8.2Pontuação média em todos os testes de benchmark.…
7.2Pontuação média em todos os testes de benchmark.…
Posição
#9
#21
Testes corretos
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 3Não seguiu as instruções: 1Tempo de resposta (médio)68.84sTempo de resposta (máx.)280.52sTempo de resposta (total)1101.43sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 3Erro de API: 1Não seguiu as instruções: 1Tempo de resposta (médio)25.25sTempo de resposta (máx.)96.01sTempo de resposta (total)252.48sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
Consistência
9.6A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
9.5A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
Custo por resultado
19.209Mostra o custo médio por resposta correta no benchmark, em centavos (quanto menor, melhor).…
0.314Mostra o custo médio por resposta correta no benchmark, em centavos (quanto menor, melhor).…
Custo total
$2.306Custo total…
$0.035Custo total…
Taxa de acerto por tentativa
77.1%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
72.9%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
Testes instáveis
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
common.totalRuns
46 (16 x 2.88)common.totalRuns…
46 (16 x 2.88)common.totalRuns…
Tokens de saída
1,205Tokens de saída…
11,556Tokens de saída…
Tokens de raciocínio
1,530,700Tokens de raciocínio…
106,408Tokens de raciocínio…
Tempo de resposta (médio)
68.84sTempo de resposta (médio)…
25.25sTempo de resposta (médio)…
Tempo de resposta (máx.)
280.52sTempo de resposta (máx.)…
96.01sTempo de resposta (máx.)…
Tempo de resposta (total)
1101.43sTempo de resposta (total)…
252.48sTempo de resposta (total)…
Melhores modelos por pontuação
Pontuação vs custo total
Tempo de resposta (médio)
Pontuação média vs Tempo de resposta (médio)
Detalhamento por categoria
Truques anti-IA
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)43.87sTempo de resposta (máx.)121.88sTempo de resposta (total)131.62sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
43.87sTempo de resposta (médio)…
144Tokens de saída…
193,077Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
9.7Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)16.79sTempo de resposta (máx.)20.83sTempo de resposta (total)33.57sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
16.79sTempo de resposta (médio)…
1,328Tokens de saída…
18,739Tokens de raciocínio…
Combinado
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)280.52sTempo de resposta (máx.)280.52sTempo de resposta (total)280.52sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
280.52sTempo de resposta (médio)…
335Tokens de saída…
380,440Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
9.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)75.68sTempo de resposta (máx.)75.68sTempo de resposta (total)75.68sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
75.68sTempo de resposta (médio)…
442Tokens de saída…
26,859Tokens de raciocínio…
Análise e extração de dados
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
9.9Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)7.16sTempo de resposta (máx.)8.54sTempo de resposta (total)14.31sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
7.16sTempo de resposta (médio)…
279Tokens de saída…
6,186Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
5.5Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
50.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Erro de API: 1Tempo de resposta (médio)0msTempo de resposta (máx.)0msTempo de resposta (total)0msUm teste é totalmente aprovado apenas quando todas as execuções passam.…
0msTempo de resposta (médio)…
153Tokens de saída…
0Tokens de raciocínio…
Específico do domínio
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
4.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
33.3%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 2Tempo de resposta (médio)127.58sTempo de resposta (máx.)133.93sTempo de resposta (total)382.74sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
127.58sTempo de resposta (médio)…
18Tokens de saída…
566,202Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
4.0Pontuação média em todos os testes de benchmark.…
7.2A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
55.6%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 2Tempo de resposta (médio)96.01sTempo de resposta (máx.)96.01sTempo de resposta (total)96.01sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
96.01sTempo de resposta (médio)…
8,374Tokens de saída…
42,461Tokens de raciocínio…
Inteligência geral
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)5.36sTempo de resposta (máx.)5.36sTempo de resposta (total)5.36sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.36sTempo de resposta (médio)…
39Tokens de saída…
1,305Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
3.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
0.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Não seguiu as instruções: 1Tempo de resposta (médio)3.34sTempo de resposta (máx.)3.34sTempo de resposta (total)3.34sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.34sTempo de resposta (médio)…
30Tokens de saída…
182Tokens de raciocínio…
Seguimento de instruções
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
9.0Pontuação média em todos os testes de benchmark.…
6.9A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
66.7%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Não seguiu as instruções: 1Tempo de resposta (médio)70.07sTempo de resposta (máx.)136.53sTempo de resposta (total)140.14sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
70.07sTempo de resposta (médio)…
69Tokens de saída…
190,053Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)4.28sTempo de resposta (máx.)7.37sTempo de resposta (total)8.55sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
4.28sTempo de resposta (médio)…
75Tokens de saída…
3,504Tokens de raciocínio…
Puzzle Solving
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
7.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
66.7%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)46.33sTempo de resposta (máx.)134.22sTempo de resposta (total)139.00sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
46.33sTempo de resposta (médio)…
87Tokens de saída…
190,953Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
7.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
66.7%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)3.77sTempo de resposta (máx.)5.26sTempo de resposta (total)7.55sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.77sTempo de resposta (médio)…
833Tokens de saída…
1,948Tokens de raciocínio…
Chamada de ferramentas
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Google: Gemini 3.1 Flash Lite Preview
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)7.73sTempo de resposta (máx.)7.73sTempo de resposta (total)7.73sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
7.73sTempo de resposta (médio)…
234Tokens de saída…
2,484Tokens de raciocínio…
Xiaomi: MiMo-V2-Flash
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)27.78sTempo de resposta (máx.)27.78sTempo de resposta (total)27.78sUm teste é totalmente aprovado apenas quando todas as execuções passam.…