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)
#138#138	Muse Glimmer 30Bmedium	7.7	Meta	$0.288 ↓	33.97s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 269,497 Tokens de saída 34,935 Tokens de raciocínio 145,752 Tempo de resposta (médio) 33.97s Tempo de resposta (total) 781.36s Tempo de resposta (máx.) 181.08s Resposta incorreta: 9 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 9.2 Programação : 8.4 Combinado : 6.5 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#141#141	GPT-6 Lunalow	7.6	OpenAI	$0.033	23.23s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 63.8% Testes instáveis 4 Tokens de entrada 195,928 Tokens de saída 5,728 Tokens de raciocínio 19,152 Tempo de resposta (médio) 23.23s Tempo de resposta (total) 534.22s Tempo de resposta (máx.) 89.37s Resposta incorreta: 7 Erro de API: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 6.9 Programação : 6.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 7.1 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#145#145	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.4 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 313,368 Tokens de saída 12,289 Tokens de raciocínio 259,270 Tempo de resposta (médio) 91.67s Tempo de resposta (total) 1833.43s Tempo de resposta (máx.) 301.78s Resposta incorreta: 5 Tempo esgotado: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 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
#146#146	Mistral Large 4high	7.5	Mistral	$1.391	263.69s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 230,895 Tokens de saída 161,281 Tokens de raciocínio 510,655 Tempo de resposta (médio) 263.69s Tempo de resposta (total) 6064.89s Tempo de resposta (máx.) 1727.29s Resposta incorreta: 6 Não seguiu as instruções: 2 Sem resposta: 2 Tempo esgotado: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 3.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#147#147	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.0 Taxa de acerto por tentativa 65.2% Testes instáveis 5 Tokens de entrada 297,321 Tokens de saída 8,997 Tokens de raciocínio 423,853 Tempo de resposta (médio) 124.87s Tempo de resposta (total) 2871.96s Tempo de resposta (máx.) 675.30s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#171#171	LongCat 2.0medium	7.2	Meituan	$0.767 ↑	144.88s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 3 Tokens de entrada 287,669 Tokens de saída 47,204 Tokens de raciocínio 375,030 Tempo de resposta (médio) 144.88s Tempo de resposta (total) 3332.19s Tempo de resposta (máx.) 939.52s Resposta incorreta: 8 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#175#175	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 1 Tokens de entrada 396,120 Tokens de saída 31,386 Tokens de raciocínio 0 Tempo de resposta (médio) 10.78s Tempo de resposta (total) 247.96s Tempo de resposta (máx.) 79.61s Resposta incorreta: 7 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.4 Truques anti-IA : 5.5 Programação : 5.9 Combinado : 8.3 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
#177#177	GLM 5.3 FlashXmedium	7.1	Z.ai	$0.114	7.37s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 8 Tokens de entrada 205,100 Tokens de saída 8,639 Tokens de raciocínio 21,409 Tempo de resposta (médio) 7.37s Tempo de resposta (total) 169.54s Tempo de resposta (máx.) 74.39s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 7.3 Programação : 6.0 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#178#178	MiMo-V2.6-Flashlow	7.1	Xiaomi	$0.200	54.57s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 256,428 Tokens de saída 9,786 Tokens de raciocínio 575,630 Tempo de resposta (médio) 54.57s Tempo de resposta (total) 1255.15s Tempo de resposta (máx.) 345.18s Resposta incorreta: 5 Não seguiu as instruções: 2 Sem resposta: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 8.4 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#179#179	MiMo-V2.5medium	7.1	Xiaomi	$0.130 ↓	49.20s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 69.6% Testes instáveis 7 Tokens de entrada 259,664 Tokens de saída 8,414 Tokens de raciocínio 333,097 Tempo de resposta (médio) 49.20s Tempo de resposta (total) 1131.69s Tempo de resposta (máx.) 316.27s Resposta incorreta: 5 Formatação extra: 2 Sem resposta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 8.7 Análise e extração de dados : 2.7 Específico do domínio : 3.6 Inteligência geral : 5.4 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#191#191	Ember-1high	6.9	Fireworks	$2.405	58.14s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 8.6 Taxa de acerto por tentativa 71.0% Testes instáveis 8 Tokens de entrada 195,489 Tokens de saída 12,475 Tokens de raciocínio 108,748 Tempo de resposta (médio) 58.14s Tempo de resposta (total) 1337.19s Tempo de resposta (máx.) 255.06s Erro de API: 7 Resposta incorreta: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.7 Programação : 8.2 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 7.1 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#196#196	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 4 Tokens de entrada 226,880 Tokens de saída 65,346 Tokens de raciocínio 331,325 Tempo de resposta (médio) 121.25s Tempo de resposta (total) 2667.55s Tempo de resposta (máx.) 876.20s Resposta incorreta: 4 Tempo esgotado: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 5.0 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
#197#197	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 349,177 Tokens de saída 54,279 Tokens de raciocínio 477,389 Tempo de resposta (médio) 83.68s Tempo de resposta (total) 1840.92s Tempo de resposta (máx.) 515.38s Resposta incorreta: 5 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 3.7 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#202#202	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 58.0% Testes instáveis 2 Tokens de entrada 150,033 Tokens de saída 22,347 Tokens de raciocínio 402,143 Tempo de resposta (médio) 142.76s Tempo de resposta (total) 3283.43s Tempo de resposta (máx.) 491.42s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 2 Formatação extra: 1 Tarefas de agentes : 3.0 Truques anti-IA : 8.3 Programação : 5.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 8.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#211#211	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 3 Tokens de entrada 207,852 Tokens de saída 5,555 Tokens de raciocínio 0 Tempo de resposta (médio) 4.61s Tempo de resposta (total) 105.93s Tempo de resposta (máx.) 58.28s Resposta incorreta: 10 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#214#214	GPT-5.5none	6.6	OpenAI	$1.212	4.75s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 2 Tokens de entrada 205,108 Tokens de saída 6,197 Tokens de raciocínio 0 Tempo de resposta (médio) 4.75s Tempo de resposta (total) 109.31s Tempo de resposta (máx.) 57.53s Resposta incorreta: 11 Tarefas de agentes : 5.0 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#223#223	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 3 Tokens de entrada 282,192 Tokens de saída 75,306 Tokens de raciocínio 700,868 Tempo de resposta (médio) 59.92s Tempo de resposta (total) 1258.32s Tempo de resposta (máx.) 817.57s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 7.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#224#224	Mercury 2.5 Previewhigh	6.5	Inception	$0.040 ↑	7.61s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 298,512 Tokens de saída 3,178 Tokens de raciocínio 177,419 Tempo de resposta (médio) 7.61s Tempo de resposta (total) 175.08s Tempo de resposta (máx.) 86.84s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#225#225	Mercury 2.5high	6.5	Inception	$0.044	7.62s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.8 Taxa de acerto por tentativa 59.4% Testes instáveis 4 Tokens de entrada 358,562 Tokens de saída 4,266 Tokens de raciocínio 189,410 Tempo de resposta (médio) 7.62s Tempo de resposta (total) 175.36s Tempo de resposta (máx.) 80.30s Resposta incorreta: 9 Erro de API: 1 Sem resposta: 1 Tarefas de agentes : 3.9 Truques anti-IA : 10.0 Programação : 6.4 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#226#226	Beam 1.0 501B A23Bxhigh	6.5	Reflection	$0.688	9.18s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 5 Tokens de entrada 212,065 Tokens de saída 4,428 Tokens de raciocínio 154,069 Tempo de resposta (médio) 9.18s Tempo de resposta (total) 211.12s Tempo de resposta (máx.) 44.64s Resposta incorreta: 8 Erro de API: 3 Tarefas de agentes : 3.0 Truques anti-IA : 9.2 Programação : 10.0 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#227#227	GLM 5.3low	6.5	Z.ai	$0.215 ↓	15.18s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 5 Tokens de entrada 247,871 Tokens de saída 10,791 Tokens de raciocínio 17,315 Tempo de resposta (médio) 15.18s Tempo de resposta (total) 349.06s Tempo de resposta (máx.) 83.60s Resposta incorreta: 8 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.2 Truques anti-IA : 6.9 Programação : 6.2 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#230#230	Grok 4.3medium	6.5	X AI	$0.989	44.53s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 5 Tokens de entrada 325,471 Tokens de saída 14,867 Tokens de raciocínio 217,675 Tempo de resposta (médio) 44.53s Tempo de resposta (total) 1024.25s Tempo de resposta (máx.) 216.69s Resposta incorreta: 6 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 3.9 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 56.5% Testes instáveis 2 Tokens de entrada 199,105 Tokens de saída 4,274 Tokens de raciocínio 195,495 Tempo de resposta (médio) 11.10s Tempo de resposta (total) 255.26s Tempo de resposta (máx.) 54.48s Resposta incorreta: 6 Erro de API: 3 Não seguiu as instruções: 2 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 : 3.0 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#235#235	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.9 Taxa de acerto por tentativa 60.9% Testes instáveis 5 Tokens de entrada 299,558 Tokens de saída 33,248 Tokens de raciocínio 374,819 Tempo de resposta (médio) 133.93s Tempo de resposta (total) 3080.36s Tempo de resposta (máx.) 519.91s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#239#239	Mercury 2.5medium	6.4	Inception	$0.034	7.74s
Ver cartão do modelo Total de testes 23 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 63.8% Testes instáveis 5 Tokens de entrada 317,982 Tokens de saída 3,918 Tokens de raciocínio 135,028 Tempo de resposta (médio) 7.74s Tempo de resposta (total) 178.07s Tempo de resposta (máx.) 107.89s Resposta incorreta: 9 Erro de API: 1 Tempo esgotado: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 5.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.4 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 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