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: 2026-10-19 Modelos avaliados: 451

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

451/451

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#72#72	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 72.5% Testes instáveis 4 Tokens de entrada 291,368 Tokens de saída 13,469 Tokens de raciocínio 108,952 Tempo de resposta (médio) 13.21s Tempo de resposta (total) 303.92s Tempo de resposta (máx.) 54.15s Resposta incorreta: 5 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.9 Programação : 10.0 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#73#73	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 79.7% Testes instáveis 4 Tokens de entrada 342,579 Tokens de saída 12,848 Tokens de raciocínio 70,193 Tempo de resposta (médio) 14.98s Tempo de resposta (total) 344.60s Tempo de resposta (máx.) 54.92s Resposta incorreta: 3 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 8.7 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#74#74	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 81.2% Testes instáveis 5 Tokens de entrada 345,687 Tokens de saída 13,550 Tokens de raciocínio 34,743 Tempo de resposta (médio) 10.79s Tempo de resposta (total) 248.22s Tempo de resposta (máx.) 51.53s Resposta incorreta: 5 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.2 Análise e extração de dados : 7.3 Específico do domínio : 3.5 Inteligência geral : 6.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#75#75	Claude Haiku 5.5low	8.6	Anthropic	$0.061	7.51s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 3 Tokens de entrada 296,301 Tokens de saída 10,672 Tokens de raciocínio 50,978 Tempo de resposta (médio) 7.51s Tempo de resposta (total) 172.74s Tempo de resposta (máx.) 44.43s Resposta incorreta: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 7.9 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#76#76	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
Ver cartão do modelo Total de testes 23 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 85.5% Testes instáveis 3 Tokens de entrada 298,682 Tokens de saída 8,374 Tokens de raciocínio 80,549 Tempo de resposta (médio) 29.07s Tempo de resposta (total) 668.66s Tempo de resposta (máx.) 207.79s Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#77#77	Grok 4.6high	8.5	X AI	$2.629	87.48s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 0 Tokens de entrada 376,233 Tokens de saída 6,687 Tokens de raciocínio 305,927 Tempo de resposta (médio) 87.48s Tempo de resposta (total) 2012.15s Tempo de resposta (máx.) 618.49s Resposta incorreta: 3 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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 : 10.0 Conhecimentos gerais : 3.0
#78#78	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 5 Tokens de entrada 270,231 Tokens de saída 13,363 Tokens de raciocínio 121,332 Tempo de resposta (médio) 17.73s Tempo de resposta (total) 407.75s Tempo de resposta (máx.) 78.72s Resposta incorreta: 4 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#79#79	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 3 Tokens de entrada 353,658 Tokens de saída 54,891 Tokens de raciocínio 18,370 Tempo de resposta (médio) 15.01s Tempo de resposta (total) 345.16s Tempo de resposta (máx.) 69.26s Resposta incorreta: 5 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 9.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#80#80	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 85.5% Testes instáveis 4 Tokens de entrada 367,848 Tokens de saída 8,753 Tokens de raciocínio 250,279 Tempo de resposta (médio) 48.35s Tempo de resposta (total) 1112.11s Tempo de resposta (máx.) 556.06s Resposta incorreta: 5 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 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
#81#81	Claude Haiku 5.5max	8.5	Anthropic	$0.509	61.71s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 85.5% Testes instáveis 1 Tokens de entrada 487,516 Tokens de saída 10,212 Tokens de raciocínio 909,487 Tempo de resposta (médio) 61.71s Tempo de resposta (total) 1419.40s Tempo de resposta (máx.) 288.94s Sem resposta: 3 Resposta incorreta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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
#84#84	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 4 Tokens de entrada 214,645 Tokens de saída 15,532 Tokens de raciocínio 103,679 Tempo de resposta (médio) 29.42s Tempo de resposta (total) 676.56s Tempo de resposta (máx.) 111.48s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#87#87	Inklinghigh	8.4	Thinkingmachines	$1.238 ↓	62.72s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 78.3% Testes instáveis 3 Tokens de entrada 240,395 Tokens de saída 7,169 Tokens de raciocínio 242,073 Tempo de resposta (médio) 62.72s Tempo de resposta (total) 1442.48s Tempo de resposta (máx.) 327.51s Resposta incorreta: 4 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#88#88	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 6 Tokens de entrada 336,310 Tokens de saída 10,838 Tokens de raciocínio 494,728 Tempo de resposta (médio) 37.41s Tempo de resposta (total) 860.39s Tempo de resposta (máx.) 196.03s Resposta incorreta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.5 Programação : 10.0 Combinado : 5.9 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 : 7.8 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#89#89	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 5 Tokens de entrada 281,863 Tokens de saída 24,535 Tokens de raciocínio 507,976 Tempo de resposta (médio) 118.83s Tempo de resposta (total) 2733.01s Tempo de resposta (máx.) 600.61s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#90#90	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 3 Tokens de entrada 288,913 Tokens de saída 79,462 Tokens de raciocínio 303,120 Tempo de resposta (médio) 69.11s Tempo de resposta (total) 1589.43s Tempo de resposta (máx.) 599.43s Resposta incorreta: 5 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.1 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#91#91	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 2 Tokens de entrada 197,239 Tokens de saída 6,083 Tokens de raciocínio 53,982 Tempo de resposta (médio) 13.62s Tempo de resposta (total) 313.21s Tempo de resposta (máx.) 91.49s Resposta incorreta: 7 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 7.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#92#92	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 4 Tokens de entrada 346,451 Tokens de saída 10,136 Tokens de raciocínio 95,504 Tempo de resposta (médio) 10.41s Tempo de resposta (total) 239.38s Tempo de resposta (máx.) 52.61s Resposta incorreta: 4 Formatação extra: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#93#93	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 85.5% Testes instáveis 2 Tokens de entrada 348,103 Tokens de saída 11,045 Tokens de raciocínio 234,967 Tempo de resposta (médio) 18.59s Tempo de resposta (total) 427.52s Tempo de resposta (máx.) 145.92s Chamada de ferramenta inválida: 2 Resposta incorreta: 2 Tarefas de agentes : 3.4 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.2 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 : 9.8 Conhecimentos gerais : 10.0
#95#95	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 73.9% Testes instáveis 3 Tokens de entrada 203,193 Tokens de saída 5,751 Tokens de raciocínio 47,410 Tempo de resposta (médio) 18.07s Tempo de resposta (total) 415.53s Tempo de resposta (máx.) 66.44s Resposta incorreta: 7 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 3 Tokens de entrada 360,294 Tokens de saída 43,441 Tokens de raciocínio 24,401 Tempo de resposta (médio) 16.72s Tempo de resposta (total) 384.66s Tempo de resposta (máx.) 99.37s Resposta incorreta: 5 Sem resposta: 1 Tarefas de agentes : 6.1 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
#98#98	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 3 Tokens de entrada 350,546 Tokens de saída 8,576 Tokens de raciocínio 206,984 Tempo de resposta (médio) 59.73s Tempo de resposta (total) 1373.73s Tempo de resposta (máx.) 315.30s Resposta incorreta: 6 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.1 Combinado : 8.2 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#100#100	DeepSeek V4.1 Flash 1017max	8.2	DeepSeek	$0.757	78.20s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 5 Tokens de entrada 360,065 Tokens de saída 7,711 Tokens de raciocínio 1,162,470 Tempo de resposta (médio) 78.20s Tempo de resposta (total) 1798.65s Tempo de resposta (máx.) 605.14s Resposta incorreta: 4 Não seguiu as instruções: 2 Sem resposta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 5.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#101#101	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Ver cartão do modelo Total de testes 23 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 3 Tokens de entrada 342,124 Tokens de saída 7,135 Tokens de raciocínio 326,497 Tempo de resposta (médio) 72.50s Tempo de resposta (total) 1667.51s Tempo de resposta (máx.) 676.83s Resposta incorreta: 3 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 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
#103#103	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 2 Tokens de entrada 172,507 Tokens de saída 5,824 Tokens de raciocínio 27,365 Tempo de resposta (médio) 8.93s Tempo de resposta (total) 205.39s Tempo de resposta (máx.) 54.74s Resposta incorreta: 8 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#104#104	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 4 Tokens de entrada 229,530 Tokens de saída 13,757 Tokens de raciocínio 92,662 Tempo de resposta (médio) 48.87s Tempo de resposta (total) 1123.91s Tempo de resposta (máx.) 254.92s Resposta incorreta: 6 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 8.0 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 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