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: 2026-08-15 Modelos avaliados: 287

Modelos recomendados

GPT-5.6 Sol high Inteligente Taxa de acerto por tentativa 89.4% Testes corretos 18 / 22 Pontuação 9.4/10 GPT-5.6 Luna medium Rápido Tempo de resposta (médio) 7.43s Total de tokens de saída 44,525 Pontuação 7.4/10 DeepSeek V4 Flash 0731 high Acessível Preço de entrada $0.140 / 1M Preço de saída $0.280 / 1M Pontuação 8.0/10

287/287

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#61#61	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 99,705 Tokens de saída 1,545 Tokens de raciocínio 167,784 Tempo de resposta (médio) 39.11s Tempo de resposta (total) 860.51s Tempo de resposta (máx.) 376.04s Resposta incorreta: 4 Sem resposta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 7.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#62#62	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 3 Tokens de entrada 115,242 Tokens de saída 6,163 Tokens de raciocínio 181,174 Tempo de resposta (médio) 53.51s Tempo de resposta (total) 1177.25s Tempo de resposta (máx.) 315.30s Resposta incorreta: 5 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.1 Combinado : 8.2 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#63#63	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 2 Tokens de entrada 97,698 Tokens de saída 6,417 Tokens de raciocínio 191,215 Tempo de resposta (médio) 45.52s Tempo de resposta (total) 955.94s Tempo de resposta (máx.) 291.55s Resposta incorreta: 5 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#64#64	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 6 Tokens de entrada 103,916 Tokens de saída 8,892 Tokens de raciocínio 87,343 Tempo de resposta (médio) 5.12s Tempo de resposta (total) 112.73s Tempo de resposta (máx.) 26.41s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 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
#65#65	GLM 5.2medium	7.8	Z.ai	$0.114 ↓	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
#66#66	GPT-5.6 Terramedium	7.8	OpenAI	$0.262 ↓	6.85s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 2 Tokens de entrada 79,184 Tokens de saída 4,878 Tokens de raciocínio 25,471 Tempo de resposta (médio) 6.85s Tempo de resposta (total) 150.65s Tempo de resposta (máx.) 41.68s Resposta incorreta: 8 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#67#67	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 1 Tokens de entrada 106,316 Tokens de saída 79,338 Tokens de raciocínio 41,089 Tempo de resposta (médio) 28.08s Tempo de resposta (total) 421.15s Tempo de resposta (máx.) 140.96s Resposta incorreta: 4 Formatação extra: 3 Tempo esgotado: 1 Truques anti-IA : 6.5 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#68#68	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 98,266 Tokens de saída 1,861 Tokens de raciocínio 134,301 Tempo de resposta (médio) 33.05s Tempo de resposta (total) 694.04s Tempo de resposta (máx.) 214.63s Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 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
#69#69	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 129,906 Tokens de saída 12,530 Tokens de raciocínio 88,766 Tempo de resposta (médio) 47.94s Tempo de resposta (total) 1054.57s Tempo de resposta (máx.) 254.92s Resposta incorreta: 6 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 8.0 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#70#70	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 80.3% Testes instáveis 3 Tokens de entrada 156,522 Tokens de saída 43,056 Tokens de raciocínio 9,181 Tempo de resposta (médio) 12.88s Tempo de resposta (total) 283.32s Tempo de resposta (máx.) 127.97s Resposta incorreta: 4 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 9.9 Análise e extração de dados : 6.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#71#71	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 6 Tokens de entrada 116,331 Tokens de saída 12,330 Tokens de raciocínio 357,920 Tempo de resposta (médio) 41.37s Tempo de resposta (total) 910.11s Tempo de resposta (máx.) 431.47s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 6.9 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 : 7.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#72#72	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Ver cartão do modelo Total de testes 21 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 78.8% Testes instáveis 4 Tokens de entrada 35,224 Tokens de saída 21,570 Tokens de raciocínio 102,996 Tempo de resposta (médio) 33.54s Tempo de resposta (total) 435.99s Tempo de resposta (máx.) 99.85s Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 5.0 Análise e extração de dados : 7.1 Específico do domínio : 3.5 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#73#73	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 8.5 Taxa de acerto por tentativa 77.3% Testes instáveis 6 Tokens de entrada 85,657 Tokens de saída 8,142 Tokens de raciocínio 233,167 Tempo de resposta (médio) 72.24s Tempo de resposta (total) 1589.31s Tempo de resposta (máx.) 485.92s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 8.7 Programação : 7.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#74#74	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% 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 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
#75#75	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.555 ↑	92.50s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 90,757 Tokens de saída 22,928 Tokens de raciocínio 186,516 Tempo de resposta (médio) 92.50s Tempo de resposta (total) 2035.01s Tempo de resposta (máx.) 416.76s Resposta incorreta: 7 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 5.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#76#76	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.031 ↓	51.81s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 108,480 Tokens de saída 37,229 Tokens de raciocínio 174,081 Tempo de resposta (médio) 51.81s Tempo de resposta (total) 1139.75s Tempo de resposta (máx.) 218.13s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#77#77	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 35,593 Tokens de saída 12,245 Tokens de raciocínio 62,277 Tempo de resposta (médio) 23.00s Tempo de resposta (total) 482.97s Tempo de resposta (máx.) 194.23s Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#78#78	GPT-5.6 Lunahigh	7.6	OpenAI	$0.090 ↓	16.49s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 80,927 Tokens de saída 5,088 Tokens de raciocínio 130,227 Tempo de resposta (médio) 16.49s Tempo de resposta (total) 362.78s Tempo de resposta (máx.) 111.09s Resposta incorreta: 8 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#79#79	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 2 Tokens de entrada 98,116 Tokens de saída 21,720 Tokens de raciocínio 367,730 Tempo de resposta (médio) 134.85s Tempo de resposta (total) 2966.79s Tempo de resposta (máx.) 491.42s Resposta incorreta: 4 Não seguiu as instruções: 3 Sem resposta: 2 Formatação extra: 1 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
#80#80	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.780 ↕	33.62s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.8 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 233,415 Tokens de saída 54,384 Tokens de raciocínio 130,021 Tempo de resposta (médio) 33.62s Tempo de resposta (total) 739.59s 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 : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#81#81	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 185,547 Tokens de saída 24,866 Tokens de raciocínio 0 Tempo de resposta (médio) 7.65s Tempo de resposta (total) 168.35s Tempo de resposta (máx.) 47.72s Resposta incorreta: 6 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 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
#82#82	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 82,828 Tokens de saída 7,100 Tokens de raciocínio 92,781 Tempo de resposta (médio) 13.32s Tempo de resposta (total) 292.97s Tempo de resposta (máx.) 94.06s Resposta incorreta: 8 Não seguiu as instruções: 2 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
#83#83	GPT-5.6 Terralow	7.5	OpenAI	$0.210 ↓	5.45s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 6 Tokens de entrada 80,304 Tokens de saída 4,714 Tokens de raciocínio 16,872 Tempo de resposta (médio) 5.45s Tempo de resposta (total) 119.83s Tempo de resposta (máx.) 19.85s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#84#84	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 62.1% Testes instáveis 5 Tokens de entrada 121,996 Tokens de saída 90,051 Tokens de raciocínio 185,731 Tempo de resposta (médio) 75.15s Tempo de resposta (total) 1578.24s Tempo de resposta (máx.) 431.03s Resposta incorreta: 4 Tempo esgotado: 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 : 3.2 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#85#85	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 78,846 Tokens de saída 28,179 Tokens de raciocínio 0 Tempo de resposta (médio) 6.56s Tempo de resposta (total) 137.77s Tempo de resposta (máx.) 18.33s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 6.7 Programação : 5.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#86#86	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 5 Tokens de entrada 113,569 Tokens de saída 9,823 Tokens de raciocínio 264,886 Tempo de resposta (médio) 91.76s Tempo de resposta (total) 1376.42s Tempo de resposta (máx.) 304.85s Resposta incorreta: 4 Tempo esgotado: 2 Erro de API: 1 Chamada de ferramenta inválida: 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
#87#87	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 6 Tokens de entrada 111,644 Tokens de saída 16,113 Tokens de raciocínio 598,796 Tempo de resposta (médio) 113.28s Tempo de resposta (total) 2492.26s Tempo de resposta (máx.) 1026.43s Resposta incorreta: 4 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#88#88	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 5 Tokens de entrada 97,164 Tokens de saída 6,211 Tokens de raciocínio 152,133 Tempo de resposta (médio) 26.72s Tempo de resposta (total) 587.90s Tempo de resposta (máx.) 138.75s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 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
#89#89	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 1 Tokens de entrada 106,946 Tokens de saída 7,993 Tokens de raciocínio 503,413 Tempo de resposta (médio) 54.50s Tempo de resposta (total) 1199.07s Tempo de resposta (máx.) 252.69s Resposta incorreta: 6 Formatação extra: 3 Truques anti-IA : 8.3 Programação : 5.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#90#90	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 117,493 Tokens de saída 10,589 Tokens de raciocínio 47,189 Tempo de resposta (médio) 4.59s Tempo de resposta (total) 101.04s Tempo de resposta (máx.) 18.34s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 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

Comparação rápida

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard do AI Benchy

Modelos recomendados

Filtrar modelos

Comparação rápida