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: 2026-07-24 Modelos avaliados: 222

222/222

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#71#71	Step 3.7 Flashlow	7.3	Stepfun	$0.454	20.68s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 5 Tokens de entrada 103,833 Tokens de saída 376,581 Tokens de raciocínio 0 Tempo de resposta (médio) 20.68s Tempo de resposta (total) 455.01s Tempo de resposta (máx.) 124.75s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.2 Combinado : 7.3 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 3.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#73#73	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 106,076 Tokens de saída 9,071 Tokens de raciocínio 127,093 Tempo de resposta (médio) 20.83s Tempo de resposta (total) 458.31s Tempo de resposta (máx.) 199.97s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.0 Programação : 6.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#75#75	Qwen3.7 Plusnone	7.2	Qwen	$0.106 ↓	12.09s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 0 Tokens de entrada 98,824 Tokens de saída 58,097 Tokens de raciocínio 0 Tempo de resposta (médio) 12.09s Tempo de resposta (total) 265.89s Tempo de resposta (máx.) 206.03s 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
#76#76	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.046 ↓	64.16s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 124,771 Tokens de saída 44,077 Tokens de raciocínio 443,141 Tempo de resposta (médio) 64.16s Tempo de resposta (total) 1411.60s Tempo de resposta (máx.) 519.30s Resposta incorreta: 5 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 6.4 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#77#77	Grok 4.3medium	7.1	X AI	$0.779	47.45s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 4 Tokens de entrada 140,031 Tokens de saída 13,739 Tokens de raciocínio 227,682 Tempo de resposta (médio) 47.45s Tempo de resposta (total) 1043.83s Tempo de resposta (máx.) 216.69s Resposta incorreta: 5 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#79#79	Grok 4.20medium	7.1	X AI	$0.777 ↓	29.47s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 102,791 Tokens de saída 5,363 Tokens de raciocínio 253,977 Tempo de resposta (médio) 29.47s Tempo de resposta (total) 648.35s Tempo de resposta (máx.) 199.66s Resposta incorreta: 6 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.3 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.9 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#80#80	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 101,047 Tokens de saída 11,834 Tokens de raciocínio 117,014 Tempo de resposta (médio) 68.62s Tempo de resposta (total) 1509.53s Tempo de resposta (máx.) 376.10s Resposta incorreta: 5 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 7.3 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
#81#81	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 8 Tokens de entrada 118,448 Tokens de saída 62,124 Tokens de raciocínio 165,243 Tempo de resposta (médio) 99.00s Tempo de resposta (total) 1485.04s Tempo de resposta (máx.) 281.00s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 6.1 Combinado : 6.7 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
#82#82	Mercury 2medium	7.0	Inception	$0.093	2.72s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 51.5% Testes instáveis 3 Tokens de entrada 109,572 Tokens de saída 10,313 Tokens de raciocínio 76,806 Tempo de resposta (médio) 2.72s Tempo de resposta (total) 57.12s Tempo de resposta (máx.) 14.63s Resposta incorreta: 8 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 8.2 Combinado : 6.7 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
#83#83	Gemini 3.5 Flashnone	7.0	Google	$1.079	9.93s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 3 Tokens de entrada 13,843 Tokens de saída 117,518 Tokens de raciocínio 0 Tempo de resposta (médio) 9.93s Tempo de resposta (total) 178.68s Tempo de resposta (máx.) 64.36s Erro de API: 4 Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 2.8
#85#85	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 7 Tokens de entrada 87,907 Tokens de saída 7,213 Tokens de raciocínio 128,251 Tempo de resposta (médio) 24.04s Tempo de resposta (total) 528.92s Tempo de resposta (máx.) 257.00s Resposta incorreta: 9 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 8.2 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#86#86	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 51.5% Testes instáveis 4 Tokens de entrada 148,069 Tokens de saída 35,551 Tokens de raciocínio 0 Tempo de resposta (médio) 11.55s Tempo de resposta (total) 254.11s Tempo de resposta (máx.) 119.44s Resposta incorreta: 8 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.2 Programação : 5.6 Combinado : 7.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#87#87	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 3 Tokens de entrada 78,593 Tokens de saída 4,357 Tokens de raciocínio 0 Tempo de resposta (médio) 2.16s Tempo de resposta (total) 47.62s Tempo de resposta (máx.) 12.81s Resposta incorreta: 10 Não seguiu as instruções: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#88#88	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 139,883 Tokens de saída 15,521 Tokens de raciocínio 130,992 Tempo de resposta (médio) 33.92s Tempo de resposta (total) 746.19s Tempo de resposta (máx.) 197.54s Formatação extra: 3 Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#89#89	Qwen3.6 Flashmedium	6.9	Qwen	$0.738 ↓	44.65s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 5 Tokens de entrada 129,041 Tokens de saída 20,026 Tokens de raciocínio 614,312 Tempo de resposta (médio) 44.65s Tempo de resposta (total) 982.32s Tempo de resposta (máx.) 578.13s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#90#90	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 5 Tokens de entrada 98,691 Tokens de saída 1,032,395 Tokens de raciocínio 0 Tempo de resposta (médio) 64.68s Tempo de resposta (total) 1423.01s Tempo de resposta (máx.) 364.99s Resposta incorreta: 6 Sem resposta: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 4.0 Combinado : 8.7 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
#91#91	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 56.1% Testes instáveis 3 Tokens de entrada 79,285 Tokens de saída 4,915 Tokens de raciocínio 0 Tempo de resposta (médio) 2.36s Tempo de resposta (total) 51.88s Tempo de resposta (máx.) 12.24s Resposta incorreta: 11 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 6.5 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	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 1 Tokens de entrada 100,753 Tokens de saída 16,454 Tokens de raciocínio 0 Tempo de resposta (médio) 2.65s Tempo de resposta (total) 58.27s Tempo de resposta (máx.) 25.26s Resposta incorreta: 5 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 10.0 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#93#93	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 3 Tokens de entrada 104,210 Tokens de saída 10,710 Tokens de raciocínio 0 Tempo de resposta (médio) 2.95s Tempo de resposta (total) 44.26s Tempo de resposta (máx.) 21.19s Resposta incorreta: 8 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#94#94	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.746 ↑	58.06s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 1 Tokens de entrada 85,139 Tokens de saída 61,819 Tokens de raciocínio 678,766 Tempo de resposta (médio) 58.06s Tempo de resposta (total) 1161.18s Tempo de resposta (máx.) 817.57s Resposta incorreta: 4 Erro de API: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 7.7 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 : 8.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#95#95	Gemini 3.5 Flash-Litelow	6.7	Google	$0.145	2.25s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 144,622 Tokens de saída 15,302 Tokens de raciocínio 24,971 Tempo de resposta (médio) 2.25s Tempo de resposta (total) 49.58s Tempo de resposta (máx.) 13.50s Resposta incorreta: 9 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 4.1 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 9.8 Conhecimentos gerais : 4.7
#97#97	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 7 Tokens de entrada 98,499 Tokens de saída 135,861 Tokens de raciocínio 0 Tempo de resposta (médio) 25.56s Tempo de resposta (total) 562.43s Tempo de resposta (máx.) 335.41s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 6.1 Combinado : 4.1 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#98#98	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 44,615 Tokens de saída 2,347 Tokens de raciocínio 98,415 Tempo de resposta (médio) 23.08s Tempo de resposta (total) 484.63s Tempo de resposta (máx.) 95.88s Resposta incorreta: 7 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 7.2 Programação : 6.0 Combinado : 3.4 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 : 7.7 Chamada de ferramentas : 7.0 Conhecimentos gerais : 3.0
#99#99	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver cartão do modelo Total de testes 19 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 0 Tokens de entrada 69,576 Tokens de saída 6,265 Tokens de raciocínio 0 Tempo de resposta (médio) 3.02s Tempo de resposta (total) 57.44s Tempo de resposta (máx.) 18.27s Resposta incorreta: 3 Truques anti-IA : 8.3 Programação : 3.3 Combinado : 4.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#101#101	GLM 5.2none	6.6	Z.ai	$0.125 ↓	9.34s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 112,359 Tokens de saída 14,340 Tokens de raciocínio 0 Tempo de resposta (médio) 9.34s Tempo de resposta (total) 205.46s Tempo de resposta (máx.) 79.65s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#104#104	Gemini 3.5 Flash-Litemedium	6.5	Google	$0.369	6.01s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 7 Tokens de entrada 118,818 Tokens de saída 11,677 Tokens de raciocínio 121,611 Tempo de resposta (médio) 6.01s Tempo de resposta (total) 132.30s Tempo de resposta (máx.) 49.03s Resposta incorreta: 9 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#105#105	Qwen3.6 27Bmedium	6.5	Qwen	$1.038 ↑	106.32s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 6 Tokens de entrada 106,167 Tokens de saída 32,889 Tokens de raciocínio 241,303 Tempo de resposta (médio) 106.32s Tempo de resposta (total) 2339.12s Tempo de resposta (máx.) 1085.11s Resposta incorreta: 6 Sem resposta: 3 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 8.3 Programação : 7.7 Combinado : 6.7 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
#106#106	Hy3 previewmedium	6.5	Tencent	$0.018 ↕	16.28s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 27,030 Tokens de saída 73,544 Tokens de raciocínio 0 Tempo de resposta (médio) 16.28s Tempo de resposta (total) 293.12s Tempo de resposta (máx.) 46.04s Erro de API: 3 Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 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
#107#107	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 6 Tokens de entrada 105,447 Tokens de saída 7,120 Tokens de raciocínio 230,682 Tempo de resposta (médio) 32.20s Tempo de resposta (total) 708.46s Tempo de resposta (máx.) 162.44s Resposta incorreta: 5 Formatação extra: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 8.7 Análise e extração de dados : 2.7 Específico do domínio : 5.3 Inteligência geral : 5.4 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#108#108	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 42.4% Testes instáveis 1 Tokens de entrada 118,989 Tokens de saída 30,750 Tokens de raciocínio 491,833 Tempo de resposta (médio) 47.93s Tempo de resposta (total) 1054.49s Tempo de resposta (máx.) 422.72s Resposta incorreta: 11 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

←

1 2 3 4 8

→

Comparação rápida

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Leaderboard do AI Benchy

Filtrar modelos

Comparação rápida