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: 2026-09-02 Modelos avaliados: 311

Modelos recomendados

GPT-5.6 Sol high Inteligente Taxa de acerto por tentativa 89.4% Testes corretos 18 / 22 Pontuação 9.4/10 GPT-5.6 Luna medium Rápido Tempo de resposta (médio) 7.43s Total de tokens de saída 44,525 Pontuação 7.4/10 DeepSeek V4 Flash 0731 high Acessível Preço de entrada $0.065 / 1M Preço de saída $0.180 / 1M Pontuação 8.0/10

311/311

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Ver cartão do modelo Total de testes 16 Testes errados 3 Confiabilidade N/D Taxa de acerto por tentativa 59.1% Testes instáveis 0 Tokens de entrada 28,980 Tokens de saída 1,283 Tokens de raciocínio 1,533,310 Tempo de resposta (médio) 68.14s Tempo de resposta (total) 1090.28s Tempo de resposta (máx.) 280.52s Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 7.5 Programação : 0.0 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#196#196	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Ver cartão do modelo Total de testes 18 Testes errados 4 Confiabilidade N/D Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 35,955 Tokens de saída 1,647 Tokens de raciocínio 91,565 Tempo de resposta (médio) 9.75s Tempo de resposta (total) 175.48s Tempo de resposta (máx.) 31.36s Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#18#18	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 2 Tokens de entrada 104,464 Tokens de saída 6,844 Tokens de raciocínio 590,392 Tempo de resposta (médio) 163.90s Tempo de resposta (total) 3605.87s Tempo de resposta (máx.) 739.98s Resposta incorreta: 3 Sem resposta: 2 Truques anti-IA : 8.2 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#19#19	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 3 Tokens de entrada 106,029 Tokens de saída 5,748 Tokens de raciocínio 220,354 Tempo de resposta (médio) 44.32s Tempo de resposta (total) 975.11s Tempo de resposta (máx.) 556.06s Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#23#23	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 1 Tokens de entrada 109,055 Tokens de saída 6,566 Tokens de raciocínio 85,481 Tempo de resposta (médio) 23.34s Tempo de resposta (total) 513.47s Tempo de resposta (máx.) 126.60s Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#24#24	Muse Spark 1.3high	9.0	Meta	$1.252	117.06s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 9.5 Taxa de acerto por tentativa 81.8% Testes instáveis 3 Tokens de entrada 99,477 Tokens de saída 14,053 Tokens de raciocínio 251,124 Tempo de resposta (médio) 117.06s Tempo de resposta (total) 2575.43s Tempo de resposta (máx.) 470.12s Resposta incorreta: 2 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#25#25	Muse Spark 1.3low	9.0	Meta	$0.633	43.67s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 9.6 Taxa de acerto por tentativa 83.3% Testes instáveis 3 Tokens de entrada 104,966 Tokens de saída 10,208 Tokens de raciocínio 107,707 Tempo de resposta (médio) 43.67s Tempo de resposta (total) 960.70s Tempo de resposta (máx.) 190.38s Resposta incorreta: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 3 Tokens de entrada 152,175 Tokens de saída 5,655 Tokens de raciocínio 318,807 Tempo de resposta (médio) 72.30s Tempo de resposta (total) 1590.56s Tempo de resposta (máx.) 676.83s Sem resposta: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#31#31	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 93,046 Tokens de saída 5,884 Tokens de raciocínio 198,741 Tempo de resposta (médio) 10.05s Tempo de resposta (total) 221.06s Tempo de resposta (máx.) 36.22s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#32#32	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 138,448 Tokens de saída 40,765 Tokens de raciocínio 11,162 Tempo de resposta (médio) 12.97s Tempo de resposta (total) 285.29s Tempo de resposta (máx.) 70.54s Resposta incorreta: 4 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.9 Análise e extração de dados : 7.1 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#40#40	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 1 Tokens de entrada 89,640 Tokens de saída 33,092 Tokens de raciocínio 9,054 Tempo de resposta (médio) 15.01s Tempo de resposta (total) 330.15s Tempo de resposta (máx.) 80.80s Sem resposta: 3 Chamada de ferramenta inválida: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#41#41	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 79,249 Tokens de saída 5,097 Tokens de raciocínio 165,276 Tempo de resposta (médio) 66.52s Tempo de resposta (total) 1463.50s Tempo de resposta (máx.) 238.07s Resposta incorreta: 4 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 3 Tokens de entrada 122,155 Tokens de saída 5,514 Tokens de raciocínio 293,946 Tempo de resposta (médio) 68.59s Tempo de resposta (total) 1508.91s Tempo de resposta (máx.) 436.38s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.3 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 98,062 Tokens de saída 13,168 Tokens de raciocínio 210,826 Tempo de resposta (médio) 89.78s Tempo de resposta (total) 1975.17s Tempo de resposta (máx.) 356.29s Resposta incorreta: 3 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#28#28	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 4 Tokens de entrada 81,187 Tokens de saída 6,258 Tokens de raciocínio 54,116 Tempo de resposta (médio) 16.91s Tempo de resposta (total) 372.03s Tempo de resposta (máx.) 100.93s Resposta incorreta: 4 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.6 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#29#29	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 3 Tokens de entrada 104,695 Tokens de saída 6,645 Tokens de raciocínio 691,086 Tempo de resposta (médio) 173.96s Tempo de resposta (total) 3827.19s Tempo de resposta (máx.) 584.71s Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 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 : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#35#35	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 3 Tokens de entrada 96,873 Tokens de saída 7,637 Tokens de raciocínio 196,703 Tempo de resposta (médio) 52.10s Tempo de resposta (total) 1146.24s Tempo de resposta (máx.) 333.47s Resposta incorreta: 2 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#42#42	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 3 Tokens de entrada 99,181 Tokens de saída 6,132 Tokens de raciocínio 77,689 Tempo de resposta (médio) 21.83s Tempo de resposta (total) 480.37s Tempo de resposta (máx.) 155.75s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.4 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 : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 106,787 Tokens de saída 4,811 Tokens de raciocínio 244,997 Tempo de resposta (médio) 73.46s Tempo de resposta (total) 1616.12s Tempo de resposta (máx.) 514.35s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#47#47	Grok 4.5low	8.4	X AI	$0.945	16.17s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 2 Tokens de entrada 125,605 Tokens de saída 7,505 Tokens de raciocínio 107,984 Tempo de resposta (médio) 16.17s Tempo de resposta (total) 355.67s Tempo de resposta (máx.) 205.28s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#49#49	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.6 Taxa de acerto por tentativa 77.3% Testes instáveis 2 Tokens de entrada 100,179 Tokens de saída 904 Tokens de raciocínio 655,731 Tempo de resposta (médio) 167.89s Tempo de resposta (total) 3693.54s Tempo de resposta (máx.) 640.85s Não seguiu as instruções: 2 Sem resposta: 2 Resposta incorreta: 2 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
#66#66	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.0 Taxa de acerto por tentativa 77.3% Testes instáveis 2 Tokens de entrada 34,960 Tokens de saída 2,887 Tokens de raciocínio 221,241 Tempo de resposta (médio) 142.84s Tempo de resposta (total) 2714.02s Tempo de resposta (máx.) 766.58s Erro de API: 2 Sem resposta: 2 Formatação extra: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#78#78	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 3 Tokens de entrada 156,522 Tokens de saída 43,056 Tokens de raciocínio 9,181 Tempo de resposta (médio) 12.88s Tempo de resposta (total) 283.32s Tempo de resposta (máx.) 127.97s Resposta incorreta: 4 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 9.9 Análise e extração de dados : 6.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#99#99	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 111,773 Tokens de saída 8,035 Tokens de raciocínio 33,289 Tempo de resposta (médio) 4.83s Tempo de resposta (total) 106.18s Tempo de resposta (máx.) 35.14s Resposta incorreta: 5 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#107#107	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 2 Tokens de entrada 123,687 Tokens de saída 9,572 Tokens de raciocínio 31,204 Tempo de resposta (médio) 6.51s Tempo de resposta (total) 143.12s Tempo de resposta (máx.) 17.13s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 5.8 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0

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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium