Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-05-22
Métrica
Hy3 previewHy3 previewhighModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.Lançamento: 2026-04-22
Grok 4.1 FastGrok 4.1 FastmediumModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.Lançamento: 2025-11-19
Métrica
Hy3 previewHy3 previewhighModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.Lançamento: 2026-04-22
Grok 4.1 FastGrok 4.1 FastmediumModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.Lançamento: 2025-11-19
Pontuação
8.0Pontuação média em todos os testes de benchmark.…
6.5Pontuação média em todos os testes de benchmark.…
Posição
#22
#87
Confiabilidade
10.0Pontuação de sucesso na primeira tentativa: 10.0 significa nenhum erro reexecutável da API alvo ou de limite de taxa antes de chamadas bem-sucedidas; falhas registradas reduzem a pontuação.…
10.0Pontuação de sucesso na primeira tentativa: 10.0 significa nenhum erro reexecutável da API alvo ou de limite de taxa antes de chamadas bem-sucedidas; falhas registradas reduzem a pontuação.…
Consistência
9.5A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
7.3A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
Testes corretos
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 3Erro de API: 1Tempo de resposta (médio)56.77sTempo de resposta (máx.)149.94sTempo de resposta (total)851.49sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
77.1%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
61.4%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).…
6Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Execuções totais
60Execuções totais…
57Execuções totais…
Custo por resultado
0.000Mostra o custo médio por resposta correta no benchmark, em centavos (quanto menor, melhor).…
0.644Mostra o custo médio por resposta correta no benchmark, em centavos (quanto menor, melhor).…
Custo total
$0.000Custo total…
$0.058Custo total…
Preço de entrada
$0.066 / 1MPreço de entrada…
$0.000 / 1MPreço de entrada…
Preço de saída
$0.260 / 1MPreço de saída…
$0.000 / 1MPreço de saída…
Tokens de saída
216,503Tokens de saída…
2,025Tokens de saída…
Tokens de raciocínio
0Tokens de raciocínio…
96,679Tokens de raciocínio…
Tempo de resposta (médio)
56.77sTempo de resposta (médio)…
24.01sTempo de resposta (médio)…
Tempo de resposta (máx.)
149.94sTempo de resposta (máx.)…
121.79sTempo de resposta (máx.)…
Tempo de resposta (total)
851.49sTempo de resposta (total)…
288.18sTempo de resposta (total)…
Melhores modelos por pontuação
Pontuação vs custo total
Tempo de resposta (médio)
Pontuação vs Tempo de resposta (médio)
Total de tokens de saída
Pontuação vs Total de tokens de saída
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
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
8.9Pontuação 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)15.12sTempo de resposta (máx.)19.99sTempo de resposta (total)45.37sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
15.12sTempo de resposta (médio)…
6,839Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
8.7Pontuação média em todos os testes de benchmark.…
7.9A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
91.7%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.Resposta incorreta: 1Tempo de resposta (médio)3.81sTempo de resposta (máx.)5.65sTempo de resposta (total)7.62sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.81sTempo de resposta (médio)…
108Tokens de saída…
4,741Tokens de raciocínio…
Programação
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)99.76sTempo de resposta (máx.)99.76sTempo de resposta (total)99.76sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
99.76sTempo de resposta (médio)…
38,167Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
2.3Pontuação média em todos os testes de benchmark.…
1.1A 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.…
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)23.58sTempo de resposta (máx.)23.58sTempo de resposta (total)23.58sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
23.58sTempo de resposta (médio)…
821Tokens de saída…
6,703Tokens de raciocínio…
Combinado
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)113.09sTempo de resposta (máx.)113.09sTempo de resposta (total)113.09sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
113.09sTempo de resposta (médio)…
31,319Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)37.64sTempo de resposta (máx.)37.64sTempo de resposta (total)37.64sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
37.64sTempo de resposta (médio)…
261Tokens de saída…
12,272Tokens 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
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.5Pontuação 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)12.11sTempo de resposta (máx.)12.11sTempo de resposta (total)12.11sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
12.11sTempo de resposta (médio)…
4,323Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)6.63sTempo de resposta (máx.)6.63sTempo de resposta (total)6.63sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
6.63sTempo de resposta (médio)…
180Tokens de saída…
5,409Tokens 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
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.3Pontuação média em todos os testes de benchmark.…
7.2A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
44.4%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)109.04sTempo de resposta (máx.)149.94sTempo de resposta (total)327.11sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
109.04sTempo de resposta (médio)…
87,559Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.8Pontuação média em todos os testes de benchmark.…
4.4A 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.…
2Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Tempo esgotado: 1Resposta incorreta: 1Tempo de resposta (médio)121.79sTempo de resposta (máx.)121.79sTempo de resposta (total)121.79sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
121.79sTempo de resposta (médio)…
11Tokens de saída…
37,657Tokens 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
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
0.0Pontuação média em todos os testes de benchmark.…
0.0A 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.Sem respostas com falha.Tempo 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)…
0Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
4.2Pontuação média em todos os testes de benchmark.…
9.9A 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)16.25sTempo de resposta (máx.)16.25sTempo de resposta (total)16.25sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
16.25sTempo de resposta (médio)…
127Tokens de saída…
3,456Tokens 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
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)34.02sTempo de resposta (máx.)41.83sTempo de resposta (total)68.04sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
34.02sTempo de resposta (médio)…
13,331Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.5Pontuação 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.Não seguiu as instruções: 1Tempo de resposta (médio)5.30sTempo de resposta (máx.)5.30sTempo de resposta (total)5.30sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.30sTempo de resposta (médio)…
55Tokens de saída…
3,489Tokens de raciocínio…
Resolução de quebra-cabeças
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)29.74sTempo de resposta (máx.)45.06sTempo de resposta (total)59.48sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
29.74sTempo de resposta (médio)…
15,503Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.3Pontuação média em todos os testes de benchmark.…
7.2A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
44.4%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: 1Resposta incorreta: 1Tempo de resposta (médio)8.08sTempo de resposta (máx.)8.38sTempo de resposta (total)16.17sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
8.08sTempo de resposta (médio)…
187Tokens de saída…
6,086Tokens 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
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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)78.83sTempo de resposta (máx.)78.83sTempo de resposta (total)78.83sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
78.83sTempo de resposta (médio)…
10,370Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
2.8Pontuação média em todos os testes de benchmark.…
1.6A 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.…
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.Sem resposta: 1Tempo de resposta (médio)27.71sTempo de resposta (máx.)27.71sTempo de resposta (total)27.71sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
27.71sTempo de resposta (médio)…
260Tokens de saída…
11,485Tokens de raciocínio…
Conhecimentos gerais
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de saída
Tokens de raciocínio
Hy3 previewModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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.Resposta incorreta: 1Tempo de resposta (médio)47.71sTempo de resposta (máx.)47.71sTempo de resposta (total)47.71sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
47.71sTempo de resposta (médio)…
9,092Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
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.Resposta incorreta: 1Tempo de resposta (médio)25.52sTempo de resposta (máx.)25.52sTempo de resposta (total)25.52sUm teste é totalmente aprovado apenas quando todas as execuções passam.…