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: 2026-10-19 Modelos avaliados: 451

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

451/451

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 10.0 Taxa de acerto por tentativa 98.6% Testes instáveis 1 Tokens de entrada 238,080 Tokens de saída 4,211 Tokens de raciocínio 188,109 Tempo de resposta (médio) 18.93s Tempo de resposta (total) 435.48s Tempo de resposta (máx.) 104.15s Resposta incorreta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 10.0 Taxa de acerto por tentativa 98.6% Testes instáveis 1 Tokens de entrada 334,568 Tokens de saída 11,394 Tokens de raciocínio 435,334 Tempo de resposta (médio) 40.60s Tempo de resposta (total) 933.73s Tempo de resposta (máx.) 177.08s Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 10.0 Taxa de acerto por tentativa 95.7% Testes instáveis 0 Tokens de entrada 182,698 Tokens de saída 5,647 Tokens de raciocínio 49,872 Tempo de resposta (médio) 23.56s Tempo de resposta (total) 541.85s Tempo de resposta (máx.) 136.22s Resposta incorreta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#6#6	GPT-6.1 Solxhigh	9.9	OpenAI	$1.377	33.11s
Ver cartão do modelo Total de testes 23 Testes errados 1 Confiabilidade 10.0 Taxa de acerto por tentativa 97.1% Testes instáveis 1 Tokens de entrada 175,712 Tokens de saída 5,640 Tokens de raciocínio 96,842 Tempo de resposta (médio) 33.11s Tempo de resposta (total) 761.52s Tempo de resposta (máx.) 491.85s Resposta incorreta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#9#9	Gemini 3.7 Flashhigh	9.8	Google	$0.528	15.10s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.7% Testes instáveis 2 Tokens de entrada 233,400 Tokens de saída 6,922 Tokens de raciocínio 173,178 Tempo de resposta (médio) 15.10s Tempo de resposta (total) 347.23s Tempo de resposta (máx.) 91.63s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.7% Testes instáveis 2 Tokens de entrada 188,003 Tokens de saída 2,914 Tokens de raciocínio 113,210 Tempo de resposta (médio) 14.03s Tempo de resposta (total) 322.73s Tempo de resposta (máx.) 77.15s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#11#11	GPT-6.1 Solmedium	9.6	OpenAI	$0.530	8.90s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 94.2% Testes instáveis 1 Tokens de entrada 172,860 Tokens de saída 5,172 Tokens de raciocínio 13,179 Tempo de resposta (médio) 8.90s Tempo de resposta (total) 204.78s Tempo de resposta (máx.) 51.03s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 94.2% Testes instáveis 1 Tokens de entrada 174,960 Tokens de saída 5,780 Tokens de raciocínio 34,728 Tempo de resposta (médio) 15.46s Tempo de resposta (total) 355.66s Tempo de resposta (máx.) 139.76s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#13#13	GPT-5.6 Sollow	9.6	OpenAI	$1.244	11.13s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 87.0% Testes instáveis 2 Tokens de entrada 191,653 Tokens de saída 5,473 Tokens de raciocínio 17,084 Tempo de resposta (médio) 11.13s Tempo de resposta (total) 256.08s Tempo de resposta (máx.) 57.11s Resposta incorreta: 4 Tarefas de agentes : 10.0 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 10.0 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 : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 94.2% Testes instáveis 1 Tokens de entrada 235,726 Tokens de saída 6,669 Tokens de raciocínio 245,867 Tempo de resposta (médio) 21.57s Tempo de resposta (total) 496.12s Tempo de resposta (máx.) 117.26s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#16#16	GPT-6.1 Sollow	9.6	OpenAI	$0.460	7.15s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 92.8% Testes instáveis 1 Tokens de entrada 163,900 Tokens de saída 4,958 Tokens de raciocínio 8,180 Tempo de resposta (médio) 7.15s Tempo de resposta (total) 164.47s Tempo de resposta (máx.) 46.57s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 94.2% Testes instáveis 1 Tokens de entrada 202,347 Tokens de saída 6,660 Tokens de raciocínio 68,002 Tempo de resposta (médio) 8.16s Tempo de resposta (total) 187.58s Tempo de resposta (máx.) 58.39s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 94.2% Testes instáveis 1 Tokens de entrada 194,520 Tokens de saída 5,396 Tokens de raciocínio 25,991 Tempo de resposta (médio) 12.12s Tempo de resposta (total) 278.70s Tempo de resposta (máx.) 82.74s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 91.3% Testes instáveis 3 Tokens de entrada 191,341 Tokens de saída 5,665 Tokens de raciocínio 32,340 Tempo de resposta (médio) 14.57s Tempo de resposta (total) 335.16s Tempo de resposta (máx.) 79.40s Resposta incorreta: 4 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 89.9% Testes instáveis 3 Tokens de entrada 195,567 Tokens de saída 5,841 Tokens de raciocínio 26,230 Tempo de resposta (médio) 13.59s Tempo de resposta (total) 312.61s Tempo de resposta (máx.) 59.99s Resposta incorreta: 4 Tarefas de agentes : 10.0 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 10.0 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Ver cartão do modelo Total de testes 23 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 87.0% Testes instáveis 0 Tokens de entrada 177,939 Tokens de saída 6,283 Tokens de raciocínio 24,782 Tempo de resposta (médio) 11.91s Tempo de resposta (total) 273.82s Tempo de resposta (máx.) 56.19s Resposta incorreta: 3 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#24#24	Claude Opus 5.5low	9.4	Anthropic	$1.733	25.68s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 88.4% Testes instáveis 2 Tokens de entrada 308,056 Tokens de saída 9,434 Tokens de raciocínio 15,572 Tempo de resposta (médio) 25.68s Tempo de resposta (total) 590.71s Tempo de resposta (máx.) 89.16s Resposta incorreta: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#25#25	Claude Opus 5.5high	9.4	Anthropic	$2.133	27.55s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 87.0% Testes instáveis 2 Tokens de entrada 319,095 Tokens de saída 10,371 Tokens de raciocínio 32,411 Tempo de resposta (médio) 27.55s Tempo de resposta (total) 633.73s Tempo de resposta (máx.) 95.95s Resposta incorreta: 2 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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 : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#26#26	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Ver cartão do modelo Total de testes 23 Testes errados 2 Confiabilidade 10.0 Taxa de acerto por tentativa 95.7% Testes instáveis 2 Tokens de entrada 188,519 Tokens de saída 7,694 Tokens de raciocínio 30,759 Tempo de resposta (médio) 6.24s Tempo de resposta (total) 143.56s Tempo de resposta (máx.) 58.75s Resposta incorreta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 8.2 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0
#27#27	Claude Opus 5high	9.4	Anthropic	$4.524	25.31s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 0 Tokens de entrada 376,421 Tokens de saída 67,688 Tokens de raciocínio 37,974 Tempo de resposta (médio) 25.31s Tempo de resposta (total) 582.11s Tempo de resposta (máx.) 159.01s Resposta incorreta: 2 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 84.1% Testes instáveis 1 Tokens de entrada 356,605 Tokens de saída 26,715 Tokens de raciocínio 17,041 Tempo de resposta (médio) 13.24s Tempo de resposta (total) 304.46s Tempo de resposta (máx.) 78.80s Resposta incorreta: 3 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 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
#29#29	Seed 2.1 Turbolow	9.3	Bytedance Seed	$1.645	161.25s
Ver cartão do modelo Total de testes 23 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 81.2% Testes instáveis 2 Tokens de entrada 241,855 Tokens de saída 8,387 Tokens de raciocínio 600,946 Tempo de resposta (médio) 161.25s Tempo de resposta (total) 3708.70s Tempo de resposta (máx.) 739.98s Resposta incorreta: 3 Sem resposta: 2 Tarefas de agentes : 10.0 Truques anti-IA : 8.2 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#31#31	Claude Opus 5.5medium	9.2	Anthropic	$1.804	25.85s
Ver cartão do modelo Total de testes 23 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 89.9% Testes instáveis 1 Tokens de entrada 290,117 Tokens de saída 9,805 Tokens de raciocínio 22,322 Tempo de resposta (médio) 25.85s Tempo de resposta (total) 594.63s Tempo de resposta (máx.) 90.20s Resposta incorreta: 2 Sem resposta: 1 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#33#33	GPT-5.5medium	9.2	OpenAI	$4.809	39.86s
Ver cartão do modelo Total de testes 23 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 88.4% Testes instáveis 3 Tokens de entrada 180,959 Tokens de saída 6,472 Tokens de raciocínio 123,635 Tempo de resposta (médio) 39.86s Tempo de resposta (total) 916.82s Tempo de resposta (máx.) 332.10s Resposta incorreta: 4 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 10.0 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#34#34	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Ver cartão do modelo Total de testes 23 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 82.6% Testes instáveis 2 Tokens de entrada 484,627 Tokens de saída 11,026 Tokens de raciocínio 747,681 Tempo de resposta (médio) 84.26s Tempo de resposta (total) 1937.91s Tempo de resposta (máx.) 488.39s Sem resposta: 3 Não seguiu as instruções: 2 Tarefas de agentes : 10.0 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

1 2 19

→

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