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)
#91#91	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 9.9 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 95,992 Tokens de saída 12,446 Tokens de raciocínio 0 Tempo de resposta (médio) 4.56s Tempo de resposta (total) 100.30s Tempo de resposta (máx.) 72.30s Resposta incorreta: 7 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 6.5 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
#92#92	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.709 ↓	80.09s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 5 Tokens de entrada 72,085 Tokens de saída 57,453 Tokens de raciocínio 182,093 Tempo de resposta (médio) 80.09s Tempo de resposta (total) 1681.85s Tempo de resposta (máx.) 365.80s Resposta incorreta: 6 Tempo esgotado: 3 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 7.3 Programação : 7.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.7 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#93#93	GPT-5.6 Lunamedium	7.4	OpenAI	$0.036 ↓	7.43s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 2 Tokens de entrada 89,685 Tokens de saída 5,701 Tokens de raciocínio 38,824 Tempo de resposta (médio) 7.43s Tempo de resposta (total) 163.54s Tempo de resposta (máx.) 29.85s Resposta incorreta: 9 Truques anti-IA : 8.3 Programação : 5.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#94#94	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 97,324 Tokens de saída 44,383 Tokens de raciocínio 346,490 Tempo de resposta (médio) 143.55s Tempo de resposta (total) 3158.11s 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 : 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
#95#95	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.4 Taxa de acerto por tentativa 74.2% Testes instáveis 4 Tokens de entrada 108,931 Tokens de saída 112,801 Tokens de raciocínio 343,227 Tempo de resposta (médio) 120.59s Tempo de resposta (total) 2653.05s Tempo de resposta (máx.) 532.28s Resposta incorreta: 3 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#96#96	Grok 4.6low	7.4	X AI	$0.449	14.55s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 109,960 Tokens de saída 5,124 Tokens de raciocínio 32,924 Tempo de resposta (médio) 14.55s Tempo de resposta (total) 320.17s Tempo de resposta (máx.) 26.46s Resposta incorreta: 7 Truques anti-IA : 10.0 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#97#97	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 2 Tokens de entrada 123,687 Tokens de saída 9,572 Tokens de raciocínio 31,204 Tempo de resposta (médio) 6.51s Tempo de resposta (total) 143.12s Tempo de resposta (máx.) 17.13s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 5.8 Combinado : 3.0 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 : 10.0
#98#98	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
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 123,273 Tokens de saída 19,362 Tokens de raciocínio 0 Tempo de resposta (médio) 7.67s Tempo de resposta (total) 122.78s Tempo de resposta (máx.) 51.18s Resposta incorreta: 5 Formatação extra: 4 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#99#99	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 8 Tokens de entrada 87,682 Tokens de saída 7,166 Tokens de raciocínio 106,027 Tempo de resposta (médio) 20.20s Tempo de resposta (total) 444.35s Tempo de resposta (máx.) 209.15s Resposta incorreta: 10 Erro de API: 1 Truques anti-IA : 6.9 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#100#100	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 2 Tokens de entrada 104,925 Tokens de saída 9,168 Tokens de raciocínio 53,188 Tempo de resposta (médio) 4.38s Tempo de resposta (total) 96.32s Tempo de resposta (máx.) 26.22s Resposta incorreta: 7 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 : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#101#101	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 54.6% Testes instáveis 0 Tokens de entrada 98,833 Tokens de saída 58,097 Tokens de raciocínio 0 Tempo de resposta (médio) 12.11s Tempo de resposta (total) 266.40s Tempo de resposta (máx.) 206.03s Resposta incorreta: 9 Não seguiu as instruções: 1 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
#102#102	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.106	84.66s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 8 Tokens de entrada 89,819 Tokens de saída 58,398 Tokens de raciocínio 492,457 Tempo de resposta (médio) 84.66s Tempo de resposta (total) 1862.46s Tempo de resposta (máx.) 288.78s Resposta incorreta: 5 Sem resposta: 3 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.2 Programação : 6.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#103#103	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 149,203 Tokens de saída 16,797 Tokens de raciocínio 0 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.24s Tempo de resposta (máx.) 35.03s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 9.8 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#104#104	Kimi K2.6medium	7.2	Moonshot AI	$0.711 ↓	115.89s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 68,913 Tokens de saída 64,654 Tokens de raciocínio 282,865 Tempo de resposta (médio) 115.89s Tempo de resposta (total) 2433.66s 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
#105#105	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 106,085 Tokens de saída 9,071 Tokens de raciocínio 135,288 Tempo de resposta (médio) 22.11s Tempo de resposta (total) 486.31s Tempo de resposta (máx.) 199.97s Resposta incorreta: 10 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.0 Programação : 6.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#106#106	Muse Glimmer 30Bhigh	7.2	Meta	$0.535	66.70s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 8 Tokens de entrada 103,494 Tokens de saída 100,589 Tokens de raciocínio 270,217 Tempo de resposta (médio) 66.70s Tempo de resposta (total) 1467.39s Tempo de resposta (máx.) 451.90s Resposta incorreta: 7 Não seguiu as instruções: 3 Sem resposta: 2 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.3 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#107#107	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
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 42,106 Tokens de saída 2,280 Tokens de raciocínio 169,843 Tempo de resposta (médio) 46.97s Tempo de resposta (total) 986.35s 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
#108#108	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 92,191 Tokens de saída 14,286 Tokens de raciocínio 289,733 Tempo de resposta (médio) 38.05s Tempo de resposta (total) 837.05s Tempo de resposta (máx.) 394.54s Resposta incorreta: 7 Não seguiu as instruções: 3 Erro de API: 1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#109#109	Muse Glimmer 30Bmedium	7.2	Meta	$0.280	30.64s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 6 Tokens de entrada 116,513 Tokens de saída 33,065 Tokens de raciocínio 135,009 Tempo de resposta (médio) 30.64s Tempo de resposta (total) 674.01s Tempo de resposta (máx.) 181.08s Resposta incorreta: 9 Não seguiu as instruções: 1 Sem resposta: 1 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
#110#110	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 124,780 Tokens de saída 47,694 Tokens de raciocínio 439,825 Tempo de resposta (médio) 65.67s Tempo de resposta (total) 1444.68s Tempo de resposta (máx.) 519.30s Resposta incorreta: 5 Tempo esgotado: 2 Chamada de ferramenta inválida: 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
#111#111	Muse Glimmer 30Blow	7.1	Meta	$0.187	18.64s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 5 Tokens de entrada 130,312 Tokens de saída 33,867 Tokens de raciocínio 62,103 Tempo de resposta (médio) 18.64s Tempo de resposta (total) 410.18s Tempo de resposta (máx.) 234.92s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.1 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.0 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#112#112	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 5 Tokens de entrada 103,842 Tokens de saída 320,393 Tokens de raciocínio 0 Tempo de resposta (médio) 17.87s Tempo de resposta (total) 393.04s Tempo de resposta (máx.) 124.75s Resposta incorreta: 9 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.2 Combinado : 7.3 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#113#113	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 5 Tokens de entrada 79,740 Tokens de saída 23,357 Tokens de raciocínio 339,837 Tempo de resposta (médio) 120.58s Tempo de resposta (total) 2652.77s Tempo de resposta (máx.) 491.07s Resposta incorreta: 5 Não seguiu as instruções: 3 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 5.7 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#114#114	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 140,244 Tokens de saída 13,739 Tokens de raciocínio 212,165 Tempo de resposta (médio) 44.21s Tempo de resposta (total) 972.64s Tempo de resposta (máx.) 216.69s Resposta incorreta: 6 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 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
#115#115	GPT-5.6 Solnone	7.0	OpenAI	$0.524	2.17s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 3 Tokens de entrada 78,602 Tokens de saída 4,357 Tokens de raciocínio 0 Tempo de resposta (médio) 2.17s Tempo de resposta (total) 47.66s Tempo de resposta (máx.) 12.81s Resposta incorreta: 9 Não seguiu as instruções: 1 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
#116#116	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 101,056 Tokens de saída 11,832 Tokens de raciocínio 116,955 Tempo de resposta (médio) 68.43s Tempo de resposta (total) 1505.53s Tempo de resposta (máx.) 376.10s Resposta incorreta: 5 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 7.3 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 : 7.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#117#117	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 8.1 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 82,592 Tokens de saída 16,089 Tokens de raciocínio 199,800 Tempo de resposta (médio) 58.80s Tempo de resposta (total) 1234.72s Tempo de resposta (máx.) 308.75s Resposta incorreta: 4 Sem resposta: 2 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 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
#118#118	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 79,294 Tokens de saída 4,915 Tokens de raciocínio 0 Tempo de resposta (médio) 2.35s Tempo de resposta (total) 51.78s Tempo de resposta (máx.) 12.24s Resposta incorreta: 10 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
#119#119	Mercury 2medium	7.0	Inception	$0.094	2.95s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 4 Tokens de entrada 110,515 Tokens de saída 10,325 Tokens de raciocínio 77,229 Tempo de resposta (médio) 2.95s Tempo de resposta (total) 61.89s Tempo de resposta (máx.) 14.63s Resposta incorreta: 8 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 8.2 Combinado : 6.7 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#120#120	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 5 Tokens de entrada 102,986 Tokens de saída 5,860 Tokens de raciocínio 264,399 Tempo de resposta (médio) 32.56s Tempo de resposta (total) 716.36s Tempo de resposta (máx.) 199.66s Resposta incorreta: 6 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.3 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.9 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 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