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)
#91#91	DeepSeek V4 Flashnone	5.3	DeepSeek	$0.008	29.39s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 33.3% Testes instáveis: 2 Tokens de saída: 4,444 Tokens de raciocínio: 0 Tempo de resposta: médio 29.39s · total 529.10s · máx. 111.96s Resposta incorreta: 8 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 6.3 Combinado : 4.5 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 : 3.1 Chamada de ferramentas : 10.0
#92#92	Grok 4.20 Betanone	5.3	X AI	$0.091	1.19s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 29.6% Testes instáveis: 2 Tokens de saída: 1,591 Tokens de raciocínio: 0 Tempo de resposta: médio 1.19s · total 21.37s · máx. 6.48s Resposta incorreta: 10 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.0 Programação : 5.5 Combinado : 3.0 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 : 5.9 Chamada de ferramentas : 10.0
#93#93	MiniMax M2.7medium	5.3	Minimax	$0.091	31.08s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 51.9% Testes instáveis: 10 Tokens de saída: 4,984 Tokens de raciocínio: 62,787 Tempo de resposta: médio 31.08s · total 528.37s · máx. 117.04s Não seguiu as instruções: 6 Resposta incorreta: 5 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.9 Programação : 10.0 Combinado : 4.7 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 3.7 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 4.7
#94#94	Elephant Alphamedium	5.2	Openrouter	$0.000	1.27s
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: 2,596 Tokens de raciocínio: 0 Tempo de resposta: médio 1.27s · total 22.82s · máx. 3.70s Resposta incorreta: 9 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 5.1 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 3.0
#95#95	Grok 4.20none	5.2	X AI	$0.095	1.11s
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: 1,967 Tokens de raciocínio: 0 Tempo de resposta: médio 1.11s · total 20.02s · máx. 6.04s Resposta incorreta: 9 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 3.4 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0
#96#96	Mistral Small 4none	5.2	Mistral	$0.006	665ms
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 31.5% Testes instáveis: 1 Tokens de saída: 2,207 Tokens de raciocínio: 0 Tempo de resposta: médio 665ms · total 11.97s · máx. 1.72s Resposta incorreta: 11 Não seguiu as instruções: 2 Truques anti-IA : 3.4 Programação : 4.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0
#97#97	gpt-oss-120bnone	5.2	OpenAI	$0.009	11.96s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 38.9% Testes instáveis: 5 Tokens de saída: 44,652 Tokens de raciocínio: 0 Tempo de resposta: médio 11.96s · total 179.34s · máx. 68.97s Resposta incorreta: 6 Não seguiu as instruções: 5 Erro de API: 3 Truques anti-IA : 6.6 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 4.5 Chamada de ferramentas : 3.0
#98#98	Elephant Alphanone	5.2	Openrouter	$0.000	1.23s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 31.5% Testes instáveis: 1 Tokens de saída: 2,573 Tokens de raciocínio: 0 Tempo de resposta: médio 1.23s · total 22.16s · máx. 3.81s Resposta incorreta: 9 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 6.4 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 3.0
#99#99	GPT-5.4 Mininone	5.1	OpenAI	$0.032	1.17s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 35.2% Testes instáveis: 3 Tokens de saída: 2,418 Tokens de raciocínio: 0 Tempo de resposta: médio 1.17s · total 21.01s · máx. 2.52s Resposta incorreta: 10 Não seguiu as instruções: 3 Truques anti-IA : 3.1 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 3.0
#100#100	Qwen3 Coder Nextnone	5.1	Qwen	$0.008	10.18s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 25.9% Testes instáveis: 1 Tokens de saída: 3,617 Tokens de raciocínio: 0 Tempo de resposta: médio 10.18s · total 122.13s · máx. 45.14s Resposta incorreta: 12 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.6 Programação : 7.3 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0
#101#101	MiMo-V2.5none	5.1	Xiaomi	$0.019	1.05s
Ver cartão do modelo Total de testes: 18 Testes errados: 13 Confiabilidade: N/D Taxa de acerto por tentativa: 27.8% Testes instáveis: 0 Tokens de saída: 2,177 Tokens de raciocínio: 0 Tempo de resposta: médio 1.05s · total 18.94s · máx. 2.43s Resposta incorreta: 10 Não seguiu as instruções: 2 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.4 Chamada de ferramentas : 10.0
#102#102	Nemotron 3 Supernone	5.1	NVIDIA	$0.000	8.54s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 35.2% Testes instáveis: 4 Tokens de saída: 4,760 Tokens de raciocínio: 0 Tempo de resposta: médio 8.54s · total 153.69s · máx. 24.97s Resposta incorreta: 10 Não seguiu as instruções: 4 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.2 Seguimento de instruções : 4.9 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 4.7
#103#103	GPT-4o-mininone	4.9	OpenAI	$0.005	2.00s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 22.2% Testes instáveis: 0 Tokens de saída: 1,947 Tokens de raciocínio: 0 Tempo de resposta: médio 2.00s · total 21.99s · máx. 7.58s Resposta incorreta: 13 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 3.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0
#104#104	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.47s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 24.1% Testes instáveis: 1 Tokens de saída: 3,951 Tokens de raciocínio: 0 Tempo de resposta: médio 1.47s · total 26.43s · máx. 5.91s Resposta incorreta: 10 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.1 Programação : 5.2 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0
#105#105	Mercury 2none	4.8	Inception	$0.007	613ms
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 27.8% Testes instáveis: 2 Tokens de saída: 1,625 Tokens de raciocínio: 0 Tempo de resposta: médio 613ms · total 11.04s · máx. 1.27s Resposta incorreta: 13 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 3.6 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0
#106#106	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008	10.75s
Ver cartão do modelo Total de testes: 18 Testes errados: 15 Confiabilidade: N/D Taxa de acerto por tentativa: 27.8% Testes instáveis: 3 Tokens de saída: 3,241 Tokens de raciocínio: 0 Tempo de resposta: médio 10.75s · total 129.01s · máx. 81.80s Resposta incorreta: 9 Não seguiu as instruções: 5 Tempo esgotado: 1 Truques anti-IA : 3.5 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 6.3 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0
#107#107	HY3 Previewnone	4.7	Tencent	$0.000	13.56s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 27.8% Testes instáveis: 2 Tokens de saída: 2,639 Tokens de raciocínio: 0 Tempo de resposta: médio 13.56s · total 230.55s · máx. 35.84s Resposta incorreta: 7 Não seguiu as instruções: 4 Erro de API: 2 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 2.3 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 10.0
#108#108	GLM 4.7 Flashmedium	4.6	Z.ai	$0.046	32.33s
Ver cartão do modelo Total de testes: 18 Testes errados: 14 Confiabilidade: N/D Taxa de acerto por tentativa: 38.9% Testes instáveis: 8 Tokens de saída: 39,688 Tokens de raciocínio: 72,401 Tempo de resposta: médio 32.33s · total 355.65s · máx. 174.55s Resposta incorreta: 8 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 4.7 Programação : 3.6 Combinado : 2.8 Análise e extração de dados : 6.3 Específico do domínio : 3.5 Inteligência geral : 3.6 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0
#109#109	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.79s
Ver cartão do modelo Total de testes: 18 Testes errados: 15 Confiabilidade: N/D Taxa de acerto por tentativa: 27.8% Testes instáveis: 5 Tokens de saída: 68,522 Tokens de raciocínio: 0 Tempo de resposta: médio 2.79s · total 39.08s · máx. 19.68s Resposta incorreta: 12 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.2 Programação : 6.3 Combinado : 3.0 Análise e extração de dados : 2.9 Específico do domínio : 5.3 Inteligência geral : 4.6 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0
#110#110	Grok 4.1 Fastnone	4.5	X AI	$0.009	1.76s
Ver cartão do modelo Total de testes: 18 Testes errados: 15 Confiabilidade: N/D Taxa de acerto por tentativa: 24.1% Testes instáveis: 3 Tokens de saída: 1,721 Tokens de raciocínio: 0 Tempo de resposta: médio 1.76s · total 19.35s · máx. 5.51s Resposta incorreta: 13 Não seguiu as instruções: 2 Truques anti-IA : 3.2 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.4 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 2.8
#111#111	Ling 2.6 1tnone	4.5	Inclusionai	$0.000	8.79s
Ver cartão do modelo Total de testes: 18 Testes errados: 15 Confiabilidade: N/D Taxa de acerto por tentativa: 16.7% Testes instáveis: 0 Tokens de saída: 2,434 Tokens de raciocínio: 0 Tempo de resposta: médio 8.79s · total 158.19s · máx. 25.72s Resposta incorreta: 11 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 3.0
#112#112	GPT-5.4 Nanonone	4.5	OpenAI	$0.009	1.40s
Ver cartão do modelo Total de testes: 18 Testes errados: 16 Confiabilidade: N/D Taxa de acerto por tentativa: 31.5% Testes instáveis: 7 Tokens de saída: 2,762 Tokens de raciocínio: 0 Tempo de resposta: médio 1.40s · total 25.14s · máx. 3.84s Resposta incorreta: 13 Não seguiu as instruções: 3 Truques anti-IA : 3.5 Programação : 7.1 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0
#113#113	Qwen3.5-9Bmedium	4.4	Qwen	$0.030	73.64s
Ver cartão do modelo Total de testes: 18 Testes errados: 15 Confiabilidade: N/D Taxa de acerto por tentativa: 33.3% Testes instáveis: 6 Tokens de saída: 24,291 Tokens de raciocínio: 172,597 Tempo de resposta: médio 73.64s · total 1104.60s · máx. 226.38s Tempo esgotado: 11 Não seguiu as instruções: 2 Formatação extra: 1 Resposta incorreta: 1 Truques anti-IA : 5.1 Programação : 2.6 Combinado : 3.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 2.8 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0
#114#114	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Ver cartão do modelo Total de testes: 16 Testes errados: 15 Confiabilidade: N/D Taxa de acerto por tentativa: 14.6% Testes instáveis: 2 Tokens de saída: 1,185 Tokens de raciocínio: 0 Tempo de resposta: médio 811ms · total 11.35s · máx. 2.88s Resposta incorreta: 9 Erro de API: 4 Não seguiu as instruções: 2 Truques anti-IA : 3.3 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 4.4 Chamada de ferramentas : 3.0
#115#115	Step 3.5 Flashnone	3.0	Stepfun	$0.000	0ms
Ver cartão do modelo Total de testes: 1 Testes errados: 1 Confiabilidade: N/D Taxa de acerto por tentativa: 0.0% Testes instáveis: 0 Tokens de saída: 0 Tokens de raciocínio: 0 Tempo de resposta: médio 0ms · total 0ms · máx. 0ms Erro de API: 1 Programação : 3.0

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