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: 2026-09-04 Modelos avaliados: 316

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

316/316

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#89#89	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.042 ↓	51.81s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 108,480 Tokens de saída 37,229 Tokens de raciocínio 174,081 Tempo de resposta (médio) 51.81s Tempo de resposta (total) 1139.75s Tempo de resposta (máx.) 218.13s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#90#90	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
#91#91	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 80,927 Tokens de saída 5,088 Tokens de raciocínio 130,227 Tempo de resposta (médio) 16.49s Tempo de resposta (total) 362.78s Tempo de resposta (máx.) 111.09s Resposta incorreta: 8 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#92#92	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 2 Tokens de entrada 98,116 Tokens de saída 21,720 Tokens de raciocínio 367,730 Tempo de resposta (médio) 134.85s Tempo de resposta (total) 2966.79s Tempo de resposta (máx.) 491.42s Resposta incorreta: 4 Não seguiu as instruções: 3 Sem resposta: 2 Formatação extra: 1 Truques anti-IA : 8.3 Programação : 5.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 8.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#94#94	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 185,547 Tokens de saída 24,866 Tokens de raciocínio 0 Tempo de resposta (médio) 7.65s Tempo de resposta (total) 168.35s Tempo de resposta (máx.) 47.72s Resposta incorreta: 6 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 5.9 Combinado : 8.3 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#95#95	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 82,828 Tokens de saída 7,100 Tokens de raciocínio 92,781 Tempo de resposta (médio) 13.32s Tempo de resposta (total) 292.97s Tempo de resposta (máx.) 94.06s Resposta incorreta: 8 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 6 Tokens de entrada 80,304 Tokens de saída 4,714 Tokens de raciocínio 16,872 Tempo de resposta (médio) 5.45s Tempo de resposta (total) 119.83s Tempo de resposta (máx.) 19.85s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#98#98	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 78,846 Tokens de saída 28,179 Tokens de raciocínio 0 Tempo de resposta (médio) 6.56s Tempo de resposta (total) 137.77s Tempo de resposta (máx.) 18.33s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 6.7 Programação : 5.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#99#99	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 5 Tokens de entrada 113,569 Tokens de saída 9,823 Tokens de raciocínio 264,886 Tempo de resposta (médio) 91.76s Tempo de resposta (total) 1376.42s Tempo de resposta (máx.) 304.85s Resposta incorreta: 4 Tempo esgotado: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.6 Combinado : 6.9 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#100#100	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 6 Tokens de entrada 111,644 Tokens de saída 16,113 Tokens de raciocínio 598,796 Tempo de resposta (médio) 113.28s Tempo de resposta (total) 2492.26s Tempo de resposta (máx.) 1026.43s Resposta incorreta: 4 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#101#101	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
#102#102	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
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 97,164 Tokens de saída 6,211 Tokens de raciocínio 152,133 Tempo de resposta (médio) 26.72s Tempo de resposta (total) 587.90s Tempo de resposta (máx.) 138.75s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.6 Programação : 8.4 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#103#103	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
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 106,946 Tokens de saída 7,993 Tokens de raciocínio 503,413 Tempo de resposta (médio) 54.50s Tempo de resposta (total) 1199.07s Tempo de resposta (máx.) 252.69s Resposta incorreta: 6 Formatação extra: 3 Truques anti-IA : 8.3 Programação : 5.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#104#104	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 111,773 Tokens de saída 8,035 Tokens de raciocínio 33,289 Tempo de resposta (médio) 4.83s Tempo de resposta (total) 106.18s Tempo de resposta (máx.) 35.14s Resposta incorreta: 5 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#105#105	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 117,493 Tokens de saída 10,589 Tokens de raciocínio 47,189 Tempo de resposta (médio) 4.59s Tempo de resposta (total) 101.04s Tempo de resposta (máx.) 18.34s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#107#107	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
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 72,085 Tokens de saída 57,453 Tokens de raciocínio 182,093 Tempo de resposta (médio) 80.09s Tempo de resposta (total) 1681.85s Tempo de resposta (máx.) 365.80s Resposta incorreta: 6 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 7.3 Programação : 7.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.7 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#108#108	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 2 Tokens de entrada 89,685 Tokens de saída 5,701 Tokens de raciocínio 38,824 Tempo de resposta (médio) 7.43s Tempo de resposta (total) 163.54s Tempo de resposta (máx.) 29.85s Resposta incorreta: 9 Truques anti-IA : 8.3 Programação : 5.4 Combinado : 10.0 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 : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#109#109	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
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 97,324 Tokens de saída 44,383 Tokens de raciocínio 346,490 Tempo de resposta (médio) 143.55s Tempo de resposta (total) 3158.11s Tempo de resposta (máx.) 939.52s Resposta incorreta: 7 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#111#111	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
#112#112	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 2 Tokens de entrada 123,687 Tokens de saída 9,572 Tokens de raciocínio 31,204 Tempo de resposta (médio) 6.51s Tempo de resposta (total) 143.12s Tempo de resposta (máx.) 17.13s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 5.8 Combinado : 3.0 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#113#113	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 123,273 Tokens de saída 19,362 Tokens de raciocínio 0 Tempo de resposta (médio) 7.67s Tempo de resposta (total) 122.78s Tempo de resposta (máx.) 51.18s Resposta incorreta: 5 Formatação extra: 4 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#114#114	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 7 Tokens de entrada 87,601 Tokens de saída 6,006 Tokens de raciocínio 57,661 Tempo de resposta (médio) 27.82s Tempo de resposta (total) 612.06s Tempo de resposta (máx.) 159.91s Resposta incorreta: 6 Formatação extra: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 6.4 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 : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#115#115	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 8 Tokens de entrada 87,682 Tokens de saída 7,166 Tokens de raciocínio 106,027 Tempo de resposta (médio) 20.20s Tempo de resposta (total) 444.35s Tempo de resposta (máx.) 209.15s Resposta incorreta: 10 Erro de API: 1 Truques anti-IA : 6.9 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#116#116	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 113,003 Tokens de saída 11,558 Tokens de raciocínio 66,760 Tempo de resposta (médio) 25.36s Tempo de resposta (total) 558.01s Tempo de resposta (máx.) 163.41s Resposta incorreta: 4 Formatação extra: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 8.2 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#117#117	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 2 Tokens de entrada 104,925 Tokens de saída 9,168 Tokens de raciocínio 53,188 Tempo de resposta (médio) 4.38s Tempo de resposta (total) 96.32s Tempo de resposta (máx.) 26.22s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium