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: 2026-07-24 Modelos avaliados: 222

222/222

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#189#189	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.68s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 2 Tokens de entrada 114,375 Tokens de saída 14,903 Tokens de raciocínio 0 Tempo de resposta (médio) 10.68s Tempo de resposta (total) 213.51s Tempo de resposta (máx.) 36.03s Resposta incorreta: 9 Chamada de ferramenta inválida: 3 Erro de API: 2 Não seguiu as instruções: 2 Truques anti-IA : 6.8 Programação : 5.3 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 : 2.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#190#190	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↕	55.10s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 2 Tokens de entrada 7,599 Tokens de saída 39,954 Tokens de raciocínio 0 Tempo de resposta (médio) 55.10s Tempo de resposta (total) 881.55s Tempo de resposta (máx.) 143.82s Erro de API: 6 Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 9.2 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#191#191	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.57s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 28.8% Testes instáveis 5 Tokens de entrada 115,924 Tokens de saída 13,794 Tokens de raciocínio 0 Tempo de resposta (médio) 2.57s Tempo de resposta (total) 56.51s Tempo de resposta (máx.) 25.50s Resposta incorreta: 15 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 3.5 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#193#193	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.067	12.17s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 37.9% Testes instáveis 8 Tokens de entrada 69,367 Tokens de saída 93,913 Tokens de raciocínio 0 Tempo de resposta (médio) 12.17s Tempo de resposta (total) 267.83s Tempo de resposta (máx.) 121.05s Resposta incorreta: 13 Formatação extra: 3 Erro de API: 1 Truques anti-IA : 5.3 Programação : 3.3 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#194#194	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 21.2% Testes instáveis 2 Tokens de entrada 29,828 Tokens de saída 2,169 Tokens de raciocínio 0 Tempo de resposta (médio) 2.98s Tempo de resposta (total) 56.57s Tempo de resposta (máx.) 14.34s Resposta incorreta: 12 Não seguiu as instruções: 3 Erro de API: 2 Truques anti-IA : 3.1 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 3.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#196#196	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
#197#197	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
#198#198	Qwen3 Coder Nextmedium	4.7	Qwen	$0.032 ↓	9.61s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 3 Tokens de entrada 148,194 Tokens de saída 19,069 Tokens de raciocínio 0 Tempo de resposta (médio) 9.61s Tempo de resposta (total) 153.69s Tempo de resposta (máx.) 81.80s Resposta incorreta: 13 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 3.5 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 6.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#199#199	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Ver cartão do modelo Total de testes 21 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 6 Tokens de entrada 37,449 Tokens de saída 1,677 Tokens de raciocínio 116,703 Tempo de resposta (médio) 39.90s Tempo de resposta (total) 797.98s Tempo de resposta (máx.) 309.02s Resposta incorreta: 9 Não seguiu as instruções: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 4.2 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#200#200	Mercury 2none	4.6	Inception	$0.030	829ms
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 22.7% Testes instáveis 2 Tokens de entrada 88,704 Tokens de saída 9,564 Tokens de raciocínio 0 Tempo de resposta (médio) 829ms Tempo de resposta (total) 18.24s Tempo de resposta (máx.) 4.52s Resposta incorreta: 17 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 3.4 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 Conhecimentos gerais : 3.0
#201#201	MiniMax M2.5medium	4.6	Minimax	$0.340 ↓	68.27s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 10 Tokens de entrada 142,561 Tokens de saída 125,442 Tokens de raciocínio 339,935 Tempo de resposta (médio) 68.27s Tempo de resposta (total) 955.75s Tempo de resposta (máx.) 251.36s Resposta incorreta: 7 Tempo esgotado: 4 Não seguiu as instruções: 3 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.9 Programação : 3.4 Combinado : 3.7 Análise e extração de dados : 4.6 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 7.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#202#202	Laguna S 2.1none	4.5	Poolside	$0.025	11.67s
Ver cartão do modelo Total de testes 22 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 15.2% Testes instáveis 3 Tokens de entrada 125,598 Tokens de saída 57,634 Tokens de raciocínio 0 Tempo de resposta (médio) 11.67s Tempo de resposta (total) 256.80s Tempo de resposta (máx.) 200.52s Resposta incorreta: 18 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 3.1 Programação : 3.4 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#210#210	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 6 Tokens de entrada 39,481 Tokens de saída 54,218 Tokens de raciocínio 0 Tempo de resposta (médio) 6.73s Tempo de resposta (total) 100.98s Tempo de resposta (máx.) 29.11s Resposta incorreta: 6 Erro de API: 4 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 2.1 Combinado : 1.5 Análise e extração de dados : 7.1 Específico do domínio : 4.1 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#211#211	Hy3 previewnone	4.0	Tencent	$0.003 ↕	12.92s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 22.7% Testes instáveis 2 Tokens de entrada 27,172 Tokens de saída 2,661 Tokens de raciocínio 0 Tempo de resposta (médio) 12.92s Tempo de resposta (total) 232.64s Tempo de resposta (máx.) 35.84s Resposta incorreta: 8 Erro de API: 4 Não seguiu as instruções: 4 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 2.7 Combinado : 1.5 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 : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#213#213	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.45s
Ver cartão do modelo Total de testes 22 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 9.1% Testes instáveis 0 Tokens de entrada 113,827 Tokens de saída 5,996 Tokens de raciocínio 0 Tempo de resposta (médio) 1.45s Tempo de resposta (total) 31.96s Tempo de resposta (máx.) 16.67s Resposta incorreta: 13 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Formatação extra: 1 Truques anti-IA : 4.9 Programação : 4.5 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 3.6 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#214#214	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver cartão do modelo Total de testes 19 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 4 Tokens de entrada 11,793 Tokens de saída 267,275 Tokens de raciocínio 0 Tempo de resposta (médio) 28.69s Tempo de resposta (total) 459.00s Tempo de resposta (máx.) 138.35s Resposta incorreta: 7 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#215#215	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Ver cartão do modelo Total de testes 19 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 19.7% Testes instáveis 3 Tokens de entrada 36,608 Tokens de saída 1,723 Tokens de raciocínio 0 Tempo de resposta (médio) 1.62s Tempo de resposta (total) 19.48s Tempo de resposta (máx.) 5.51s Resposta incorreta: 13 Não seguiu as instruções: 3 Truques anti-IA : 3.2 Programação : 1.8 Combinado : 1.5 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 : 3.0 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#217#217	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Ver cartão do modelo Total de testes 19 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 22.7% Testes instáveis 0 Tokens de entrada 33,675 Tokens de saída 2,826 Tokens de raciocínio 0 Tempo de resposta (médio) 806ms Tempo de resposta (total) 12.09s Tempo de resposta (máx.) 2.01s Resposta incorreta: 8 Erro de API: 4 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 8.3 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#218#218	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 2 Tokens de entrada 9,081 Tokens de saída 51,664 Tokens de raciocínio 0 Tempo de resposta (médio) 21.61s Tempo de resposta (total) 345.79s Tempo de resposta (máx.) 113.71s Resposta incorreta: 8 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#219#219	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 5 Tokens de entrada 11,661 Tokens de saída 48,491 Tokens de raciocínio 180,695 Tempo de resposta (médio) 17.13s Tempo de resposta (total) 222.66s Tempo de resposta (máx.) 147.45s Resposta incorreta: 7 Erro de API: 6 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.4 Programação : 1.1 Combinado : 1.5 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#220#220	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Ver cartão do modelo Total de testes 19 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 15.2% Testes instáveis 2 Tokens de entrada 11,661 Tokens de saída 1,302 Tokens de raciocínio 0 Tempo de resposta (médio) 728ms Tempo de resposta (total) 9.47s Tempo de resposta (máx.) 2.21s Resposta incorreta: 9 Erro de API: 6 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#221#221	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
#22#22	Qwen3.6 Max Previewmedium	8.4	Qwen	$1.143 ↓	67.53s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.9 Taxa de acerto por tentativa 80.3% Testes instáveis 3 Tokens de entrada 79,240 Tokens de saída 5,098 Tokens de raciocínio 164,842 Tempo de resposta (médio) 67.53s Tempo de resposta (total) 1485.64s Tempo de resposta (máx.) 238.07s Resposta incorreta: 5 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#33#33	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.9 Taxa de acerto por tentativa 72.7% Testes instáveis 3 Tokens de entrada 114,062 Tokens de saída 427,572 Tokens de raciocínio 0 Tempo de resposta (médio) 26.37s Tempo de resposta (total) 580.25s Tempo de resposta (máx.) 152.83s Resposta incorreta: 5 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#63#63	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
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 95,983 Tokens de saída 12,446 Tokens de raciocínio 0 Tempo de resposta (médio) 4.52s Tempo de resposta (total) 99.52s 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
#103#103	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.9 Taxa de acerto por tentativa 60.6% Testes instáveis 2 Tokens de entrada 106,339 Tokens de saída 19,257 Tokens de raciocínio 0 Tempo de resposta (médio) 7.82s Tempo de resposta (total) 172.01s Tempo de resposta (máx.) 102.62s Resposta incorreta: 10 Truques anti-IA : 5.2 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#130#130	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 9.9 Taxa de acerto por tentativa 54.6% Testes instáveis 4 Tokens de entrada 109,884 Tokens de saída 8,579 Tokens de raciocínio 10,343 Tempo de resposta (médio) 5.15s Tempo de resposta (total) 113.39s Tempo de resposta (máx.) 41.58s Resposta incorreta: 8 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 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
#149#149	Ling 3.0 Flashnone	5.7	Inclusionai	$0.000	3.46s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 9.9 Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 124,176 Tokens de saída 12,783 Tokens de raciocínio 0 Tempo de resposta (médio) 3.46s Tempo de resposta (total) 76.06s Tempo de resposta (máx.) 17.51s Resposta incorreta: 14 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 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 : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#152#152	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.90s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.9 Taxa de acerto por tentativa 43.9% Testes instáveis 6 Tokens de entrada 50,470 Tokens de saída 3,957 Tokens de raciocínio 111,374 Tempo de resposta (médio) 15.90s Tempo de resposta (total) 349.71s Tempo de resposta (máx.) 118.35s Resposta incorreta: 9 Erro de API: 3 Formatação extra: 3 Truques anti-IA : 6.9 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#157#157	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.42s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 9.9 Taxa de acerto por tentativa 45.5% Testes instáveis 3 Tokens de entrada 51,472 Tokens de saída 7,822 Tokens de raciocínio 58,352 Tempo de resposta (médio) 8.42s Tempo de resposta (total) 185.24s Tempo de resposta (máx.) 48.19s Resposta incorreta: 11 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 8.7 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

←

1 5 6 7 8

→

Comparação rápida

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Leaderboard do AI Benchy

Filtrar modelos

Comparação rápida