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: 2026-07-18 Modelos avaliados: 206

206/206

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#102#102	Gemini 3.1 Flash Litelow	6.5	Google	$0.621	16.26s
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 94,224 Tokens de saída 7,759 Tokens de raciocínio 390,126 Tempo de resposta (médio) 16.26s Tempo de resposta (total) 357.64s Tempo de resposta (máx.) 318.02s Resposta incorreta: 9 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#103#103	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
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 120,942 Tokens de saída 14,292 Tokens de raciocínio 0 Tempo de resposta (médio) 1.58s Tempo de resposta (total) 34.72s Tempo de resposta (máx.) 9.27s Resposta incorreta: 7 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 7.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#110#110	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
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 118,499 Tokens de saída 12,284 Tokens de raciocínio 490,610 Tempo de resposta (médio) 84.82s Tempo de resposta (total) 1781.22s Tempo de resposta (máx.) 515.38s Resposta incorreta: 4 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 3.7 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#91#91	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
#126#126	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 9.2 Taxa de acerto por tentativa 51.5% Testes instáveis 1 Tokens de entrada 65,707 Tokens de saída 108,561 Tokens de raciocínio 293,993 Tempo de resposta (médio) 174.22s Tempo de resposta (total) 2613.32s Tempo de resposta (máx.) 1597.85s Resposta incorreta: 4 Não seguiu as instruções: 3 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 2.4 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#131#131	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	56.57s
Ver cartão do modelo Total de testes 21 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 2 Tokens de entrada 25,987 Tokens de saída 216,719 Tokens de raciocínio 0 Tempo de resposta (médio) 56.57s Tempo de resposta (total) 848.59s Tempo de resposta (máx.) 149.94s Erro de API: 7 Resposta incorreta: 3 Truques anti-IA : 6.4 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#61#61	KAT-Coder-Pro V2.5low	7.4	Kwaipilot	$0.387	19.47s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 8 Tokens de entrada 87,673 Tokens de saída 7,166 Tokens de raciocínio 101,474 Tempo de resposta (médio) 19.47s Tempo de resposta (total) 428.31s 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 : 4.1 Inteligência geral : 4.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#68#68	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
#70#70	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
#75#75	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
#79#79	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 8.5 Taxa de acerto por tentativa 57.6% Testes instáveis 3 Tokens de entrada 125,467 Tokens de saída 10,778 Tokens de raciocínio 209,856 Tempo de resposta (médio) 92.53s Tempo de resposta (total) 1665.50s Tempo de resposta (máx.) 301.78s Tempo esgotado: 5 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.6 Programação : 5.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#80#80	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
#82#82	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
#85#85	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
#86#86	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
#90#90	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
#105#105	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 4 Tokens de entrada 113,604 Tokens de saída 123,079 Tokens de raciocínio 42,754 Tempo de resposta (médio) 68.74s Tempo de resposta (total) 1374.86s Tempo de resposta (máx.) 304.19s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 7.3 Análise e extração de dados : 6.5 Específico do domínio : 3.5 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#115#115	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 130,388 Tokens de saída 40,630 Tokens de raciocínio 786,040 Tempo de resposta (médio) 112.47s Tempo de resposta (total) 2474.28s Tempo de resposta (máx.) 950.25s Tempo esgotado: 5 Sem resposta: 2 Resposta incorreta: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 3.8 Análise e extração de dados : 7.3 Específico do domínio : 4.1 Inteligência geral : 2.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#205#205	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 1,971 Tokens de saída 64,795 Tokens de raciocínio 0 Tempo de resposta (médio) 39.03s Tempo de resposta (total) 312.26s Tempo de resposta (máx.) 114.12s Erro de API: 4 Não seguiu as instruções: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 9.8 Combinado : 1.5 Análise e extração de dados : 1.5 Específico do domínio : 3.3 Inteligência geral : 4.0 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#130#130	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 3 Tokens de entrada 37,007 Tokens de saída 1,952 Tokens de raciocínio 357,306 Tempo de resposta (médio) 41.16s Tempo de resposta (total) 823.26s Tempo de resposta (máx.) 299.23s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 10.0 Programação : 3.3 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.4 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#149#149	Hy3 previewlow	5.5	Tencent	$0.015 ↕	24.56s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 2 Tokens de entrada 21,045 Tokens de saída 63,460 Tokens de raciocínio 0 Tempo de resposta (médio) 24.56s Tempo de resposta (total) 368.35s Tempo de resposta (máx.) 78.74s Erro de API: 7 Resposta incorreta: 4 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#171#171	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade N/D Taxa de acerto por tentativa 40.9% Testes instáveis 0 Tokens de entrada 32,639 Tokens de saída 1,153 Tokens de raciocínio 62,197 Tempo de resposta (médio) 15.25s Tempo de resposta (total) 182.96s Tempo de resposta (máx.) 43.55s Erro de API: 8 Resposta incorreta: 2 Truques anti-IA : 8.3 Programação : 9.8 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#181#181	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 6 Tokens de entrada 42,845 Tokens de saída 2,006 Tokens de raciocínio 96,334 Tempo de resposta (médio) 23.85s Tempo de resposta (total) 286.16s Tempo de resposta (máx.) 121.79s Não seguiu as instruções: 4 Resposta incorreta: 4 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 7.8 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#182#182	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 2 Tokens de entrada 44,969 Tokens de saída 58,087 Tokens de raciocínio 0 Tempo de resposta (médio) 14.73s Tempo de resposta (total) 220.93s Tempo de resposta (máx.) 53.14s Erro de API: 4 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 90,748 Tokens de saída 10,462 Tokens de raciocínio 178,719 Tempo de resposta (médio) 79.14s Tempo de resposta (total) 1740.97s Tempo de resposta (máx.) 416.76s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 5.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#76#76	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
#77#77	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
#81#81	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
#96#96	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	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
#104#104	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 48.5% Testes instáveis 2 Tokens de entrada 102,646 Tokens de saída 29,370 Tokens de raciocínio 0 Tempo de resposta (médio) 9.85s Tempo de resposta (total) 157.63s Tempo de resposta (máx.) 123.00s Resposta incorreta: 12 Truques anti-IA : 4.8 Programação : 4.3 Combinado : 6.5 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

←

1 2 3 4 5 6 7

→

Comparação rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumDisponível grátis Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumDisponível grátis Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Leaderboard do AI Benchy

Filtrar modelos

Comparação rápida