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)
#184#184	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
#187#187	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 30.3% Testes instáveis 1 Tokens de entrada 40,597 Tokens de saída 1,657 Tokens de raciocínio 0 Tempo de resposta (médio) 1.19s Tempo de resposta (total) 21.43s Tempo de resposta (máx.) 6.48s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.0 Programação : 1.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#192#192	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 37.9% Testes instáveis 4 Tokens de entrada 34,329 Tokens de saída 2,264 Tokens de raciocínio 0 Tempo de resposta (médio) 4.70s Tempo de resposta (total) 79.86s Tempo de resposta (máx.) 15.17s Resposta incorreta: 9 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 3.5 Programação : 9.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#193#193	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 41,313 Tokens de saída 1,923 Tokens de raciocínio 0 Tempo de resposta (médio) 1.11s Tempo de resposta (total) 19.96s Tempo de resposta (máx.) 6.04s Resposta incorreta: 10 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 1.1 Combinado : 1.5 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 : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#120#120	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.74s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 1 Tokens de entrada 139,788 Tokens de saída 30,947 Tokens de raciocínio 0 Tempo de resposta (médio) 3.74s Tempo de resposta (total) 82.38s Tempo de resposta (máx.) 48.79s Resposta incorreta: 12 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.1 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#123#123	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.106 ↓	12.72s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 4 Tokens de entrada 134,521 Tokens de saída 86,614 Tokens de raciocínio 0 Tempo de resposta (médio) 12.72s Tempo de resposta (total) 279.90s Tempo de resposta (máx.) 209.15s Resposta incorreta: 12 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.5 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#134#134	Kimi K2.6none	5.8	Moonshot AI	$0.233 ↑	19.58s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 2 Tokens de entrada 116,970 Tokens de saída 30,253 Tokens de raciocínio 0 Tempo de resposta (médio) 19.58s Tempo de resposta (total) 430.85s Tempo de resposta (máx.) 238.89s Resposta incorreta: 11 Não seguiu as instruções: 3 Sem resposta: 1 Truques anti-IA : 4.6 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#135#135	GPT-5.4none	5.8	OpenAI	$0.397	2.07s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 2 Tokens de entrada 108,632 Tokens de saída 8,321 Tokens de raciocínio 0 Tempo de resposta (médio) 2.07s Tempo de resposta (total) 45.51s Tempo de resposta (máx.) 15.63s Resposta incorreta: 14 Não seguiu as instruções: 1 Truques anti-IA : 3.2 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#140#140	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
#147#147	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 5 Tokens de entrada 124,209 Tokens de saída 14,393 Tokens de raciocínio 0 Tempo de resposta (médio) 6.70s Tempo de resposta (total) 147.38s Tempo de resposta (máx.) 61.20s Resposta incorreta: 13 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 4.0 Programação : 3.9 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#148#148	Qwen3.6 27Bnone	5.5	Qwen	$0.087 ↑	10.65s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 6 Tokens de entrada 95,796 Tokens de saída 16,155 Tokens de raciocínio 0 Tempo de resposta (médio) 10.65s Tempo de resposta (total) 234.39s Tempo de resposta (máx.) 156.31s Resposta incorreta: 11 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 3.8 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 5.2 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#154#154	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.9 Taxa de acerto por tentativa 45.5% Testes instáveis 7 Tokens de entrada 61,085 Tokens de saída 5,905 Tokens de raciocínio 46,990 Tempo de resposta (médio) 10.09s Tempo de resposta (total) 222.03s Tempo de resposta (máx.) 86.23s Resposta incorreta: 7 Formatação extra: 4 Erro de API: 2 Não seguiu as instruções: 2 Truques anti-IA : 7.3 Programação : 3.5 Combinado : 6.4 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#194#194	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
#202#202	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
#166#166	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 2 Tokens de entrada 32,525 Tokens de saída 1,815 Tokens de raciocínio 0 Tempo de resposta (médio) 2.82s Tempo de resposta (total) 59.29s Tempo de resposta (máx.) 8.21s Resposta incorreta: 13 Não seguiu as instruções: 2 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#191#191	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade N/D Taxa de acerto por tentativa 28.8% Testes instáveis 1 Tokens de entrada 33,744 Tokens de saída 2,596 Tokens de raciocínio 0 Tempo de resposta (médio) 1.27s Tempo de resposta (total) 22.82s Tempo de resposta (máx.) 3.70s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#132#132	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.53s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 3 Tokens de entrada 79,067 Tokens de saída 7,880 Tokens de raciocínio 0 Tempo de resposta (médio) 1.53s Tempo de resposta (total) 33.74s Tempo de resposta (máx.) 9.92s Resposta incorreta: 13 Não seguiu as instruções: 3 Truques anti-IA : 3.1 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#138#138	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 2 Tokens de entrada 241,566 Tokens de saída 88,458 Tokens de raciocínio 0 Tempo de resposta (médio) 12.92s Tempo de resposta (total) 284.21s Tempo de resposta (máx.) 212.63s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 3.7 Combinado : 5.2 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 : 3.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#150#150	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.068 ↓	4.12s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 37.9% Testes instáveis 4 Tokens de entrada 124,799 Tokens de saída 15,362 Tokens de raciocínio 0 Tempo de resposta (médio) 4.12s Tempo de resposta (total) 90.55s Tempo de resposta (máx.) 53.13s Resposta incorreta: 11 Não seguiu as instruções: 4 Sem resposta: 1 Truques anti-IA : 3.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#151#151	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 4 Tokens de entrada 89,322 Tokens de saída 26,638 Tokens de raciocínio 0 Tempo de resposta (médio) 19.15s Tempo de resposta (total) 287.30s Tempo de resposta (máx.) 102.83s Resposta incorreta: 15 Sem resposta: 1 Truques anti-IA : 3.6 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#155#155	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 3 Tokens de entrada 101,323 Tokens de saída 6,709 Tokens de raciocínio 0 Tempo de resposta (médio) 1.50s Tempo de resposta (total) 32.91s Tempo de resposta (máx.) 10.57s Resposta incorreta: 14 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 7.1 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#160#160	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 9.9 Taxa de acerto por tentativa 28.8% Testes instáveis 1 Tokens de entrada 104,111 Tokens de saída 10,551 Tokens de raciocínio 0 Tempo de resposta (médio) 3.50s Tempo de resposta (total) 77.09s Tempo de resposta (máx.) 48.02s Resposta incorreta: 13 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 4.5 Combinado : 2.9 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 : 5.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#169#169	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	18.25s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 37.9% Testes instáveis 6 Tokens de entrada 135,780 Tokens de saída 42,097 Tokens de raciocínio 0 Tempo de resposta (médio) 18.25s Tempo de resposta (total) 401.60s Tempo de resposta (máx.) 115.89s Resposta incorreta: 7 Erro de API: 4 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.2 Programação : 3.1 Combinado : 4.8 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#172#172	GLM 4.7 Flashnone	4.9	Z.ai	$0.016	9.15s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 3 Tokens de entrada 101,504 Tokens de saída 22,992 Tokens de raciocínio 0 Tempo de resposta (médio) 9.15s Tempo de resposta (total) 137.18s Tempo de resposta (máx.) 97.15s Resposta incorreta: 13 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 5.2 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#174#174	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
#201#201	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
#189#189	Elephant Alphanone	4.3	Openrouter	$0.000	1.22s
Ver cartão do modelo Total de testes 21 Testes errados 16 Confiabilidade N/D Taxa de acerto por tentativa 25.8% Testes instáveis 1 Tokens de entrada 33,743 Tokens de saída 2,573 Tokens de raciocínio 0 Tempo de resposta (médio) 1.22s Tempo de resposta (total) 22.03s Tempo de resposta (máx.) 3.81s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 4.2 Combinado : 1.5 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 : 4.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#146#146	DeepSeek V4 Flashnone	5.6	DeepSeek	$0.044 ↓	36.78s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 31.8% Testes instáveis 4 Tokens de entrada 240,221 Tokens de saída 100,727 Tokens de raciocínio 0 Tempo de resposta (médio) 36.78s Tempo de resposta (total) 809.09s Tempo de resposta (máx.) 247.27s Resposta incorreta: 12 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 4.2 Combinado : 4.6 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#156#156	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 3 Tokens de entrada 91,598 Tokens de saída 13,377 Tokens de raciocínio 0 Tempo de resposta (médio) 1.55s Tempo de resposta (total) 34.19s Tempo de resposta (máx.) 19.02s Resposta incorreta: 14 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 5.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#161#161	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 25.8% Testes instáveis 1 Tokens de entrada 104,708 Tokens de saída 9,812 Tokens de raciocínio 0 Tempo de resposta (médio) 1.20s Tempo de resposta (total) 26.38s Tempo de resposta (máx.) 13.16s Resposta incorreta: 16 Não seguiu as instruções: 1 Truques anti-IA : 3.4 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 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