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: 2026-10-01 Modelos avaliados: 382

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

382/382

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#201#201	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Ver cartão do modelo Total de testes 23 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 36.2% Testes instáveis 2 Tokens de entrada 405,921 Tokens de saída 97,112 Tokens de raciocínio 0 Tempo de resposta (médio) 14.79s Tempo de resposta (total) 340.25s Tempo de resposta (máx.) 212.63s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 10.0 Truques anti-IA : 4.8 Programação : 3.7 Combinado : 5.2 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#202#202	Gemini 3 Flash Previewnone	6.4	Google	$0.155	6.05s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 3 Tokens de entrada 233,893 Tokens de saída 12,432 Tokens de raciocínio 0 Tempo de resposta (médio) 6.05s Tempo de resposta (total) 102.89s Tempo de resposta (máx.) 57.84s Resposta incorreta: 9 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#203#203	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
#204#204	Claude Sonnet 4.6medium	6.4	Anthropic	$2.126	28.08s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% 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 Tarefas de agentes : 0.0 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
#205#205	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 9.6 Taxa de acerto por tentativa 60.9% Testes instáveis 8 Tokens de entrada 292,271 Tokens de saída 55,025 Tokens de raciocínio 186,071 Tempo de resposta (médio) 125.76s Tempo de resposta (total) 2137.84s Tempo de resposta (máx.) 566.79s Resposta incorreta: 5 Tempo esgotado: 3 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.9 Truques anti-IA : 7.3 Programação : 6.1 Combinado : 6.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#206#206	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
#207#207	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 1 Tokens de entrada 230,004 Tokens de saída 18,040 Tokens de raciocínio 0 Tempo de resposta (médio) 4.67s Tempo de resposta (total) 107.45s Tempo de resposta (máx.) 49.23s Resposta incorreta: 7 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 5.0 Truques anti-IA : 6.5 Programação : 5.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#208#208	MiMo-V2.5-Promedium	6.4	Xiaomi	$0.332 ↓	56.72s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.8% Testes instáveis 7 Tokens de entrada 253,462 Tokens de saída 40,269 Tokens de raciocínio 185,716 Tempo de resposta (médio) 56.72s Tempo de resposta (total) 1304.54s Tempo de resposta (máx.) 333.34s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Tarefas de agentes : 4.7 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#209#209	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	70.48s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 59.4% Testes instáveis 7 Tokens de entrada 255,887 Tokens de saída 154,879 Tokens de raciocínio 603,518 Tempo de resposta (médio) 70.48s Tempo de resposta (total) 1620.93s Tempo de resposta (máx.) 480.52s Resposta incorreta: 9 Sem resposta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 8.7 Programação : 5.8 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 3.4 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#210#210	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	66.13s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 6 Tokens de entrada 260,850 Tokens de saída 125,908 Tokens de raciocínio 516,424 Tempo de resposta (médio) 66.13s Tempo de resposta (total) 1520.96s Tempo de resposta (máx.) 417.36s Resposta incorreta: 8 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#211#211	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 42.0% Testes instáveis 3 Tokens de entrada 276,199 Tokens de saída 17,473 Tokens de raciocínio 0 Tempo de resposta (médio) 8.50s Tempo de resposta (total) 195.60s Tempo de resposta (máx.) 81.77s Resposta incorreta: 13 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 4.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#212#212	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$1.249 ↑	111.54s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 378,048 Tokens de saída 56,477 Tokens de raciocínio 865,151 Tempo de resposta (médio) 111.54s Tempo de resposta (total) 2565.38s Tempo de resposta (máx.) 950.25s Sem resposta: 3 Tempo esgotado: 3 Resposta incorreta: 3 Erro de API: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 7.4 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 3.8 Análise e extração de dados : 7.3 Específico do domínio : 3.5 Inteligência geral : 2.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#213#213	Qwen3.6 27Bnone	6.3	Qwen	$0.147 ↓	12.71s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 6 Tokens de entrada 250,919 Tokens de saída 20,816 Tokens de raciocínio 0 Tempo de resposta (médio) 12.71s Tempo de resposta (total) 292.29s Tempo de resposta (máx.) 156.31s Resposta incorreta: 11 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Tarefas de agentes : 10.0 Truques anti-IA : 3.8 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 7.3 Específico do domínio : 7.7 Inteligência geral : 5.2 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#214#214	Gemini 3.5 Flash Litelow	6.3	Google	$0.183	4.79s
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 275,779 Tokens de saída 14,401 Tokens de raciocínio 25,511 Tempo de resposta (médio) 4.79s Tempo de resposta (total) 110.24s Tempo de resposta (máx.) 53.91s Resposta incorreta: 9 Não seguiu as instruções: 1 Sem resposta: 1 Tarefas de agentes : 5.0 Truques anti-IA : 9.0 Programação : 4.3 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#215#215	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
Ver cartão do modelo Total de testes 23 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 0 Tokens de entrada 309,715 Tokens de saída 16,170 Tokens de raciocínio 422,721 Tempo de resposta (médio) 19.04s Tempo de resposta (total) 437.98s Tempo de resposta (máx.) 309.35s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#216#216	Gemini 3.1 Flash Litelow	6.3	Google	$0.717	19.02s
Ver cartão do modelo Total de testes 23 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 2 Tokens de entrada 312,368 Tokens de saída 9,429 Tokens de raciocínio 416,147 Tempo de resposta (médio) 19.02s Tempo de resposta (total) 437.38s Tempo de resposta (máx.) 318.02s Resposta incorreta: 9 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.0 Truques anti-IA : 7.3 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#217#217	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% Testes instáveis 6 Tokens de entrada 209,002 Tokens de saída 24,675 Tokens de raciocínio 377,528 Tempo de resposta (médio) 128.91s Tempo de resposta (total) 2965.04s Tempo de resposta (máx.) 491.07s Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Tarefas de agentes : 2.8 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
#218#218	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.176	20.07s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 52.2% Testes instáveis 3 Tokens de entrada 346,064 Tokens de saída 53,060 Tokens de raciocínio 0 Tempo de resposta (médio) 20.07s Tempo de resposta (total) 341.27s Tempo de resposta (máx.) 183.50s Resposta incorreta: 11 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.2 Truques anti-IA : 4.8 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#219#219	Claude Opus 4.6medium	6.3	Anthropic	$2.961	32.23s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.9% 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 Tarefas de agentes : 0.0 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
#220#220	Space Bunny Alphamedium	6.3	Stealth	$0.000	32.88s
Ver cartão do modelo Total de testes 23 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 5 Tokens de entrada 267,840 Tokens de saída 192,115 Tokens de raciocínio 0 Tempo de resposta (médio) 32.88s Tempo de resposta (total) 756.28s Tempo de resposta (máx.) 197.32s Resposta incorreta: 11 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 6.1 Truques anti-IA : 5.2 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#221#221	DeepSeek V3.2medium	6.3	DeepSeek	$0.152 ↑	70.08s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 62.3% Testes instáveis 7 Tokens de entrada 306,662 Tokens de saída 17,819 Tokens de raciocínio 125,341 Tempo de resposta (médio) 70.08s Tempo de resposta (total) 1611.86s Tempo de resposta (máx.) 376.10s Resposta incorreta: 6 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 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
#222#222	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
Ver cartão do modelo Total de testes 23 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 47.8% Testes instáveis 6 Tokens de entrada 347,980 Tokens de saída 121,898 Tokens de raciocínio 720,302 Tempo de resposta (médio) 95.16s Tempo de resposta (total) 2188.74s Tempo de resposta (máx.) 540.96s Resposta incorreta: 7 Não seguiu as instruções: 3 Erro de API: 2 Chamada de ferramenta inválida: 2 Sem resposta: 1 Tarefas de agentes : 7.4 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 5.2 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 4.4 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#223#223	DeepSeek V4 Flash 0423none	6.3	DeepSeek	$0.027 ↓	38.64s
Ver cartão do modelo Total de testes 23 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 30.4% Testes instáveis 4 Tokens de entrada 403,455 Tokens de saída 115,591 Tokens de raciocínio 0 Tempo de resposta (médio) 38.64s Tempo de resposta (total) 888.69s Tempo de resposta (máx.) 247.27s Resposta incorreta: 13 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Tarefas de agentes : 10.0 Truques anti-IA : 3.0 Programação : 4.2 Combinado : 4.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#224#224	Grok 4.20medium	6.3	X AI	$1.246 ↓	36.73s
Ver cartão do modelo Total de testes 23 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 58.0% Testes instáveis 5 Tokens de entrada 392,127 Tokens de saída 7,754 Tokens de raciocínio 294,333 Tempo de resposta (médio) 36.73s Tempo de resposta (total) 844.68s Tempo de resposta (máx.) 199.66s Resposta incorreta: 7 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 3.0 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
#225#225	Space Bunny Alphaxhigh	6.2	Stealth	$0.000	60.03s
Ver cartão do modelo Total de testes 23 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 55.1% Testes instáveis 8 Tokens de entrada 363,310 Tokens de saída 381,919 Tokens de raciocínio 0 Tempo de resposta (médio) 60.03s Tempo de resposta (total) 1380.67s Tempo de resposta (máx.) 459.99s Resposta incorreta: 9 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Tarefas de agentes : 5.2 Truques anti-IA : 6.4 Programação : 6.6 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 5.0 Seguimento de instruções : 5.6 Resolução de quebra-cabeças : 7.9 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