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: 2026-06-03 Modelos avaliados: 161

161/161

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#150#150	MiMo-V2-Flashnone	4.7	Xiaomi	$0.025 ↑	2.70s
Ver cartão do modelo Total de testes 20 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 26.7% Testes instáveis 4 Tokens de entrada 34,208 Tokens de saída 68,873 Tokens de raciocínio 0 Tempo de resposta (médio) 2.70s Tempo de resposta (total) 43.15s Tempo de resposta (máx.) 19.68s Resposta incorreta: 12 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 3.2 Programação : 4.9 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 : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#151#151	Qwen3.6 35B A3Bnone	4.7	Qwen	$0.031 ↑	3.84s
Ver cartão do modelo Total de testes 20 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 31.7% Testes instáveis 5 Tokens de entrada 16,488 Tokens de saída 27,747 Tokens de raciocínio 0 Tempo de resposta (médio) 3.84s Tempo de resposta (total) 69.12s Tempo de resposta (máx.) 22.52s Resposta incorreta: 12 Erro de API: 2 Não seguiu as instruções: 2 Truques anti-IA : 3.6 Programação : 6.8 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.4 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#153#153	Mercury 2none	4.6	Inception	$0.009	614ms
Ver cartão do modelo Total de testes 20 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 25.0% Testes instáveis 2 Tokens de entrada 25,515 Tokens de saída 3,001 Tokens de raciocínio 0 Tempo de resposta (médio) 614ms Tempo de resposta (total) 12.28s Tempo de resposta (máx.) 1.27s Resposta incorreta: 15 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 3.5 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
#154#154	Hy3 previewnone	4.5	Tencent	$0.003	12.92s
Ver cartão do modelo Total de testes 20 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 25.0% 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 Não seguiu as instruções: 4 Erro de API: 3 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 2.7 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 : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#155#155	GLM 4.7 Flashmedium	4.5	Z.ai	$0.054	35.10s
Ver cartão do modelo Total de testes 20 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 35.0% Testes instáveis 8 Tokens de entrada 37,206 Tokens de saída 43,754 Tokens de raciocínio 89,079 Tempo de resposta (médio) 35.10s Tempo de resposta (total) 456.24s Tempo de resposta (máx.) 174.55s Resposta incorreta: 9 Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 4.7 Programação : 3.4 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 Conhecimentos gerais : 3.0
#156#156	Grok 4.1 Fastnone	4.4	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 22.8% 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 : 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 : 3.0 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#157#157	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Ver cartão do modelo Total de testes 20 Testes errados 17 Confiabilidade N/D Taxa de acerto por tentativa 15.0% Testes instáveis 0 Tokens de entrada 34,905 Tokens de saída 2,434 Tokens de raciocínio 0 Tempo de resposta (médio) 7.72s Tempo de resposta (total) 139.00s Tempo de resposta (máx.) 25.72s Resposta incorreta: 12 Erro de API: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 4.2 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 Conhecimentos gerais : 3.0
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Ver cartão do modelo Total de testes 20 Testes errados 17 Confiabilidade 5.0 Taxa de acerto por tentativa 28.3% Testes instáveis 5 Tokens de entrada 15,204 Tokens de saída 27,305 Tokens de raciocínio 199,780 Tempo de resposta (médio) 83.32s Tempo de resposta (total) 1249.74s Tempo de resposta (máx.) 226.38s Tempo esgotado: 11 Resposta incorreta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 5.1 Programação : 2.8 Combinado : 3.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 2.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#159#159	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
Ver cartão do modelo Total de testes 16 Testes errados 14 Confiabilidade N/D Taxa de acerto por tentativa 16.7% Testes instáveis 1 Tokens de entrada 10,771 Tokens de saída 1,173 Tokens de raciocínio 0 Tempo de resposta (médio) 782ms Tempo de resposta (total) 10.94s Tempo de resposta (máx.) 3.15s Resposta incorreta: 9 Erro de API: 4 Não seguiu as instruções: 1 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 : 6.3 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 3.0
#160#160	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
Ver cartão do modelo Total de testes 19 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 17.5% 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 : 10.0 Combinado : 3.0 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
#161#161	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	719ms
Ver cartão do modelo Total de testes 20 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 10.0% Testes instáveis 0 Tokens de entrada 43,135 Tokens de saída 2,743 Tokens de raciocínio 0 Tempo de resposta (médio) 719ms Tempo de resposta (total) 14.37s Tempo de resposta (máx.) 2.17s Resposta incorreta: 13 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.9 Programação : 5.2 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

Comparação rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparação rápida