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: 2026-10-17 Modelos avaliados: 442

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

442/442

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#153#153	Grok 4.7low	7.4	X AI	$1.933	63.19s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 73.9% Testes instáveis 5 Tokens de entrada 365,119 Tokens de saída 8,118 Tokens de raciocínio 247,211 Tempo de resposta (médio) 63.19s Tempo de resposta (total) 1453.28s Tempo de resposta (máx.) 389.63s Resposta incorreta: 6 Sem resposta: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#154#154	Inkling Smallhigh	7.4	Thinkingmachines	$0.398 ↓	29.10s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 2 Tokens de entrada 85,669 Tokens de saída 6,092 Tokens de raciocínio 292,801 Tempo de resposta (médio) 29.10s Tempo de resposta (total) 669.40s Tempo de resposta (máx.) 122.60s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#164#164	Gemini 3.5 Flash Litemedium	7.3	Google	$0.440	8.68s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 76.8% Testes instáveis 7 Tokens de entrada 388,307 Tokens de saída 10,412 Tokens de raciocínio 118,802 Tempo de resposta (médio) 8.68s Tempo de resposta (total) 199.65s Tempo de resposta (máx.) 86.92s Resposta incorreta: 6 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 7.9 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#166#166	Qwen3.5 Plus 2026-02-15medium	7.2	Qwen	$0.567	97.68s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 72.5% Testes instáveis 6 Tokens de entrada 249,486 Tokens de saída 14,481 Tokens de raciocínio 288,249 Tempo de resposta (médio) 97.68s Tempo de resposta (total) 1562.81s Tempo de resposta (máx.) 304.85s Resposta incorreta: 6 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.2 Programação : 6.6 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#167#167	Qwen3.8 27Bmedium	7.2	Qwen	~$0.073	40.09s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 66.7% Testes instáveis 2 Tokens de entrada 277,164 Tokens de saída 1,913 Tokens de raciocínio 168,783 Tempo de resposta (médio) 40.09s Tempo de resposta (total) 881.89s Tempo de resposta (máx.) 214.63s Resposta incorreta: 4 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#176#176	Qwen3.8 Flash Nextxhigh	7.1	Qwen	~$0.195	102.66s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 72.5% Testes instáveis 6 Tokens de entrada 301,749 Tokens de saída 1,033 Tokens de raciocínio 620,023 Tempo de resposta (médio) 102.66s Tempo de resposta (total) 2361.10s Tempo de resposta (máx.) 674.08s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 7.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#182#182	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
#186#186	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
#192#192	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
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 9.7 Taxa de acerto por tentativa 73.9% Testes instáveis 6 Tokens de entrada 310,049 Tokens de saída 6,094 Tokens de raciocínio 566,221 Tempo de resposta (médio) 123.96s Tempo de resposta (total) 2851.07s Tempo de resposta (máx.) 775.64s Sem resposta: 4 Resposta incorreta: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.7 Programação : 5.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#220#220	Beam 1.0 501B A23Bmedium	6.6	Reflection	$0.499	6.27s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 2 Tokens de entrada 202,937 Tokens de saída 4,328 Tokens de raciocínio 94,193 Tempo de resposta (médio) 6.27s Tempo de resposta (total) 144.28s Tempo de resposta (máx.) 31.55s Resposta incorreta: 6 Erro de API: 3 Tarefas de agentes : 3.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#248#248	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
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 309,715 Tokens de saída 16,170 Tokens de raciocínio 422,721 Tempo de resposta (médio) 19.04s Tempo de resposta (total) 437.98s Tempo de resposta (máx.) 309.35s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 68.1% Testes instáveis 4 Tokens de entrada 246,061 Tokens de saída 3,828 Tokens de raciocínio 149,767 Tempo de resposta (médio) 14.13s Tempo de resposta (total) 268.55s Tempo de resposta (máx.) 85.26s Erro de API: 4 Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Tarefas de agentes : 2.8 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 3.0 Análise e extração de dados : 6.5 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
#253#253	Claude Opus 4.6medium	6.3	Anthropic	$2.961	32.23s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 3 Tokens de entrada 108,573 Tokens de saída 69,994 Tokens de raciocínio 26,728 Tempo de resposta (médio) 32.23s Tempo de resposta (total) 515.65s Tempo de resposta (máx.) 151.51s Formatação extra: 4 Resposta incorreta: 4 Não seguiu as instruções: 1 Tarefas de agentes : 0.0 Truques anti-IA : 6.4 Programação : 5.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#332#332	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% 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 Tarefas de agentes : 0.0 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
#333#333	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 40,111 Tokens de saída 12,476 Tokens de raciocínio 125,039 Tempo de resposta (médio) 20.11s Tempo de resposta (total) 301.59s Tempo de resposta (máx.) 96.01s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Tarefas de agentes : 0.0 Truques anti-IA : 8.1 Programação : 6.0 Combinado : 4.9 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#83#83	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
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 214,645 Tokens de saída 15,532 Tokens de raciocínio 103,679 Tempo de resposta (médio) 29.42s Tempo de resposta (total) 676.56s Tempo de resposta (máx.) 111.48s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#87#87	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 6 Tokens de entrada 336,310 Tokens de saída 10,838 Tokens de raciocínio 494,728 Tempo de resposta (médio) 37.41s Tempo de resposta (total) 860.39s Tempo de resposta (máx.) 196.03s Resposta incorreta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.5 Programação : 10.0 Combinado : 5.9 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#110#110	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
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 237,088 Tokens de saída 8,235 Tokens de raciocínio 102,675 Tempo de resposta (médio) 15.95s Tempo de resposta (total) 366.93s Tempo de resposta (máx.) 94.06s Resposta incorreta: 8 Não seguiu as instruções: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#117#117	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 5 Tokens de entrada 238,925 Tokens de saída 7,109 Tokens de raciocínio 177,063 Tempo de resposta (médio) 29.94s Tempo de resposta (total) 688.57s Tempo de resposta (máx.) 138.75s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.6 Programação : 8.4 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#126#126	Step 3.7 Flashmedium	7.8	Stepfun	$0.571	26.57s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.1% Testes instáveis 4 Tokens de entrada 319,524 Tokens de saída 440,835 Tokens de raciocínio 0 Tempo de resposta (médio) 26.57s Tempo de resposta (total) 611.09s Tempo de resposta (máx.) 152.83s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 7.4 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#128#128	Qwen3.7 Plusnone	7.8	Qwen	$0.178 ↓	17.80s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 0 Tokens de entrada 250,495 Tokens de saída 76,261 Tokens de raciocínio 0 Tempo de resposta (médio) 17.80s Tempo de resposta (total) 409.51s Tempo de resposta (máx.) 206.03s Resposta incorreta: 9 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#135#135	Claude Haiku 5.5medium	7.7	Anthropic	$0.063	7.71s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 71.0% Testes instáveis 7 Tokens de entrada 298,334 Tokens de saída 10,328 Tokens de raciocínio 55,846 Tempo de resposta (médio) 7.71s Tempo de resposta (total) 177.29s Tempo de resposta (máx.) 47.70s Resposta incorreta: 5 Formatação extra: 2 Não seguiu as instruções: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 6.3 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#143#143	Space Bunny Alphahigh	7.5	Stealth	$0.000	29.38s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 4 Tokens de entrada 302,228 Tokens de saída 181,271 Tokens de raciocínio 0 Tempo de resposta (médio) 29.38s Tempo de resposta (total) 675.79s Tempo de resposta (máx.) 234.56s Resposta incorreta: 10 Tarefas de agentes : 10.0 Truques anti-IA : 6.4 Programação : 6.2 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.2 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#144#144	GLM 5.1medium	7.5	Z.ai	$1.546 ↑	66.38s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 9.2 Taxa de acerto por tentativa 66.7% Testes instáveis 4 Tokens de entrada 331,577 Tokens de saída 17,919 Tokens de raciocínio 230,789 Tempo de resposta (médio) 66.38s Tempo de resposta (total) 1460.31s Tempo de resposta (máx.) 308.75s Resposta incorreta: 5 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 4.6 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 8.2 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