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: 2026-10-19 Modelos avaliados: 451

Modelos recomendados

GPT-6.1 Sol xhigh Inteligente Taxa de acerto por tentativa 97.1% Testes corretos 22 / 23 Pontuação 9.9/10 Gemini 3.7 Flash low Rápido Tempo de resposta (médio) 6.24s Total de tokens de saída 38,453 Pontuação 9.4/10 GPT-6 Luna high Acessível Preço de entrada $0.100 / 1M Preço de saída $0.500 / 1M Preço de leitura do cache $0.010 / 1M Preço de escrita no cache $0.125 / 1M Pontuação 7.7/10

451/451

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#176#176	Step 3.7 Flashlow	7.2	Stepfun	$0.449	20.72s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 6 Tokens de entrada 292,685 Tokens de saída 339,108 Tokens de raciocínio 0 Tempo de resposta (médio) 20.72s Tempo de resposta (total) 476.67s Tempo de resposta (máx.) 124.75s Resposta incorreta: 9 Chamada de ferramenta inválida: 2 Sem resposta: 1 Tarefas de agentes : 7.4 Truques anti-IA : 8.7 Programação : 8.2 Combinado : 7.3 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#177#177	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 7 Tokens de entrada 264,147 Tokens de saída 34,419 Tokens de raciocínio 253,480 Tempo de resposta (médio) 107.79s Tempo de resposta (total) 2479.26s Tempo de resposta (máx.) 1085.11s Resposta incorreta: 5 Sem resposta: 3 Chamada de ferramenta inválida: 2 Formatação extra: 1 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 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
#178#178	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 1 Tokens de entrada 396,120 Tokens de saída 31,386 Tokens de raciocínio 0 Tempo de resposta (médio) 10.78s Tempo de resposta (total) 247.96s Tempo de resposta (máx.) 79.61s Resposta incorreta: 7 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.4 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
#180#180	GLM 5.3 FlashXmedium	7.1	Z.ai	$0.114	7.37s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 8 Tokens de entrada 205,100 Tokens de saída 8,639 Tokens de raciocínio 21,409 Tempo de resposta (médio) 7.37s Tempo de resposta (total) 169.54s Tempo de resposta (máx.) 74.39s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.3 Programação : 6.0 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#181#181	Minimax M3.1 Flashlow	7.1	Minimax	$0.000	14.84s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 1 Tokens de entrada 285,795 Tokens de saída 10,087 Tokens de raciocínio 86,695 Tempo de resposta (médio) 14.84s Tempo de resposta (total) 341.25s Tempo de resposta (máx.) 133.79s Resposta incorreta: 9 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.5 Programação : 5.7 Combinado : 7.2 Análise e extração de dados : 6.5 Específico do domínio : 7.7 Inteligência geral : 5.1 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#182#182	MiMo-V2.6-Flashlow	7.1	Xiaomi	$0.200	54.57s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 256,428 Tokens de saída 9,786 Tokens de raciocínio 575,630 Tempo de resposta (médio) 54.57s Tempo de resposta (total) 1255.15s Tempo de resposta (máx.) 345.18s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 8.4 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#183#183	MiMo-V2.5medium	7.1	Xiaomi	$0.130 ↓	49.20s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 7 Tokens de entrada 259,664 Tokens de saída 8,414 Tokens de raciocínio 333,097 Tempo de resposta (médio) 49.20s Tempo de resposta (total) 1131.69s Tempo de resposta (máx.) 316.27s Resposta incorreta: 5 Formatação extra: 2 Sem resposta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 8.7 Análise e extração de dados : 2.7 Específico do domínio : 3.6 Inteligência geral : 5.4 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#184#184	GPT-5.2 Chatdefault	7.0	OpenAI	$0.594	7.43s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 4 Tokens de entrada 101,104 Tokens de saída 10,414 Tokens de raciocínio 19,328 Tempo de resposta (médio) 7.43s Tempo de resposta (total) 163.35s Tempo de resposta (máx.) 38.52s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#185#185	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 79.7% Testes instáveis 2 Tokens de entrada 79,249 Tokens de saída 5,097 Tokens de raciocínio 165,276 Tempo de resposta (médio) 66.52s Tempo de resposta (total) 1463.50s Tempo de resposta (máx.) 238.07s Resposta incorreta: 4 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 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
#186#186	Gemini 3.1 Flash Lite Previewmedium	7.0	Google	$0.158	6.78s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 0 Tokens de entrada 272,221 Tokens de saída 12,345 Tokens de raciocínio 47,189 Tempo de resposta (médio) 6.78s Tempo de resposta (total) 155.96s Tempo de resposta (máx.) 54.91s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 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
#187#187	Kimi K2.7 Codemedium	7.0	Moonshot AI	$1.136 ↑	81.18s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 5 Tokens de entrada 245,179 Tokens de saída 62,697 Tokens de raciocínio 196,621 Tempo de resposta (médio) 81.18s Tempo de resposta (total) 1785.87s Tempo de resposta (máx.) 365.80s Resposta incorreta: 8 Tempo esgotado: 2 Erro de API: 1 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 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
#190#190	Qwen3.5-122B-A10Bmedium	7.0	Qwen	$1.152 ↓	66.96s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 5 Tokens de entrada 251,695 Tokens de saída 49,415 Tokens de raciocínio 472,775 Tempo de resposta (médio) 66.96s Tempo de resposta (total) 1539.99s Tempo de resposta (máx.) 519.30s Resposta incorreta: 5 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 Tarefas de agentes : 6.1 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
#191#191	Grok 4.6low	6.9	X AI	$0.781	16.44s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 263,427 Tokens de saída 6,006 Tokens de raciocínio 36,309 Tempo de resposta (médio) 16.44s Tempo de resposta (total) 378.14s Tempo de resposta (máx.) 57.97s Resposta incorreta: 8 Tarefas de agentes : 5.0 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
#192#192	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
Ver cartão do modelo Total de testes 23 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 72.5% Testes instáveis 2 Tokens de entrada 251,677 Tokens de saída 11,196 Tokens de raciocínio 31,204 Tempo de resposta (médio) 8.51s Tempo de resposta (total) 195.76s Tempo de resposta (máx.) 52.64s Resposta incorreta: 7 Tarefas de agentes : 5.0 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
#193#193	Muse Glimmer 30Blow	6.9	Meta	$0.219 ↓	22.40s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 6 Tokens de entrada 307,228 Tokens de saída 36,044 Tokens de raciocínio 71,621 Tempo de resposta (médio) 22.40s Tempo de resposta (total) 515.14s Tempo de resposta (máx.) 234.92s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 2 Sem resposta: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.7 Programação : 8.1 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.0 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#194#194	Minimax M3.1 Flashmax	6.9	Minimax	$0.000	40.94s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 6 Tokens de entrada 398,523 Tokens de saída 7,992 Tokens de raciocínio 303,691 Tempo de resposta (médio) 40.94s Tempo de resposta (total) 941.68s Tempo de resposta (máx.) 256.57s Resposta incorreta: 8 Chamada de ferramenta inválida: 2 Erro de API: 1 Não seguiu as instruções: 1 Tarefas de agentes : 5.2 Truques anti-IA : 6.4 Programação : 10.0 Combinado : 6.4 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 5.1 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#195#195	Gemini 3.1 Flash Litemedium	6.9	Google	$0.153	6.27s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 2 Tokens de entrada 228,023 Tokens de saída 10,779 Tokens de raciocínio 53,188 Tempo de resposta (médio) 6.27s Tempo de resposta (total) 144.10s Tempo de resposta (máx.) 47.78s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 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
#197#197	Gemma 4 31Bmedium	6.9	Google	$0.144 ↓	78.76s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 251,164 Tokens de saída 36,112 Tokens de raciocínio 241,203 Tempo de resposta (médio) 78.76s Tempo de resposta (total) 1653.96s Tempo de resposta (máx.) 437.40s Resposta incorreta: 4 Erro de API: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 4.3 Combinado : 2.9 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 : 9.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#198#198	GPT-5.6 Lunalow	6.9	OpenAI	$0.049 ↓	6.96s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 5 Tokens de entrada 202,680 Tokens de saída 9,230 Tokens de raciocínio 18,771 Tempo de resposta (médio) 6.96s Tempo de resposta (total) 160.19s Tempo de resposta (máx.) 45.74s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#199#199	Claude Sonnet 5.5low	6.9	Anthropic	$0.909	7.46s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 46.4% Testes instáveis 2 Tokens de entrada 291,853 Tokens de saída 24,116 Tokens de raciocínio 8,327 Tempo de resposta (médio) 7.46s Tempo de resposta (total) 171.47s Tempo de resposta (máx.) 46.61s Formatação extra: 5 Não seguiu as instruções: 5 Chamada de ferramenta inválida: 1 Sem resposta: 1 Resposta incorreta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.5 Programação : 3.2 Combinado : 7.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#200#200	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 2 Tokens de entrada 345,059 Tokens de saída 24,343 Tokens de raciocínio 0 Tempo de resposta (médio) 7.54s Tempo de resposta (total) 173.31s Tempo de resposta (máx.) 65.07s Resposta incorreta: 5 Formatação extra: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#201#201	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 4 Tokens de entrada 226,880 Tokens de saída 65,346 Tokens de raciocínio 331,325 Tempo de resposta (médio) 121.25s Tempo de resposta (total) 2667.55s Tempo de resposta (máx.) 876.20s Resposta incorreta: 4 Tempo esgotado: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 7.0 Programação : 5.7 Combinado : 6.9 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 : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#202#202	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 349,177 Tokens de saída 54,279 Tokens de raciocínio 477,389 Tempo de resposta (médio) 83.68s Tempo de resposta (total) 1840.92s Tempo de resposta (máx.) 515.38s Resposta incorreta: 5 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 3.7 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#203#203	Inklinglow	6.8	Thinkingmachines	$0.293 ↓	6.81s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 4 Tokens de entrada 213,901 Tokens de saída 9,623 Tokens de raciocínio 12,414 Tempo de resposta (médio) 6.81s Tempo de resposta (total) 156.70s Tempo de resposta (máx.) 44.24s Resposta incorreta: 8 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 5.1 Combinado : 2.9 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 : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#204#204	Mercury 2.5 Previewmedium	6.8	Inception	$0.039 ↑	6.66s
Ver cartão do modelo Total de testes 23 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 397,291 Tokens de saída 6,355 Tokens de raciocínio 143,752 Tempo de resposta (médio) 6.66s Tempo de resposta (total) 153.29s Tempo de resposta (máx.) 74.63s Resposta incorreta: 4 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 3.9 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

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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow