AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-06-18 Modelos avaliados: 169

169/169

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#151#151	Mercury 2none	4.6	Inception	$0.011	653ms
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 23.8% Testes instáveis 2 Tokens de entrada 28,113 Tokens de saída 4,439 Tokens de raciocínio 0 Tempo de resposta (médio) 653ms Tempo de resposta (total) 13.72s Tempo de resposta (máx.) 1.43s Resposta incorreta: 16 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 3.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#152#152	Elephant Alphanone	4.6	Openrouter	$0.000	1.22s
Ver cartão do modelo Total de testes 21 Testes errados 16 Confiabilidade N/D Taxa de acerto por tentativa 27.0% Testes instáveis 1 Tokens de entrada 33,743 Tokens de saída 2,573 Tokens de raciocínio 0 Tempo de resposta (médio) 1.22s Tempo de resposta (total) 22.03s Tempo de resposta (máx.) 3.81s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 4.2 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#153#153	Elephant Alphamedium	4.5	Openrouter	$0.000	1.27s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade N/D Taxa de acerto por tentativa 30.2% Testes instáveis 1 Tokens de entrada 33,744 Tokens de saída 2,596 Tokens de raciocínio 0 Tempo de resposta (médio) 1.27s Tempo de resposta (total) 22.82s Tempo de resposta (máx.) 3.70s Resposta incorreta: 9 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.6 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#154#154	Hunter Alphanone	4.5	OpenRouter	$0.000	4.70s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 39.7% Testes instáveis 4 Tokens de entrada 34,329 Tokens de saída 2,264 Tokens de raciocínio 0 Tempo de resposta (médio) 4.70s Tempo de resposta (total) 79.86s Tempo de resposta (máx.) 15.17s Resposta incorreta: 9 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 3.5 Programação : 9.8 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.1 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 5.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#155#155	Grok 4.20none	4.4	X AI	$0.057 ↓	1.11s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 28.6% Testes instáveis 0 Tokens de entrada 41,313 Tokens de saída 1,923 Tokens de raciocínio 0 Tempo de resposta (médio) 1.11s Tempo de resposta (total) 19.96s Tempo de resposta (máx.) 6.04s Resposta incorreta: 10 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 1.1 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#156#156	Laguna Xs.2medium	4.3	Poolside	$0.000	6.73s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 46.0% Testes instáveis 6 Tokens de entrada 39,481 Tokens de saída 54,218 Tokens de raciocínio 0 Tempo de resposta (médio) 6.73s Tempo de resposta (total) 100.98s Tempo de resposta (máx.) 29.11s Resposta incorreta: 6 Erro de API: 4 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 2.1 Combinado : 3.0 Análise e extração de dados : 7.1 Específico do domínio : 4.1 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#157#157	GLM 4.7 Flashmedium	4.3	Z.ai	$0.054	35.10s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 6.7 Taxa de acerto por tentativa 33.3% Testes instáveis 8 Tokens de entrada 37,206 Tokens de saída 43,754 Tokens de raciocínio 89,079 Tempo de resposta (médio) 35.10s Tempo de resposta (total) 456.24s Tempo de resposta (máx.) 174.55s Resposta incorreta: 9 Sem resposta: 3 Não seguiu as instruções: 2 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.7 Programação : 3.2 Combinado : 2.8 Análise e extração de dados : 6.3 Específico do domínio : 3.5 Inteligência geral : 3.6 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#158#158	Hy3 previewnone	4.3	Tencent	$0.003 ↕	12.92s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 23.8% Testes instáveis 2 Tokens de entrada 27,172 Tokens de saída 2,661 Tokens de raciocínio 0 Tempo de resposta (médio) 12.92s Tempo de resposta (total) 232.64s Tempo de resposta (máx.) 35.84s Resposta incorreta: 8 Erro de API: 4 Não seguiu as instruções: 4 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 2.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#159#159	MiMo-V2-Flashnone	4.3	Xiaomi	$0.025 ↑	2.76s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 6.7 Taxa de acerto por tentativa 25.4% Testes instáveis 4 Tokens de entrada 36,851 Tokens de saída 68,882 Tokens de raciocínio 0 Tempo de resposta (médio) 2.76s Tempo de resposta (total) 46.99s Tempo de resposta (máx.) 19.68s Resposta incorreta: 13 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 3.2 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 2.9 Específico do domínio : 5.3 Inteligência geral : 4.6 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#160#160	Grok Build 0.1none	4.2	X AI	$0.547	28.69s
Ver cartão do modelo Total de testes 19 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 46.0% Testes instáveis 4 Tokens de entrada 11,793 Tokens de saída 267,275 Tokens de raciocínio 0 Tempo de resposta (médio) 28.69s Tempo de resposta (total) 459.00s Tempo de resposta (máx.) 138.35s Resposta incorreta: 7 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#161#161	Grok 4.1 Fastnone	4.0	X AI	$0.008 ↓	1.62s
Ver cartão do modelo Total de testes 19 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 20.6% Testes instáveis 3 Tokens de entrada 36,608 Tokens de saída 1,723 Tokens de raciocínio 0 Tempo de resposta (médio) 1.62s Tempo de resposta (total) 19.48s Tempo de resposta (máx.) 5.51s Resposta incorreta: 13 Não seguiu as instruções: 3 Truques anti-IA : 3.2 Programação : 1.8 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.4 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#162#162	Laguna Xs.2none	4.0	Poolside	$0.000	806ms
Ver cartão do modelo Total de testes 19 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 23.8% Testes instáveis 0 Tokens de entrada 33,675 Tokens de saída 2,826 Tokens de raciocínio 0 Tempo de resposta (médio) 806ms Tempo de resposta (total) 12.09s Tempo de resposta (máx.) 2.01s Resposta incorreta: 8 Erro de API: 4 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 8.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#163#163	Granite 4.1 8Bnone	4.0	IBM Granite	$0.003	728ms
Ver cartão do modelo Total de testes 21 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 9.5% Testes instáveis 0 Tokens de entrada 46,285 Tokens de saída 2,911 Tokens de raciocínio 0 Tempo de resposta (médio) 728ms Tempo de resposta (total) 15.29s Tempo de resposta (máx.) 2.17s Resposta incorreta: 13 Não seguiu as instruções: 4 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.9 Programação : 4.5 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 3.6 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#164#164	gpt-oss-120bnone	4.0	OpenAI	$0.010 ↓	21.61s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 2 Tokens de entrada 9,081 Tokens de saída 51,664 Tokens de raciocínio 0 Tempo de resposta (médio) 21.61s Tempo de resposta (total) 345.79s Tempo de resposta (máx.) 113.71s Resposta incorreta: 8 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#165#165	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Ver cartão do modelo Total de testes 21 Testes errados 18 Confiabilidade 6.7 Taxa de acerto por tentativa 27.0% Testes instáveis 5 Tokens de entrada 17,070 Tokens de saída 29,045 Tokens de raciocínio 209,516 Tempo de resposta (médio) 82.24s Tempo de resposta (total) 1315.88s Tempo de resposta (máx.) 226.38s Tempo esgotado: 11 Sem resposta: 2 Resposta incorreta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 5.1 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 2.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#166#166	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.6	NVIDIA	$0.000	17.13s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 28.6% Testes instáveis 5 Tokens de entrada 11,661 Tokens de saída 48,491 Tokens de raciocínio 180,695 Tempo de resposta (médio) 17.13s Tempo de resposta (total) 222.66s Tempo de resposta (máx.) 147.45s Resposta incorreta: 7 Erro de API: 6 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.4 Programação : 1.1 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 3.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#167#167	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.5	NVIDIA	$0.000	728ms
Ver cartão do modelo Total de testes 19 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 15.9% Testes instáveis 2 Tokens de entrada 11,661 Tokens de saída 1,302 Tokens de raciocínio 0 Tempo de resposta (médio) 728ms Tempo de resposta (total) 9.47s Tempo de resposta (máx.) 2.21s Resposta incorreta: 9 Erro de API: 6 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#168#168	Step 3.5 Flashnone	2.6	Stepfun	$0.020	39.03s
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 28.6% Testes instáveis 0 Tokens de entrada 1,971 Tokens de saída 64,795 Tokens de raciocínio 0 Tempo de resposta (médio) 39.03s Tempo de resposta (total) 312.26s Tempo de resposta (máx.) 114.12s Erro de API: 4 Não seguiu as instruções: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 9.8 Combinado : 3.0 Análise e extração de dados : 1.5 Específico do domínio : 3.3 Inteligência geral : 4.0 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#169#169	LFM2-24B-A2Bnone	2.4	Liquid	$0.001	782ms
Ver cartão do modelo Total de testes 16 Testes errados 14 Confiabilidade N/D Taxa de acerto por tentativa 12.7% Testes instáveis 1 Tokens de entrada 10,771 Tokens de saída 1,173 Tokens de raciocínio 0 Tempo de resposta (médio) 782ms Tempo de resposta (total) 10.94s Tempo de resposta (máx.) 3.15s Resposta incorreta: 9 Erro de API: 4 Não seguiu as instruções: 1 Truques anti-IA : 2.5 Programação : 0.0 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0

←

1 2 3 4 5 6

Comparação rápida

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponível grátis Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponível grátis Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparação rápida