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: 2026-04-24 Modelos avaliados: 115

115/115

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#61#61	DeepSeek V4 Pronone	6.7	DeepSeek	$0.030	23.34s
Ver cartão do modelo Total de testes: 18 Testes errados: 9 Confiabilidade: N/D Taxa de acerto por tentativa: 51.9% Testes instáveis: 1 Tokens de saída: 1,611 Tokens de raciocínio: 0 Tempo de resposta: médio 23.34s · total 420.04s · máx. 109.46s Resposta incorreta: 6 Formatação extra: 2 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 10.0 Combinado : 9.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0
#62#62	Grok 4.1 Fastmedium	6.7	X AI	$0.056	23.88s
Ver cartão do modelo Total de testes: 18 Testes errados: 9 Confiabilidade: N/D Taxa de acerto por tentativa: 64.8% Testes instáveis: 6 Tokens de saída: 2,010 Tokens de raciocínio: 91,298 Tempo de resposta: médio 23.88s · total 262.66s · máx. 121.79s Não seguiu as instruções: 4 Resposta incorreta: 3 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 : 6.6 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8
#63#63	GLM 5none	6.6	Z.ai	$0.020	4.23s
Ver cartão do modelo Total de testes: 18 Testes errados: 9 Confiabilidade: N/D Taxa de acerto por tentativa: 51.9% Testes instáveis: 1 Tokens de saída: 1,959 Tokens de raciocínio: 0 Tempo de resposta: médio 4.23s · total 46.51s · máx. 11.07s Resposta incorreta: 9 Truques anti-IA : 4.8 Programação : 5.6 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
#64#64	Mercury 2medium	6.5	Inception	$0.047	2.21s
Ver cartão do modelo Total de testes: 18 Testes errados: 10 Confiabilidade: N/D Taxa de acerto por tentativa: 53.7% Testes instáveis: 3 Tokens de saída: 3,972 Tokens de raciocínio: 48,333 Tempo de resposta: médio 2.21s · total 37.51s · máx. 14.63s Resposta incorreta: 6 Não seguiu as instruções: 4 Truques anti-IA : 6.9 Programação : 10.0 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 : 3.9 Chamada de ferramentas : 10.0
#65#65	MiMo-V2-Omninone	6.5	Xiaomi	$0.007	1.99s
Ver cartão do modelo Total de testes: 18 Testes errados: 10 Confiabilidade: N/D Taxa de acerto por tentativa: 44.4% Testes instáveis: 0 Tokens de saída: 868 Tokens de raciocínio: 0 Tempo de resposta: médio 1.99s · total 35.81s · máx. 6.81s Resposta incorreta: 8 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 6.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 8.0 Chamada de ferramentas : 10.0
#66#66	Grok 4.20 Multi Agent Betamedium	6.4	X AI	$5.074	9.80s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 57.4% Testes instáveis: 6 Tokens de saída: 299,034 Tokens de raciocínio: 309,670 Tempo de resposta: médio 9.80s · total 156.75s · máx. 35.28s Não seguiu as instruções: 4 Resposta incorreta: 3 Erro de API: 2 Formatação extra: 2 Truques anti-IA : 6.9 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.8 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 7.2 Chamada de ferramentas : 3.0
#67#67	GPT-5 Nanomedium	6.3	OpenAI	$0.066	44.13s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 59.3% Testes instáveis: 8 Tokens de saída: 4,980 Tokens de raciocínio: 156,288 Tempo de resposta: médio 44.13s · total 485.47s · máx. 204.02s Resposta incorreta: 7 Não seguiu as instruções: 3 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 6.7 Combinado : 10.0 Análise e extração de dados : 3.7 Específico do domínio : 5.2 Inteligência geral : 4.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0
#68#68	GLM 5V Turbonone	6.2	Z.ai	$0.044	3.10s
Ver cartão do modelo Total de testes: 18 Testes errados: 10 Confiabilidade: N/D Taxa de acerto por tentativa: 44.4% Testes instáveis: 0 Tokens de saída: 1,724 Tokens de raciocínio: 0 Tempo de resposta: médio 3.10s · total 55.87s · máx. 6.51s Resposta incorreta: 8 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 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
#69#69	Qwen3.5-Flashnone	6.2	Qwen	$0.006	3.25s
Ver cartão do modelo Total de testes: 18 Testes errados: 10 Confiabilidade: N/D Taxa de acerto por tentativa: 46.3% Testes instáveis: 1 Tokens de saída: 4,266 Tokens de raciocínio: 0 Tempo de resposta: médio 3.25s · total 58.44s · máx. 13.73s Resposta incorreta: 9 Não seguiu as instruções: 1 Truques anti-IA : 3.5 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 10.0
#70#70	Gemma 4 26B A4Bnone	6.2	Google	$0.005	6.59s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 48.2% Testes instáveis: 3 Tokens de saída: 1,783 Tokens de raciocínio: 0 Tempo de resposta: médio 6.59s · total 118.61s · máx. 57.10s Resposta incorreta: 7 Não seguiu as instruções: 3 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 4.4 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0
#71#71	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.016	2.53s
Ver cartão do modelo Total de testes: 18 Testes errados: 10 Confiabilidade: N/D Taxa de acerto por tentativa: 55.6% Testes instáveis: 5 Tokens de saída: 3,129 Tokens de raciocínio: 0 Tempo de resposta: médio 2.53s · total 45.46s · máx. 6.70s Resposta incorreta: 10 Truques anti-IA : 3.0 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.2 Chamada de ferramentas : 10.0
#72#72	Gemini 2.5 Flashnone	6.2	Google	$0.013	903ms
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 44.4% Testes instáveis: 2 Tokens de saída: 1,726 Tokens de raciocínio: 0 Tempo de resposta: médio 903ms · total 16.26s · máx. 4.39s Resposta incorreta: 10 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 5.0 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0
#73#73	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.016	3.82s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 50.0% Testes instáveis: 3 Tokens de saída: 4,300 Tokens de raciocínio: 0 Tempo de resposta: médio 3.82s · total 68.74s · máx. 47.43s Resposta incorreta: 9 Não seguiu as instruções: 2 Truques anti-IA : 3.4 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.5 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.9 Chamada de ferramentas : 10.0
#74#74	DeepSeek V3.2none	6.0	DeepSeek	$0.016	12.07s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 46.3% Testes instáveis: 3 Tokens de saída: 8,378 Tokens de raciocínio: 0 Tempo de resposta: médio 12.07s · total 217.28s · máx. 115.89s Resposta incorreta: 8 Formatação extra: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.2 Programação : 2.4 Combinado : 6.5 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.5 Chamada de ferramentas : 10.0
#75#75	MiMo-V2-Pronone	6.0	Xiaomi	$0.043	2.39s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 48.2% Testes instáveis: 3 Tokens de saída: 2,320 Tokens de raciocínio: 0 Tempo de resposta: médio 2.39s · total 43.06s · máx. 6.58s Resposta incorreta: 9 Não seguiu as instruções: 2 Truques anti-IA : 3.5 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0
#76#76	GPT-5.4none	5.9	OpenAI	$0.104	1.51s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 42.6% Testes instáveis: 2 Tokens de saída: 2,317 Tokens de raciocínio: 0 Tempo de resposta: médio 1.51s · total 27.21s · máx. 2.95s Resposta incorreta: 10 Não seguiu as instruções: 1 Truques anti-IA : 3.2 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0
#77#77	Qwen3.5-27Bnone	5.9	Qwen	$0.016	1.74s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 38.9% Testes instáveis: 2 Tokens de saída: 3,545 Tokens de raciocínio: 0 Tempo de resposta: médio 1.74s · total 31.32s · máx. 9.39s Resposta incorreta: 10 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 10.0 Combinado : 2.8 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 : 6.7 Chamada de ferramentas : 10.0
#78#78	gpt-oss-120bmedium	5.8	OpenAI	$0.011	16.08s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 51.9% Testes instáveis: 6 Tokens de saída: 13,493 Tokens de raciocínio: 36,879 Tempo de resposta: médio 16.08s · total 176.88s · máx. 50.92s Resposta incorreta: 7 Não seguiu as instruções: 4 Truques anti-IA : 6.7 Programação : 4.3 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 : 3.2 Chamada de ferramentas : 9.8
#79#79	Kimi K2.6none	5.8	Moonshot AI	$0.038	2.05s
Ver cartão do modelo Total de testes: 18 Testes errados: 11 Confiabilidade: N/D Taxa de acerto por tentativa: 42.6% Testes instáveis: 2 Tokens de saída: 2,973 Tokens de raciocínio: 0 Tempo de resposta: médio 2.05s · total 36.93s · máx. 6.65s Resposta incorreta: 8 Não seguiu as instruções: 3 Truques anti-IA : 4.6 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.4 Chamada de ferramentas : 10.0
#80#80	MiMo-V2.5-Pronone	5.8	Xiaomi	$0.033	1.51s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 46.3% Testes instáveis: 4 Tokens de saída: 2,451 Tokens de raciocínio: 0 Tempo de resposta: médio 1.51s · total 27.21s · máx. 3.54s Resposta incorreta: 10 Não seguiu as instruções: 2 Truques anti-IA : 2.9 Programação : 6.4 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0
#81#81	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.022	3.69s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 38.9% Testes instáveis: 2 Tokens de saída: 3,341 Tokens de raciocínio: 0 Tempo de resposta: médio 3.69s · total 66.50s · máx. 46.00s Resposta incorreta: 11 Não seguiu as instruções: 1 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 : 5.0 Seguimento de instruções : 4.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0
#82#82	MiniMax M2.5medium	5.7	Minimax	$0.250	39.65s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 57.4% Testes instáveis: 10 Tokens de saída: 107,044 Tokens de raciocínio: 206,422 Tempo de resposta: médio 39.65s · total 396.47s · máx. 237.27s Resposta incorreta: 5 Tempo esgotado: 4 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.9 Programação : 3.0 Combinado : 4.5 Análise e extração de dados : 4.6 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 8.1 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0
#83#83	Hunter Alphanone	5.7	OpenRouter	$0.000	4.58s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 46.3% Testes instáveis: 4 Tokens de saída: 2,278 Tokens de raciocínio: 0 Tempo de resposta: médio 4.58s · total 77.92s · máx. 15.17s Resposta incorreta: 9 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 3.5 Programação : 3.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 10.0
#84#84	Mistral Small 4medium	5.7	Mistral	$0.034	5.64s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 50.0% Testes instáveis: 7 Tokens de saída: 15,084 Tokens de raciocínio: 39,408 Tempo de resposta: médio 5.64s · total 101.52s · máx. 30.49s Resposta incorreta: 8 Não seguiu as instruções: 3 Erro de API: 2 Truques anti-IA : 5.6 Programação : 6.7 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.4 Chamada de ferramentas : 10.0
#85#85	GLM 4.7 Flashnone	5.6	Z.ai	$0.003	3.35s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 37.0% Testes instáveis: 3 Tokens de saída: 2,489 Tokens de raciocínio: 0 Tempo de resposta: médio 3.35s · total 36.90s · máx. 7.05s Resposta incorreta: 10 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 5.2 Programação : 6.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 4.4 Chamada de ferramentas : 2.8
#86#86	GLM 5.1none	5.6	Z.ai	$0.053	4.33s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 37.0% Testes instáveis: 4 Tokens de saída: 3,720 Tokens de raciocínio: 0 Tempo de resposta: médio 4.33s · total 78.02s · máx. 32.57s Resposta incorreta: 10 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.0 Programação : 5.1 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0
#87#87	Kimi K2.5none	5.5	Moonshot AI	$0.017	13.37s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 40.7% Testes instáveis: 3 Tokens de saída: 2,659 Tokens de raciocínio: 0 Tempo de resposta: médio 13.37s · total 147.05s · máx. 42.13s Resposta incorreta: 12 Truques anti-IA : 3.6 Programação : 10.0 Combinado : 2.8 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0
#88#88	GLM 5 Turbonone	5.5	Z.ai	$0.032	2.94s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 37.0% Testes instáveis: 2 Tokens de saída: 1,775 Tokens de raciocínio: 0 Tempo de resposta: médio 2.94s · total 52.98s · máx. 8.21s Resposta incorreta: 10 Não seguiu as instruções: 2 Truques anti-IA : 3.0 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0
#89#89	Ling 2.6 Flashnone	5.4	Inclusionai	$0.000	11.33s
Ver cartão do modelo Total de testes: 18 Testes errados: 12 Confiabilidade: N/D Taxa de acerto por tentativa: 35.2% Testes instáveis: 1 Tokens de saída: 3,338 Tokens de raciocínio: 0 Tempo de resposta: médio 11.33s · total 203.88s · máx. 35.34s Resposta incorreta: 7 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 2 Truques anti-IA : 6.5 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 3.0
#90#90	Trinity Large Previewnone	5.3	Arcee AI	$0.000	5.07s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 29.6% Testes instáveis: 1 Tokens de saída: 1,985 Tokens de raciocínio: 0 Tempo de resposta: médio 5.07s · total 91.23s · máx. 39.47s Resposta incorreta: 11 Não seguiu as instruções: 2 Truques anti-IA : 3.0 Programação : 6.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 4.1 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0

Comparação rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighDisponível grátis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparação rápida