AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-06-04 Modelos avaliados: 163

163/163

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#69#69	Claude Opus 4.6medium	7.0	Anthropic	$2.053	25.89s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 61.9% Testes instáveis 3 Tokens de entrada 53,227 Tokens de saída 47,446 Tokens de raciocínio 24,000 Tempo de resposta (médio) 25.89s Tempo de resposta (total) 362.49s Tempo de resposta (máx.) 83.40s Formatação extra: 5 Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 6.4 Programação : 5.7 Combinado : 10.0 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#70#70	GPT-5.4 Nanomedium	7.0	OpenAI	$0.107	11.95s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.5% Testes instáveis 4 Tokens de entrada 35,434 Tokens de saída 3,014 Tokens de raciocínio 76,520 Tempo de resposta (médio) 11.95s Tempo de resposta (total) 250.98s Tempo de resposta (máx.) 94.06s Resposta incorreta: 8 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#71#71	Step 3.7 Flashhigh	7.0	Stepfun	$1.148	64.46s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.5% Testes instáveis 4 Tokens de entrada 38,391 Tokens de saída 991,355 Tokens de raciocínio 0 Tempo de resposta (médio) 64.46s Tempo de resposta (total) 1353.57s Tempo de resposta (máx.) 364.99s Resposta incorreta: 6 Sem resposta: 4 Truques anti-IA : 10.0 Programação : 4.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 5.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#72#72	DeepSeek V3.2medium	7.0	DeepSeek	$0.044 ↓	68.71s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.1% Testes instáveis 6 Tokens de entrada 38,333 Tokens de saída 7,186 Tokens de raciocínio 99,081 Tempo de resposta (médio) 68.71s Tempo de resposta (total) 1442.81s Tempo de resposta (máx.) 376.10s Resposta incorreta: 5 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 10.0 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 : 7.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#74#74	Qwen3.6 Max Previewnone	6.9	Qwen	$0.075 ↓	3.30s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 58.7% Testes instáveis 2 Tokens de entrada 42,509 Tokens de saída 4,779 Tokens de raciocínio 0 Tempo de resposta (médio) 3.30s Tempo de resposta (total) 69.40s Tempo de resposta (máx.) 20.51s Resposta incorreta: 10 Truques anti-IA : 5.2 Programação : 3.8 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#75#75	Ring-2.6-1Tmedium	6.9	Inclusionai	$0.033 ↕	61.29s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 60.3% Testes instáveis 3 Tokens de entrada 35,892 Tokens de saída 21,752 Tokens de raciocínio 42,754 Tempo de resposta (médio) 61.29s Tempo de resposta (total) 1164.50s Tempo de resposta (máx.) 304.19s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 2 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 3.5 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#76#76	Kimi K2.5medium	6.8	Moonshot AI	$0.328 ↓	98.43s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 68.3% Testes instáveis 8 Tokens de entrada 34,312 Tokens de saída 48,379 Tokens de raciocínio 157,747 Tempo de resposta (médio) 98.43s Tempo de resposta (total) 1378.03s Tempo de resposta (máx.) 281.00s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Tempo esgotado: 2 Truques anti-IA : 7.3 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#77#77	Claude Sonnet 4.6none	6.8	Anthropic	$0.316	5.04s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 55.6% Testes instáveis 1 Tokens de entrada 57,886 Tokens de saída 9,465 Tokens de raciocínio 0 Tempo de resposta (médio) 5.04s Tempo de resposta (total) 70.60s Tempo de resposta (máx.) 23.84s Resposta incorreta: 5 Formatação extra: 4 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 9.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#78#78	Qwen3.6 27Bmedium	6.8	Qwen	$0.444 ↑	59.71s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.3% Testes instáveis 5 Tokens de entrada 39,376 Tokens de saída 16,189 Tokens de raciocínio 122,521 Tempo de resposta (médio) 59.71s Tempo de resposta (total) 1254.01s Tempo de resposta (máx.) 168.22s Resposta incorreta: 6 Sem resposta: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 7.7 Combinado : 7.0 Análise e extração de dados : 3.5 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#80#80	Mimo V2 Omnimedium	6.7	Xiaomi	$0.683 ↓	41.16s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 55.6% Testes instáveis 3 Tokens de entrada 37,007 Tokens de saída 1,952 Tokens de raciocínio 357,306 Tempo de resposta (médio) 41.16s Tempo de resposta (total) 823.26s Tempo de resposta (máx.) 299.23s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 10.0 Programação : 3.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.4 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#81#81	Mercury 2medium	6.6	Inception	$0.058	2.24s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 54.0% Testes instáveis 3 Tokens de entrada 35,116 Tokens de saída 4,048 Tokens de raciocínio 61,219 Tempo de resposta (médio) 2.24s Tempo de resposta (total) 44.72s Tempo de resposta (máx.) 14.63s Resposta incorreta: 8 Não seguiu as instruções: 3 Truques anti-IA : 6.9 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#82#82	Hy3 previewhigh	6.6	Tencent	$0.048 ↕	56.57s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 55.6% Testes instáveis 2 Tokens de entrada 25,987 Tokens de saída 216,719 Tokens de raciocínio 0 Tempo de resposta (médio) 56.57s Tempo de resposta (total) 848.59s Tempo de resposta (máx.) 149.94s Erro de API: 7 Resposta incorreta: 3 Truques anti-IA : 6.4 Programação : 5.3 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#83#83	Step 3.5 Flashnone	6.6	Stepfun	$0.020	39.03s
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 0 Tokens de entrada 1,971 Tokens de saída 64,795 Tokens de raciocínio 0 Tempo de resposta (médio) 39.03s Tempo de resposta (total) 312.26s Tempo de resposta (máx.) 114.12s Erro de API: 4 Não seguiu as instruções: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 3.0 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 10.0 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#85#85	Gemma 4 31Bnone	6.5	Google	$0.004 ↓	4.05s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 47.6% Testes instáveis 0 Tokens de entrada 20,911 Tokens de saída 1,407 Tokens de raciocínio 0 Tempo de resposta (médio) 4.05s Tempo de resposta (total) 76.87s Tempo de resposta (máx.) 26.13s Resposta incorreta: 8 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.5 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#86#86	Grok 4.1 Fastmedium	6.5	X AI	$0.069 ↑	23.85s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 61.4% Testes instáveis 6 Tokens de entrada 42,845 Tokens de saída 2,006 Tokens de raciocínio 96,334 Tempo de resposta (médio) 23.85s Tempo de resposta (total) 286.16s Tempo de resposta (máx.) 121.79s Não seguiu as instruções: 4 Resposta incorreta: 4 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 2.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#87#87	Gemini 3.1 Flash Liteminimal	6.4	Google	$0.013	1.33s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 54.0% Testes instáveis 3 Tokens de entrada 36,973 Tokens de saída 2,487 Tokens de raciocínio 0 Tempo de resposta (médio) 1.33s Tempo de resposta (total) 27.91s Tempo de resposta (máx.) 4.49s Resposta incorreta: 8 Não seguiu as instruções: 3 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#88#88	Qwen3.7 Plusnone	6.4	Qwen	$0.028	2.85s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 47.6% Testes instáveis 0 Tokens de entrada 42,510 Tokens de saída 6,578 Tokens de raciocínio 0 Tempo de resposta (médio) 2.85s Tempo de resposta (total) 59.86s Tempo de resposta (máx.) 29.38s Resposta incorreta: 10 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#89#89	Hy3 previewlow	6.4	Tencent	$0.015 ↕	24.56s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 52.4% Testes instáveis 2 Tokens de entrada 21,045 Tokens de saída 63,460 Tokens de raciocínio 0 Tempo de resposta (médio) 24.56s Tempo de resposta (total) 368.35s Tempo de resposta (máx.) 78.74s Erro de API: 7 Resposta incorreta: 4 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#90#90	Gemini 3.1 Flash Litenone	6.4	Google	$0.013	1.06s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 52.4% Testes instáveis 4 Tokens de entrada 36,710 Tokens de saída 2,484 Tokens de raciocínio 0 Tempo de resposta (médio) 1.06s Tempo de resposta (total) 22.35s Tempo de resposta (máx.) 2.97s Resposta incorreta: 11 Não seguiu as instruções: 1 Truques anti-IA : 7.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#91#91	GPT-5.5none	6.4	OpenAI	$0.231	1.89s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 54.0% Testes instáveis 3 Tokens de entrada 34,212 Tokens de saída 1,971 Tokens de raciocínio 0 Tempo de resposta (médio) 1.89s Tempo de resposta (total) 39.64s Tempo de resposta (máx.) 5.56s Resposta incorreta: 11 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#92#92	Laguna M.1medium	6.4	Poolside	$0.000	14.73s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 52.6% Testes instáveis 2 Tokens de entrada 44,969 Tokens de saída 58,087 Tokens de raciocínio 0 Tempo de resposta (médio) 14.73s Tempo de resposta (total) 220.93s Tempo de resposta (máx.) 53.14s Erro de API: 4 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#94#94	GPT-5 Nanomedium	6.3	OpenAI	$0.081	42.51s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 57.1% Testes instáveis 7 Tokens de entrada 34,108 Tokens de saída 5,464 Tokens de raciocínio 192,064 Tempo de resposta (médio) 42.51s Tempo de resposta (total) 595.09s Tempo de resposta (máx.) 204.02s Resposta incorreta: 9 Não seguiu as instruções: 2 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 7.0 Combinado : 10.0 Análise e extração de dados : 3.7 Específico do domínio : 5.2 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#95#95	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.016 ↓	2.31s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 46.0% Testes instáveis 2 Tokens de entrada 45,864 Tokens de saída 2,480 Tokens de raciocínio 0 Tempo de resposta (médio) 2.31s Tempo de resposta (total) 34.63s Tempo de resposta (máx.) 6.65s Resposta incorreta: 12 Truques anti-IA : 4.8 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	Ring-2.6-1Tnone	6.2	Inclusionai	$0.026 ↕	55.10s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 47.6% Testes instáveis 2 Tokens de entrada 7,599 Tokens de saída 39,954 Tokens de raciocínio 0 Tempo de resposta (médio) 55.10s Tempo de resposta (total) 881.55s Tempo de resposta (máx.) 143.82s Erro de API: 5 Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 9.2 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#97#97	Gemini 2.5 Flashnone	6.2	Google	$0.016	875ms
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 46.0% Testes instáveis 1 Tokens de entrada 35,926 Tokens de saída 1,770 Tokens de raciocínio 0 Tempo de resposta (médio) 875ms Tempo de resposta (total) 18.37s Tempo de resposta (máx.) 4.39s Resposta incorreta: 12 Truques anti-IA : 3.0 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#98#98	GLM 5none	6.1	Z.ai	$0.027 ↑	4.03s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 44.4% Testes instáveis 1 Tokens de entrada 37,135 Tokens de saída 1,989 Tokens de raciocínio 0 Tempo de resposta (médio) 4.03s Tempo de resposta (total) 56.37s Tempo de resposta (máx.) 11.07s Resposta incorreta: 12 Truques anti-IA : 4.8 Programação : 4.0 Combinado : 3.0 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#99#99	gpt-oss-120bmedium	6.1	OpenAI	$0.013 ↓	22.28s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 52.4% Testes instáveis 5 Tokens de entrada 39,084 Tokens de saída 20,013 Tokens de raciocínio 50,233 Tempo de resposta (médio) 22.28s Tempo de resposta (total) 311.96s Tempo de resposta (máx.) 68.16s Resposta incorreta: 9 Não seguiu as instruções: 3 Truques anti-IA : 6.7 Programação : 5.9 Combinado : 10.0 Análise e extração de dados : 6.4 Específico do domínio : 2.9 Inteligência geral : 4.3 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#100#100	Grok Build 0.1none	6.0	X AI	$0.547	28.69s
Ver cartão do modelo Total de testes 19 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 50.9% Testes instáveis 4 Tokens de entrada 11,793 Tokens de saída 267,275 Tokens de raciocínio 0 Tempo de resposta (médio) 28.69s Tempo de resposta (total) 459.00s Tempo de resposta (máx.) 138.35s Resposta incorreta: 7 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#101#101	Mimo V2 Omninone	6.0	Xiaomi	$0.021 ↓	2.44s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 39.7% Testes instáveis 1 Tokens de entrada 40,852 Tokens de saída 3,314 Tokens de raciocínio 0 Tempo de resposta (médio) 2.44s Tempo de resposta (total) 48.81s Tempo de resposta (máx.) 6.81s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.6 Programação : 4.4 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#102#102	Gemma 4 26B A4Bnone	6.0	Google	$0.004 ↓	5.91s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 44.4% Testes instáveis 2 Tokens de entrada 40,038 Tokens de saída 1,824 Tokens de raciocínio 0 Tempo de resposta (médio) 5.91s Tempo de resposta (total) 124.05s Tempo de resposta (máx.) 57.10s Resposta incorreta: 10 Não seguiu as instruções: 2 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 6.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

←

1 2 3 4 5 6

→

Comparação rápida

Leaderboard de Benchmark de IA

Filtrar modelos

Comparação rápida