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)
#167#167	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
#169#169	Laguna S 2.1high	5.4	Poolside	$0.127	111.61s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 9.9 Taxa de acerto por tentativa 27.3% Testes instáveis 5 Tokens de entrada 208,931 Tokens de saída 175,588 Tokens de raciocínio 409,276 Tempo de resposta (médio) 111.61s Tempo de resposta (total) 2455.39s Tempo de resposta (máx.) 1190.11s Resposta incorreta: 11 Chamada de ferramenta inválida: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.6 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#174#174	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
#183#183	Laguna S 2.1low	5.0	Poolside	$0.091	85.35s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 9.9 Taxa de acerto por tentativa 25.8% Testes instáveis 6 Tokens de entrada 118,746 Tokens de saída 67,823 Tokens de raciocínio 383,885 Tempo de resposta (médio) 85.35s Tempo de resposta (total) 1877.64s Tempo de resposta (máx.) 814.73s Resposta incorreta: 15 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#32#32	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.8 Taxa de acerto por tentativa 77.3% Testes instáveis 3 Tokens de entrada 86,746 Tokens de saída 6,055 Tokens de raciocínio 220,791 Tempo de resposta (médio) 64.16s Tempo de resposta (total) 1411.59s Tempo de resposta (máx.) 327.51s Resposta incorreta: 4 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#36#36	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.8 Taxa de acerto por tentativa 78.8% Testes instáveis 5 Tokens de entrada 124,053 Tokens de saída 12,189 Tokens de raciocínio 53,597 Tempo de resposta (médio) 16.21s Tempo de resposta (total) 356.54s Tempo de resposta (máx.) 85.12s Resposta incorreta: 4 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.4 Combinado : 7.3 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 : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 2.8
#55#55	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.504 ↕	32.21s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.8 Taxa de acerto por tentativa 68.2% Testes instáveis 4 Tokens de entrada 233,488 Tokens de saída 57,916 Tokens de raciocínio 128,062 Tempo de resposta (médio) 32.21s Tempo de resposta (total) 708.65s Tempo de resposta (máx.) 392.56s Resposta incorreta: 7 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 3.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#64#64	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.8 Taxa de acerto por tentativa 60.6% Testes instáveis 3 Tokens de entrada 97,315 Tokens de saída 44,384 Tokens de raciocínio 329,012 Tempo de resposta (médio) 136.64s Tempo de resposta (total) 3006.01s Tempo de resposta (máx.) 939.52s Resposta incorreta: 7 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 6.3 Específico do domínio : 2.9 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#166#166	Laguna S 2.1medium	5.4	Poolside	$0.059	58.43s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 9.8 Taxa de acerto por tentativa 25.8% Testes instáveis 4 Tokens de entrada 86,641 Tokens de saída 97,298 Tokens de raciocínio 242,297 Tempo de resposta (médio) 58.43s Tempo de resposta (total) 1285.48s Tempo de resposta (máx.) 560.31s Resposta incorreta: 13 Chamada de ferramenta inválida: 2 Sem resposta: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.6 Seguimento de instruções : 4.2 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#204#204	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 27.3% Testes instáveis 3 Tokens de entrada 38,147 Tokens de saída 2,054 Tokens de raciocínio 0 Tempo de resposta (médio) 2.89s Tempo de resposta (total) 43.28s Tempo de resposta (máx.) 15.42s Resposta incorreta: 10 Erro de API: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 2.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#51#51	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.7 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 121,990 Tokens de saída 77,916 Tokens de raciocínio 173,553 Tempo de resposta (médio) 74.98s Tempo de resposta (total) 1574.56s Tempo de resposta (máx.) 431.03s Tempo esgotado: 3 Resposta incorreta: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.5 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#74#74	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 42,097 Tokens de saída 2,280 Tokens de raciocínio 166,613 Tempo de resposta (médio) 46.36s Tempo de resposta (total) 973.57s Tempo de resposta (máx.) 189.38s Resposta incorreta: 8 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.9 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 9.6 Taxa de acerto por tentativa 53.0% Testes instáveis 3 Tokens de entrada 90,909 Tokens de saída 5,679 Tokens de raciocínio 297,369 Tempo de resposta (médio) 100.31s Tempo de resposta (total) 2206.82s Tempo de resposta (máx.) 560.39s Resposta incorreta: 8 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 10.0 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#116#116	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 69.7% Testes instáveis 5 Tokens de entrada 40,961 Tokens de saída 2,518 Tokens de raciocínio 81,801 Tempo de resposta (médio) 22.16s Tempo de resposta (total) 443.22s Tempo de resposta (máx.) 136.29s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 2.3 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 : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#42#42	GLM 5.2medium	7.8	Z.ai	$0.183 ↓	23.28s
Ver cartão do modelo Total de testes 21 Testes errados 6 Confiabilidade 9.5 Taxa de acerto por tentativa 80.3% Testes instáveis 4 Tokens de entrada 37,199 Tokens de saída 12,261 Tokens de raciocínio 49,500 Tempo de resposta (médio) 23.28s Tempo de resposta (total) 488.94s Tempo de resposta (máx.) 101.36s Resposta incorreta: 3 Sem resposta: 2 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#72#72	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.4 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 68,902 Tokens de saída 111,680 Tokens de raciocínio 279,860 Tempo de resposta (médio) 109.98s Tempo de resposta (total) 2309.56s Tempo de resposta (máx.) 876.20s Tempo esgotado: 3 Resposta incorreta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 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
#100#100	Gemma 4 26B A4Bmedium	6.6	Google	$0.096 ↑	103.83s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.4 Taxa de acerto por tentativa 66.7% Testes instáveis 2 Tokens de entrada 77,550 Tokens de saída 28,036 Tokens de raciocínio 219,491 Tempo de resposta (médio) 103.83s Tempo de resposta (total) 2180.47s Tempo de resposta (máx.) 912.19s Resposta incorreta: 3 Sem resposta: 2 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 2.9 Combinado : 6.3 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
#102#102	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 9.4 Taxa de acerto por tentativa 53.0% Testes instáveis 5 Tokens de entrada 93,357 Tokens de saída 30,466 Tokens de raciocínio 336,325 Tempo de resposta (médio) 148.73s Tempo de resposta (total) 3272.00s Tempo de resposta (máx.) 941.66s Resposta incorreta: 6 Tempo esgotado: 3 Não seguiu as instruções: 2 Sem resposta: 2 Truques anti-IA : 8.9 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 5.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#114#114	Ling 3.0 Flashhigh	6.4	Inclusionai	$0.000	13.32s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.4 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 132,224 Tokens de saída 92,393 Tokens de raciocínio 211,994 Tempo de resposta (médio) 13.32s Tempo de resposta (total) 292.99s Tempo de resposta (máx.) 75.27s Resposta incorreta: 8 Chamada de ferramenta inválida: 2 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 2.9 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#137#137	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
#37#37	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.1 Taxa de acerto por tentativa 75.8% Testes instáveis 1 Tokens de entrada 34,916 Tokens de saída 2,910 Tokens de raciocínio 197,529 Tempo de resposta (médio) 122.48s Tempo de resposta (total) 2327.06s Tempo de resposta (máx.) 766.58s Erro de API: 2 Tempo esgotado: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 7.3 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#147#147	Nemotron 3 Supermedium	5.7	NVIDIA	$0.055 ↑	51.99s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 8.7 Taxa de acerto por tentativa 40.9% Testes instáveis 3 Tokens de entrada 81,429 Tokens de saída 18,371 Tokens de raciocínio 98,853 Tempo de resposta (médio) 51.99s Tempo de resposta (total) 1039.89s Tempo de resposta (máx.) 431.98s Resposta incorreta: 5 Erro de API: 4 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.1 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.1 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#181#181	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 8.7 Taxa de acerto por tentativa 18.2% Testes instáveis 0 Tokens de entrada 130,492 Tokens de saída 26,786 Tokens de raciocínio 0 Tempo de resposta (médio) 29.95s Tempo de resposta (total) 658.82s Tempo de resposta (máx.) 159.85s Resposta incorreta: 12 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#144#144	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 8.6 Taxa de acerto por tentativa 48.5% Testes instáveis 4 Tokens de entrada 81,813 Tokens de saída 424,772 Tokens de raciocínio 1,342,029 Tempo de resposta (médio) 137.11s Tempo de resposta (total) 3016.42s Tempo de resposta (máx.) 786.72s Resposta incorreta: 9 Formatação extra: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.4 Programação : 4.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#84#84	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
#188#188	Nemotron 3 Supernone	4.9	NVIDIA	$0.008 ↑	5.97s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 8.5 Taxa de acerto por tentativa 30.3% Testes instáveis 3 Tokens de entrada 63,519 Tokens de saída 6,434 Tokens de raciocínio 0 Tempo de resposta (médio) 5.97s Tempo de resposta (total) 131.31s Tempo de resposta (máx.) 20.00s Resposta incorreta: 15 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.6 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#78#78	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 8.3 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 82,623 Tokens de saída 16,089 Tokens de raciocínio 136,463 Tempo de resposta (médio) 46.77s Tempo de resposta (total) 982.16s Tempo de resposta (máx.) 308.75s Resposta incorreta: 4 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 4.6 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#206#206	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 7.8 Taxa de acerto por tentativa 31.8% Testes instáveis 8 Tokens de entrada 79,051 Tokens de saída 43,754 Tokens de raciocínio 374,109 Tempo de resposta (médio) 142.59s Tempo de resposta (total) 1996.21s Tempo de resposta (máx.) 1539.97s Resposta incorreta: 9 Sem resposta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tempo esgotado: 2 Truques anti-IA : 4.7 Programação : 3.2 Combinado : 2.9 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
#212#212	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 6.7 Taxa de acerto por tentativa 24.2% Testes instáveis 4 Tokens de entrada 36,851 Tokens de saída 68,882 Tokens de raciocínio 0 Tempo de resposta (médio) 2.76s Tempo de resposta (total) 46.99s Tempo de resposta (máx.) 19.68s Resposta incorreta: 13 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 3.2 Programação : 4.3 Combinado : 1.5 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
#216#216	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 5.0 Taxa de acerto por tentativa 25.8% Testes instáveis 5 Tokens de entrada 17,070 Tokens de saída 29,045 Tokens de raciocínio 209,516 Tempo de resposta (médio) 82.24s Tempo de resposta (total) 1315.88s Tempo de resposta (máx.) 226.38s Tempo esgotado: 12 Sem resposta: 2 Resposta incorreta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 5.1 Programação : 2.9 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

←

1 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