Benchmarks de modelos de IA
Quem lidera cada benchmark hoje, quais modelos estão na fronteira e o que cada teste mede. Cada ranking usa sua própria métrica: não existe uma pontuação universal.
Dados ao vivo da OpenRouteratualizado em 17 de novembro de 2026
Ranking por benchmark
Escolha uma categoria e um benchmark: o gráfico mostra os melhores modelos daquele teste. Cada benchmark tem sua própria métrica: compare apenas dentro do mesmo.
Artificial Analysis · 17 de novembro de 2026
Gráfico de barras horizontais: os 10 melhores modelos de Intelligence Index (Índice composto (quanto maior, melhor)). 1. Claude Fable 5.2 (Max, Default Fallback) (Anthropic): 64,6; 2. GPT-6.2 Astra (Max) (OpenAI): 62,1; 3. Gemini 4 Carbon (High) (Google): 60,0; 4. Claude Opus 5.5 (Max, Default Fallback) (Anthropic): 59,1; 5. GPT-6.2 Sol (Max) (OpenAI): 57,3; 6. GPT-6 Astra (Max) (OpenAI): 56,9; 7. GPT-6.1 Sol (Max) (OpenAI): 54,6; 8. Claude Sonnet 5.5 (Max, Default Fallback) (Anthropic): 54,5; 9. Gemini 4 Hydrogen (Xhigh) (Google): 53,9; 10. GPT-6.1 Terra (Max) (OpenAI): 51,3.
- 1Anthropic64,6
- 2OpenAI62,1
- 3Google60,0
- 4Anthropic59,1
- 5OpenAI57,3
- 6OpenAI56,9
- 7OpenAI54,6
- 8Anthropic54,5
- 9Google53,9
- 10OpenAI51,3
Provedores no top 10
Quantos dos modelos deste ranking pertencem a cada provedor. Conta os modelos do gráfico, não participação de mercado.
| Provedor | Modelos | Participação |
|---|---|---|
| OpenAI | 5 | 50% |
| Anthropic | 3 | 30% |
| 2 | 20% |
Intelligence Index · Artificial Analysis · 17 de novembro de 2026
Ver a tabela completa (64 modelos)
64 modelos · Índice composto (quanto maior, melhor) · Artificial Analysis
| # | Modelo | Provedor | Pontuação | Benchmark / fonte | Comparar | Preço de entrada / saída |
|---|---|---|---|---|---|---|
| 1 | Guia de prompts | Anthropic | 64,6 | Intelligence IndexArtificial Analysis | US$16 / US$80 | |
| 2 | Guia de prompts | OpenAI | 62,1 | Intelligence IndexArtificial Analysis | US$4 / US$20 | |
| 3 | Guia de prompts | 60,0 | Intelligence IndexArtificial Analysis | US$2,2 / US$11 | ||
| 4 | Guia de prompts | Anthropic | 59,1 | Intelligence IndexArtificial Analysis | US$4,4 / US$22 | |
| 5 | Guia de prompts | OpenAI | 57,3 | Intelligence IndexArtificial Analysis | US$1 / US$5 | |
| 6 | Guia de prompts | OpenAI | 56,9 | Intelligence IndexArtificial Analysis | US$10 / US$50 | |
| 7 | Guia de prompts | OpenAI | 54,6 | Intelligence IndexArtificial Analysis | US$2 / US$10 | |
| 8 | Guia de prompts | Anthropic | 54,5 | Intelligence IndexArtificial Analysis | US$2,2 / US$11 | |
| 9 | Guia de prompts | 53,9 | Intelligence IndexArtificial Analysis | US$1,65 / US$8,25 | ||
| 10 | Guia de prompts | OpenAI | 51,3 | Intelligence IndexArtificial Analysis | US$1,2 / US$6 | |
| 11 | Guia de prompts | 50,4 | Intelligence IndexArtificial Analysis | US$2,2 / US$11 | ||
| 12 | Guia de prompts | Anthropic | 50,0 | Intelligence IndexArtificial Analysis | US$11 / US$55 | |
| 13 | Guia de prompts | Moonshot AI | 46,5 | Intelligence IndexArtificial Analysis | US$2 / US$9,49 | |
| 14 | Guia de prompts | Anthropic | 44,2 | Intelligence IndexArtificial Analysis | US$5,5 / US$27,5 | |
| 14 | Guia de prompts | OpenAI | 44,2 | Intelligence IndexArtificial Analysis | US$2 / US$10 | |
| 15 | Meta | 43,6 | Intelligence IndexArtificial Analysis | US$4 / US$20 | ||
| 16 | Guia de prompts | Qwen | 42,9 | Intelligence IndexArtificial Analysis | US$1,43 / US$4,28 | |
| 17 | Meta | 36,6 | Intelligence IndexArtificial Analysis | US$1,25 / US$4,25 | ||
| 18 | Guia de prompts | Anthropic | 36,5 | Intelligence IndexArtificial Analysis | US$0,11 / US$0,55 | |
| 19 | Meta | 36,0 | Intelligence IndexArtificial Analysis | US$0,1 / US$0,5 | ||
| 20 | Guia de prompts | xAI | 35,5 | Intelligence IndexArtificial Analysis | US$1,6 / US$4,8 | |
| 21 | Tencent | 34,6 | Intelligence IndexArtificial Analysis | US$0,417 / US$1,25 | ||
| 22 | Guia de prompts | Qwen | 33,7 | Intelligence IndexArtificial Analysis | US$1,15 / US$3,45 | |
| 23 | Guia de prompts | DeepSeek | 32,6 | Intelligence IndexArtificial Analysis | US$0,098 / US$0,294 | |
| 24 | Guia de prompts | OpenAI | 32,3 | Intelligence IndexArtificial Analysis | US$4 / US$24 | |
| 25 | Guia de prompts | Z.ai | 31,7 | Intelligence IndexArtificial Analysis | US$0,45 / US$2 | |
| 26 | Guia de prompts | xAI | 31,0 | Intelligence IndexArtificial Analysis | US$1,6 / US$4,8 | |
| 27 | Guia de prompts | 30,8 | Intelligence IndexArtificial Analysis | US$0,825 / US$4,13 | ||
| 28 | Thinkingmachines | 30,6 | Intelligence IndexArtificial Analysis | US$0,285 / US$0,95 | ||
| 29 | Xiaomi | 29,9 | Intelligence IndexArtificial Analysis | US$4 / US$8 | ||
| 30 | Inclusionai | 29,6 | Intelligence IndexArtificial Analysis | US$0,045 / US$0,135 | ||
| 31 | Guia de prompts | MiniMax | 29,1 | Intelligence IndexArtificial Analysis | US$0,15 / US$0,6 | |
| 32 | Guia de prompts | Qwen | 28,6 | Intelligence IndexArtificial Analysis | US$0,15 / US$0,47 | |
| 33 | Stepfun | 28,5 | Intelligence IndexArtificial Analysis | US$1 / US$2,7 | ||
| 34 | Guia de prompts | OpenAI | 27,9 | Intelligence IndexArtificial Analysis | US$0,1 / US$0,5 | |
| 35 | Guia de prompts | Z.ai | 27,8 | Intelligence IndexArtificial Analysis | US$0,15 / US$0,5 | |
| 36 | Xiaomi | 26,7 | Intelligence IndexArtificial Analysis | US$0,14 / US$0,28 | ||
| 37 | Mistral AI | 26,1 | Intelligence IndexArtificial Analysis | US$0,77 / US$2,31 | ||
| 38 | Meta | 24,9 | Intelligence IndexArtificial Analysis | US$1,25 / US$4,25 | ||
| 39 | Guia de prompts | OpenAI | 23,8 | Intelligence IndexArtificial Analysis | US$0,2 / US$1,2 | |
| 40 | Guia de prompts | DeepSeek | 23,1 | Intelligence IndexArtificial Analysis | US$1,95 / US$3,9 | |
| 41 | Guia de prompts | DeepSeek | 20,8 | Intelligence IndexArtificial Analysis | US$1,95 / US$3,9 | |
| 42 | Guia de prompts | Qwen | 20,1 | Intelligence IndexArtificial Analysis | US$0,16 / US$2 | |
| 43 | Guia de prompts | MiniMax | 18,9 | Intelligence IndexArtificial Analysis | US$0,224 / US$0,88 | |
| 44 | Reflection | 17,7 | Intelligence IndexArtificial Analysis | US$0,4 / US$1,2 | ||
| 45 | Guia de prompts | Moonshot AI | 17,4 | Intelligence IndexArtificial Analysis | US$3,3 / US$16,5 | |
| 46 | Upstage | 14,2 | Intelligence IndexArtificial Analysis | US$0,3 / US$1,2 | ||
| 47 | NVIDIA | 13,6 | Intelligence IndexArtificial Analysis | US$0,15 / US$0,5 | ||
| 48 | Thinkingmachines | 12,9 | Intelligence IndexArtificial Analysis | US$0,36 / US$0,96 | ||
| 49 | Thinkingmachines | 12,5 | Intelligence IndexArtificial Analysis | US$1 / US$4,05 | ||
| 50 | NVIDIA | 11,8 | Intelligence IndexArtificial Analysis | US$0,75 / US$3,3 | ||
| 51 | Guia de prompts | 11,7 | Intelligence IndexArtificial Analysis | US$0,54 / US$4,5 | ||
| 52 | Guia de prompts | Anthropic | 7,4 | Intelligence IndexArtificial Analysis | US$1,1 / US$5,5 | |
| 53 | Meta | 6,3 | Intelligence IndexArtificial Analysis | US$0,3 / US$1,2 | ||
| 54 | Cohere | 6,2 | Intelligence IndexArtificial Analysis | US$0,3 / US$1,5 | ||
| 54 | Guia de prompts | 6,2 | Intelligence IndexArtificial Analysis | US$0,45 / US$2,7 | ||
| 55 | Liquid | 6,0 | Intelligence IndexArtificial Analysis | US$0 / US$0 | ||
| 56 | NVIDIA | 5,5 | Intelligence IndexArtificial Analysis | US$0,07 / US$0,2 | ||
| 57 | Ibm Granite | 5,1 | Intelligence IndexArtificial Analysis | US$0,06 / US$0,25 | ||
| 58 | Mistral AI | 4,6 | Intelligence IndexArtificial Analysis | US$0,75 / US$3,75 | ||
| 59 | Guia de prompts | 4,4 | Intelligence IndexArtificial Analysis | US$0,1 / US$0,34 | ||
| 60 | Mistral AI | 4,3 | Intelligence IndexArtificial Analysis | US$0,165 / US$0,66 | ||
| 61 | Guia de prompts | OpenAI | 3,8 | Intelligence IndexArtificial Analysis | US$0,15 / US$0,75 | |
| 62 | Cohere | 3,4 | Intelligence IndexArtificial Analysis | US$0 / US$0 |
Preço em US$ por milhão de tokens de entrada / saída, conforme informado pela fonte. “—” = sem dados.
Custo vs. desempenho
Cada ponto é um modelo: quanto mais alto, melhor a pontuação; quanto mais à esquerda, mais barato (preço de entrada, escala logarítmica). A linha tracejada une os modelos que nenhum outro supera em preço e pontuação ao mesmo tempo.
Benchmark: Intelligence Index · Artificial Analysis · 17 de novembro de 2026
Com o teclado: coloque o foco no gráfico e use as setas ← → para percorrer os modelos do mais barato ao mais caro. 2 modelos sem preço não aparecem no gráfico.
Calculadora de custo
Estime quanto o seu uso custaria em cada modelo do benchmark selecionado acima, pelo preço de tabela. “Melhor custo-benefício” ordena por dólares por ponto: quanto menor, mais longe vai cada dólar.
1k de entrada e 500 de saída por requisição, 1.000 requisições · Intelligence Index
| Modelo | Pontuação | Custo por requisição | US$ por ponto | Total (1.000 requisições) |
|---|---|---|---|---|
| LFM3-1.7BLiquid | 6,0 | US$0 | US$0 | US$0 |
| North Mini CodeCohere | 3,4 | US$0 | US$0 | US$0 |
| Ling 3.1 Flash 1019Inclusionai | 29,6 | US$0,00011 | US$0,0000038 | US$0,113 |
| DeepSeek V4.1 Flash 1017 (Max)DeepSeekGuia | 32,6 | US$0,00025 | US$0,0000075 | US$0,245 |
| Muse Ember (Max)Meta | 36,0 | US$0,00035 | US$0,0000097 | US$0,350 |
| MiMo-V2.6-FlashXiaomi | 26,7 | US$0,00028 | US$0,00001 | US$0,280 |
| Claude Haiku 5.5 (Max)AnthropicGuia | 36,5 | US$0,00039 | US$0,000011 | US$0,385 |
| GPT-6 Luna (Max)OpenAIGuia | 27,9 | US$0,00035 | US$0,000013 | US$0,350 |
| Qwen3.8-Flash-NextQwenGuia | 28,6 | US$0,00039 | US$0,000013 | US$0,385 |
| GLM-5.3-FlashZ.aiGuia | 27,8 | US$0,0004 | US$0,000014 | US$0,400 |
Estimativa com preços de tabela por milhão de tokens (sem cache, lotes ou descontos); o custo real pode ser diferente. As pontuações vêm do benchmark selecionado e não são comparáveis com as de outros.
Não sabe qual combina com a sua tarefa? Um benchmark não conhece o seu caso de uso.
Encontrar a melhor IA →Modelos de fronteira
No Promptea, um modelo é “de fronteira” quando fica entre os 5 primeiros de pelo menos um benchmark de capacidade geral no snapshot atual: os índices Intelligence, Coding ou Agentic da Artificial Analysis, ou as execuções de GPQA Diamond e τ-bench da OpenRouter.
Por que estes benchmarks?
Usamos estes porque medem capacidade ampla — raciocínio, programação e trabalho agêntico. Os rankings especializados (configurações de busca, arenas de design) são exibidos, mas uma vitória pontual ali não basta para chamar um modelo de “fronteira”. A lista muda quando os dados mudam.
Os primeiros do Intelligence Index
Uma comparação rápida dos modelos que lideram o benchmark geral. Abra a análise de cada um ou compare vários.
#1Claude Fable 5.2Anthropic
64,6Top 5 em 2 de 5 benchmarks de capacidade geral
US$16 / US$80
#2GPT-6.2 Astra (Max)OpenAI
62,1Top 5 em 1 de 5 benchmarks de capacidade geral
US$4 / US$20
#3Gemini 4 CarbonGoogle
60,0Top 5 em 1 de 5 benchmarks de capacidade geral
US$2,2 / US$11
#4Claude Opus 5.5Anthropic
59,1Top 5 em 1 de 5 benchmarks de capacidade geral
US$4,4 / US$22
#5GPT-6.2 Sol (Max)OpenAI
57,3Top 5 em 1 de 5 benchmarks de capacidade geral
US$1 / US$5
#6OpenAI: GPT-6 AstraOpenAI
56,9Top 5 em 1 de 5 benchmarks de capacidade geral
US$10 / US$50
| Modelo | Intelligence Index | Coding Index | Agentic Index | τ-bench (verified, airline) | GPQA Diamond | Comparar |
|---|---|---|---|---|---|---|
| Anthropic · Guia | #1250,0 | #180,7 | #157,2 | #379,2% | #2789,9% | |
| Anthropic · Guia | #164,6 | — | — | #8268,0% | #494,9% | |
| Anthropic · Guia | #1444,2 | #378,0 | #256,5 | #978,2% | #3987,9% | |
| Google · Guia | #1150,4 | — | — | #778,7% | #196,5% | |
| OpenAI · Guia | — | #5749,4 | — | #180,0% | #4986,7% | |
| Google · Guia | #2730,8 | #776,3 | #2340,2 | #6971,3% | #295,6% | |
| OpenAI · Guia | — | #278,3 | #1447,4 | #5073,3% | #1492,4% | |
| OpenAI · Guia | #262,1 | — | — | — | — | |
| Inclusionai | #3029,6 | — | — | #279,3% | #8181,3% | |
| Google · Guia | #360,0 | — | — | — | — | |
| OpenAI · Guia | — | — | — | #5872,7% | #395,5% | |
| Qwen · Guia | #2233,7 | #876,2 | #356,0 | — | — |
Mostrando 12 de 21 modelos de fronteira.
O que cada benchmark mede
O que cada benchmark mede (23)
- Intelligence Index · Inteligência geral
Mede: Capacidade geral: agrega avaliações de raciocínio, conhecimento, matemática e programação em um único índice.
Limitações: É um índice composto: combina várias avaliações de terceiros com pesos escolhidos pela Artificial Analysis e muda de uma versão para outra. Use-o para comparar modelos dentro do mesmo índice, não para prever resultados na sua tarefa específica.
Fonte: Artificial Analysis · Índice composto (quanto maior, melhor)
- Coding Index · Programação
Mede: Programação: agrega avaliações de geração de código e resolução de problemas.
Limitações: É um índice composto: combina várias avaliações de terceiros com pesos escolhidos pela Artificial Analysis e muda de uma versão para outra. Use-o para comparar modelos dentro do mesmo índice, não para prever resultados na sua tarefa específica.
Fonte: Artificial Analysis · Índice composto (quanto maior, melhor)
- Agentic Index · Agentes e ferramentas
Mede: Trabalho agêntico: agrega avaliações de uso de ferramentas e de tarefas em várias etapas.
Limitações: É um índice composto: combina várias avaliações de terceiros com pesos escolhidos pela Artificial Analysis e muda de uma versão para outra. Use-o para comparar modelos dentro do mesmo índice, não para prever resultados na sua tarefa específica.
Fonte: Artificial Analysis · Índice composto (quanto maior, melhor)
- τ-bench (verified, airline) · Agentes e ferramentas
Mede: Um agente atende um cliente simulado de uma companhia aérea usando ferramentas e seguindo políticas. Executado pela OpenRouter.
Limitações: Cobre um único domínio (companhia aérea) com um usuário simulado; não mede outros tipos de agentes nem integrações reais.
Fonte: OpenRouter · Acurácia: % de tarefas resolvidas
- GPQA Diamond · Raciocínio científico
Mede: Questões de múltipla escolha de nível de pós-graduação em biologia, física e química, difíceis de responder pesquisando na web. Executado pela OpenRouter.
Limitações: Múltipla escolha e de um só domínio (ciência); os melhores modelos já pontuam muito alto, então diferenças pequenas podem estar dentro da variação entre execuções.
Fonte: OpenRouter · Acurácia: % de respostas corretas
- BrowseComp (busca) · Busca
Mede: Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.
Limitações: A OpenRouter publica a configuração de melhor pontuação de cada modelo (buscador, superfície, esforço), então o resultado também depende dessa configuração, não só do modelo.
Fonte: OpenRouter · Acurácia: % de respostas corretas
- DSQA (busca) · Busca
Mede: Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.
Limitações: A OpenRouter publica a configuração de melhor pontuação de cada modelo (buscador, superfície, esforço), então o resultado também depende dessa configuração, não só do modelo.
Fonte: OpenRouter · Acurácia: % de respostas corretas
- Humanity's Last Exam (busca) · Busca
Mede: Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.
Limitações: A OpenRouter publica a configuração de melhor pontuação de cada modelo (buscador, superfície, esforço), então o resultado também depende dessa configuração, não só do modelo.
Fonte: OpenRouter · Acurácia: % de respostas corretas
- WideSearch (busca) · Busca
Mede: Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.
Limitações: A OpenRouter publica a configuração de melhor pontuação de cada modelo (buscador, superfície, esforço), então o resultado também depende dessa configuração, não só do modelo.
Fonte: OpenRouter · F1 por item (quanto maior, melhor)
- Design Arena · 3d · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · asciiart · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · audiorealism · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · codecategories · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · dataviz · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · gamedev · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · graphicdesign · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · image · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · imageediting · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · logo · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · svg · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · text to speech · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · uicomponent · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
- Design Arena · website · Design e UI
Mede: Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.
Limitações: Mede preferência, não correção. O Elo só é comparável dentro da mesma arena e categoria.
Fonte: Design Arena · Elo (quanto maior, melhor; relativo a esta arena)
Qual combina com a sua tarefa?
Um benchmark não conhece o seu caso de uso. Descreva o que você quer fazer e recomendamos uma IA e um modelo, com a justificativa.