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)
#73#73	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Ver cartão do modelo Total de testes 21 Testes errados 6 Confiabilidade 9.5 Taxa de acerto por tentativa 80.3% Testes instáveis 4 Tokens de entrada 37,199 Tokens de saída 12,261 Tokens de raciocínio 49,500 Tempo de resposta (médio) 23.28s Tempo de resposta (total) 488.94s Tempo de resposta (máx.) 101.36s Resposta incorreta: 3 Sem resposta: 2 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 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 : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#80#80	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Ver cartão do modelo Total de testes 21 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 4 Tokens de entrada 35,224 Tokens de saída 21,570 Tokens de raciocínio 102,996 Tempo de resposta (médio) 33.54s Tempo de resposta (total) 435.99s Tempo de resposta (máx.) 99.85s Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 5.0 Análise e extração de dados : 7.1 Específico do domínio : 3.5 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#39#39	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 2 Tokens de entrada 142,147 Tokens de saída 7,905 Tokens de raciocínio 284,247 Tempo de resposta (médio) 26.25s Tempo de resposta (total) 577.47s Tempo de resposta (máx.) 165.38s Resposta incorreta: 4 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#43#43	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 4 Tokens de entrada 81,136 Tokens de saída 6,155 Tokens de raciocínio 84,311 Tempo de resposta (médio) 22.85s Tempo de resposta (total) 502.78s Tempo de resposta (máx.) 100.41s Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 8.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#45#45	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 3 Tokens de entrada 101,811 Tokens de saída 8,025 Tokens de raciocínio 115,938 Tempo de resposta (médio) 9.77s Tempo de resposta (total) 214.83s Tempo de resposta (máx.) 47.80s Resposta incorreta: 4 Não seguiu as instruções: 3 Truques anti-IA : 9.2 Programação : 8.4 Combinado : 9.8 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 : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#50#50	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 5 Tokens de entrada 104,433 Tokens de saída 6,511 Tokens de raciocínio 752,680 Tempo de resposta (médio) 193.59s Tempo de resposta (total) 4258.98s Tempo de resposta (máx.) 885.33s Resposta incorreta: 5 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 8.2 Combinado : 10.0 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 : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#53#53	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 6 Tokens de entrada 135,112 Tokens de saída 7,594 Tokens de raciocínio 23,558 Tempo de resposta (médio) 11.67s Tempo de resposta (total) 256.73s Tempo de resposta (máx.) 36.59s Resposta incorreta: 3 Sem resposta: 2 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 8.2 Programação : 7.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#54#54	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 1 Tokens de entrada 132,507 Tokens de saída 12,739 Tokens de raciocínio 228,626 Tempo de resposta (médio) 21.14s Tempo de resposta (total) 465.10s Tempo de resposta (máx.) 140.50s Resposta incorreta: 6 Não seguiu as instruções: 1 Truques anti-IA : 8.4 Programação : 7.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#55#55	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 3 Tokens de entrada 145,953 Tokens de saída 52,330 Tokens de raciocínio 10,874 Tempo de resposta (médio) 12.54s Tempo de resposta (total) 275.90s Tempo de resposta (máx.) 66.71s Resposta incorreta: 5 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 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
#56#56	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.4 Taxa de acerto por tentativa 72.7% Testes instáveis 2 Tokens de entrada 113,279 Tokens de saída 121,045 Tokens de raciocínio 374,496 Tempo de resposta (médio) 118.97s Tempo de resposta (total) 2617.41s Tempo de resposta (máx.) 534.21s Resposta incorreta: 4 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 8.2 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#59#59	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 3 Tokens de entrada 86,755 Tokens de saída 6,057 Tokens de raciocínio 230,570 Tempo de resposta (médio) 62.57s Tempo de resposta (total) 1376.46s Tempo de resposta (máx.) 327.51s Resposta incorreta: 4 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 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
#64#64	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 4 Tokens de entrada 124,062 Tokens de saída 12,190 Tokens de raciocínio 51,652 Tempo de resposta (médio) 15.66s Tempo de resposta (total) 344.52s Tempo de resposta (máx.) 85.12s Resposta incorreta: 4 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.4 Combinado : 7.3 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 : 2.8
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 99,705 Tokens de saída 1,545 Tokens de raciocínio 167,784 Tempo de resposta (médio) 39.11s Tempo de resposta (total) 860.51s Tempo de resposta (máx.) 376.04s Resposta incorreta: 4 Sem resposta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 7.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#70#70	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 3 Tokens de entrada 115,242 Tokens de saída 6,163 Tokens de raciocínio 181,174 Tempo de resposta (médio) 53.51s Tempo de resposta (total) 1177.25s Tempo de resposta (máx.) 315.30s Resposta incorreta: 5 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 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
#71#71	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 2 Tokens de entrada 97,698 Tokens de saída 6,417 Tokens de raciocínio 191,215 Tempo de resposta (médio) 45.52s Tempo de resposta (total) 955.94s Tempo de resposta (máx.) 291.55s Resposta incorreta: 5 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 112,713 Tokens de saída 5,436 Tokens de raciocínio 121,598 Tempo de resposta (médio) 3.58s Tempo de resposta (total) 78.66s Tempo de resposta (máx.) 17.84s Resposta incorreta: 4 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 6.5 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 : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#101#101	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.9 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 95,992 Tokens de saída 12,446 Tokens de raciocínio 0 Tempo de resposta (médio) 4.56s Tempo de resposta (total) 100.30s Tempo de resposta (máx.) 72.30s Resposta incorreta: 7 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 6.5 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
#106#106	Grok 4.6low	7.4	X AI	$0.449	14.55s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 109,960 Tokens de saída 5,124 Tokens de raciocínio 32,924 Tempo de resposta (médio) 14.55s Tempo de resposta (total) 320.17s Tempo de resposta (máx.) 26.46s Resposta incorreta: 7 Truques anti-IA : 10.0 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#149#149	Gemma 4 26B A4Bmedium	6.8	Google	$0.092 ↓	104.93s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 77,528 Tokens de saída 26,048 Tokens de raciocínio 227,598 Tempo de resposta (médio) 104.93s Tempo de resposta (total) 2203.52s Tempo de resposta (máx.) 912.19s Sem resposta: 2 Tempo esgotado: 2 Resposta incorreta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 2.9 Combinado : 6.3 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
#85#85	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 35,593 Tokens de saída 12,245 Tokens de raciocínio 62,277 Tempo de resposta (médio) 23.00s Tempo de resposta (total) 482.97s Tempo de resposta (máx.) 194.23s Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#167#167	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	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
#198#198	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade N/D Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 28,848 Tokens de saída 1,490 Tokens de raciocínio 10,102 Tempo de resposta (médio) 9.05s Tempo de resposta (total) 90.53s Tempo de resposta (máx.) 26.24s Erro de API: 4 Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 3.0 Combinado : 1.5 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
#37#37	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.9 Taxa de acerto por tentativa 74.2% Testes instáveis 5 Tokens de entrada 117,037 Tokens de saída 6,983 Tokens de raciocínio 375,104 Tempo de resposta (médio) 26.59s Tempo de resposta (total) 584.89s Tempo de resposta (máx.) 192.00s Resposta incorreta: 4 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 8.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#38#38	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 4 Tokens de entrada 123,680 Tokens de saída 7,222 Tokens de raciocínio 271,442 Tempo de resposta (médio) 19.67s Tempo de resposta (total) 432.72s Tempo de resposta (máx.) 142.49s Não seguiu as instruções: 3 Resposta incorreta: 3 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 10.0 Combinado : 8.5 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 : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#48#48	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 4 Tokens de entrada 105,013 Tokens de saída 9,914 Tokens de raciocínio 61,338 Tempo de resposta (médio) 28.51s Tempo de resposta (total) 456.13s Tempo de resposta (máx.) 116.86s Não seguiu as instruções: 3 Resposta incorreta: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 3.7 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.5 Chamada de ferramentas : 4.7 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 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