (médio) 7.05s Tempo de resposta (total) 162.25s Tempo de resposta (máx.) 84.96s Resposta incorreta: 16 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.8 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#360#360	North Mini Codedefault	4.7	Cohere	$0.000	29.47s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 8.9 Taxa de acerto por tentativa 17.4% Testes instáveis 0 Tokens de entrada 177,989 Tokens de saída 26,954 Tokens de raciocínio 0 Tempo de resposta (médio) 29.47s Tempo de resposta (total) 677.70s Tempo de resposta (máx.) 159.85s Resposta incorreta: 13 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 3.0 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#362#362	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 8.2 Taxa de acerto por tentativa 37.7% Testes instáveis 10 Tokens de entrada 282,658 Tokens de saída 198,563 Tokens de raciocínio 462,804 Tempo de resposta (médio) 235.35s Tempo de resposta (total) 5413.09s Tempo de resposta (máx.) 685.87s Tempo esgotado: 10 Resposta incorreta: 7 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.9 Programação : 3.8 Combinado : 5.0 Análise e extração de dados : 3.8 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#365#365	GPT-5.4 Nanonone	4.6	OpenAI	$0.068	4.42s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 26.1% Testes instáveis 4 Tokens de entrada 246,687 Tokens de saída 14,894 Tokens de raciocínio 0 Tempo de resposta (médio) 4.42s Tempo de resposta (total) 101.75s Tempo de resposta (máx.) 45.38s Resposta incorreta: 16 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.5 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.4 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
#385#385	GLM 4.7 Flashmedium	4.2	Z.ai	$0.193	150.90s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 9.4 Taxa de acerto por tentativa 30.4% Testes instáveis 8 Tokens de entrada 228,711 Tokens de saída 42,254 Tokens de raciocínio 422,121 Tempo de resposta (médio) 150.90s Tempo de resposta (total) 2414.33s Tempo de resposta (máx.) 1539.97s Resposta incorreta: 10 Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 Tarefas de agentes : 3.9 Truques anti-IA : 4.7 Programação : 3.2 Combinado : 2.9 Análise e extração de dados : 6.3 Específico do domínio : 3.5 Inteligência geral : 3.6 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#399#399	Ling 3.0 Tinyhigh	3.7	Inclusionai	$0.000	72.24s
Ver cartão do modelo Total de testes 23 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 23.2% Testes instáveis 3 Tokens de entrada 115,314 Tokens de saída 133,965 Tokens de raciocínio 816,718 Tempo de resposta (médio) 72.24s Tempo de resposta (total) 1589.23s Tempo de resposta (máx.) 345.15s Sem resposta: 7 Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 6.4 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.8 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 6.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#400#400	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
#401#401	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
#431#431	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
#434#434	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
#415#415	Grok 4.1 Fastdefault	3.1	X AI	$0.008 ↓	1.62s
Ver cartão do modelo Total de testes 19 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 18.8% Testes instáveis 3 Tokens de entrada 36,608 Tokens de saída 1,723 Tokens de raciocínio 0 Tempo de resposta (médio) 1.62s Tempo de resposta (total) 19.48s Tempo de resposta (máx.) 5.51s Resposta incorreta: 13 Não seguiu as instruções: 3 Tarefas de agentes : 0.0 Truques anti-IA : 3.2 Programação : 1.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.4 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#441#441	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
#317#317	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 6.5 Taxa de acerto por tentativa 21.7% Testes instáveis 4 Tokens de entrada 162,180 Tokens de saída 5,030 Tokens de raciocínio 682,447 Tempo de resposta (médio) 207.21s Tempo de resposta (total) 4765.91s Tempo de resposta (máx.) 597.45s Resposta incorreta: 13 Erro de API: 5 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 6.0 Programação : 5.2 Combinado : 2.9 Análise e extração de dados : 8.7 Específico do domínio : 4.5 Inteligência geral : 7.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#339#339	Apodex 1.1 Minidefault	5.1	Apodex	$0.000	7.79s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 29.0% Testes instáveis 8 Tokens de entrada 465,127 Tokens de saída 72,309 Tokens de raciocínio 0 Tempo de resposta (médio) 7.79s Tempo de resposta (total) 179.09s Tempo de resposta (máx.) 121.52s Resposta incorreta: 16 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 5.2 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 4.9 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#343#343	Dots 3 Note Previewdefault	5.0	Dots Studio	$0.000	5.36s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 15.9% Testes instáveis 1 Tokens de entrada 225,907 Tokens de saída 22,507 Tokens de raciocínio 0 Tempo de resposta (médio) 5.36s Tempo de resposta (total) 123.38s Tempo de resposta (máx.) 45.71s Resposta incorreta: 16 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.9 Truques anti-IA : 3.1 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#354#354	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 6.2 Taxa de acerto por tentativa 15.9% Testes instáveis 1 Tokens de entrada 185,167 Tokens de saída 9,430 Tokens de raciocínio 0 Tempo de resposta (médio) 40.38s Tempo de resposta (total) 928.76s Tempo de resposta (máx.) 95.32s Resposta incorreta: 14 Erro de API: 2 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.3 Programação : 3.8 Combinado : 3.0 Análise e extração de dados : 8.7 Específico do domínio : 6.8 Inteligência geral : 5.1 Seguimento de instruções : 7.0 Resolução de quebra-cabeças : 4.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#363#363	Qwen3 Coder Nextmedium	4.7	Qwen	$0.071 ↑	16.97s
Ver cartão do modelo Total de testes 23 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 24.6% Testes instáveis 4 Tokens de entrada 311,647 Tokens de saída 40,395 Tokens de raciocínio 0 Tempo de resposta (médio) 16.97s Tempo de resposta (total) 305.55s Tempo de resposta (máx.) 151.35s Resposta incorreta: 15 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 5.0 Truques anti-IA : 3.5 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 6.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 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