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.

Top 10 · Intelligence Index
  1. 1Anthropic64,6
  2. 2OpenAI62,1
  3. 3Google60,0
  4. 4Anthropic59,1
  5. 5OpenAI57,3
  6. 6OpenAI56,9
  7. 7OpenAI54,6
  8. 8Anthropic54,5
  9. 9Google53,9
  10. 10OpenAI51,3

Provedores no top 10

Quantos dos modelos deste ranking pertencem a cada provedor. Conta os modelos do gráfico, não participação de mercado.

Gráfico de rosca: os 10 melhores modelos deste benchmark por provedor. OpenAI: 5 (50%); Anthropic: 3 (30%); Google: 2 (20%).10modelos
Provedores no top 10
ProvedorModelosParticipação
OpenAI550%
Anthropic330%
Google220%

Intelligence Index · Artificial Analysis · 17 de novembro de 2026

Ver a tabela completa (64 modelos)

64 modelos · Índice composto (quanto maior, melhor) · Artificial Analysis

Intelligence Index — Índice composto (quanto maior, melhor)
#ModeloProvedorPontuaçãoBenchmark / fonteCompararPreço de entrada / saída
1Guia de promptsAnthropic64,6Intelligence IndexArtificial AnalysisUS$16 / US$80
2Guia de promptsOpenAI62,1Intelligence IndexArtificial AnalysisUS$4 / US$20
3Guia de promptsGoogle60,0Intelligence IndexArtificial AnalysisUS$2,2 / US$11
4Guia de promptsAnthropic59,1Intelligence IndexArtificial AnalysisUS$4,4 / US$22
5Guia de promptsOpenAI57,3Intelligence IndexArtificial AnalysisUS$1 / US$5
6Guia de promptsOpenAI56,9Intelligence IndexArtificial AnalysisUS$10 / US$50
7Guia de promptsOpenAI54,6Intelligence IndexArtificial AnalysisUS$2 / US$10
8Guia de promptsAnthropic54,5Intelligence IndexArtificial AnalysisUS$2,2 / US$11
9Guia de promptsGoogle53,9Intelligence IndexArtificial AnalysisUS$1,65 / US$8,25
10Guia de promptsOpenAI51,3Intelligence IndexArtificial AnalysisUS$1,2 / US$6
11Guia de promptsGoogle50,4Intelligence IndexArtificial AnalysisUS$2,2 / US$11
12Guia de promptsAnthropic50,0Intelligence IndexArtificial AnalysisUS$11 / US$55
13Guia de promptsMoonshot AI46,5Intelligence IndexArtificial AnalysisUS$2 / US$9,49
14Guia de promptsAnthropic44,2Intelligence IndexArtificial AnalysisUS$5,5 / US$27,5
14Guia de promptsOpenAI44,2Intelligence IndexArtificial AnalysisUS$2 / US$10
15Meta43,6Intelligence IndexArtificial AnalysisUS$4 / US$20
16Guia de promptsQwen42,9Intelligence IndexArtificial AnalysisUS$1,43 / US$4,28
17Meta36,6Intelligence IndexArtificial AnalysisUS$1,25 / US$4,25
18Guia de promptsAnthropic36,5Intelligence IndexArtificial AnalysisUS$0,11 / US$0,55
19Meta36,0Intelligence IndexArtificial AnalysisUS$0,1 / US$0,5
20Guia de promptsxAI35,5Intelligence IndexArtificial AnalysisUS$1,6 / US$4,8
21Tencent34,6Intelligence IndexArtificial AnalysisUS$0,417 / US$1,25
22Guia de promptsQwen33,7Intelligence IndexArtificial AnalysisUS$1,15 / US$3,45
23Guia de promptsDeepSeek32,6Intelligence IndexArtificial AnalysisUS$0,098 / US$0,294
24Guia de promptsOpenAI32,3Intelligence IndexArtificial AnalysisUS$4 / US$24
25Guia de promptsZ.ai31,7Intelligence IndexArtificial AnalysisUS$0,45 / US$2
26Guia de promptsxAI31,0Intelligence IndexArtificial AnalysisUS$1,6 / US$4,8
27Guia de promptsGoogle30,8Intelligence IndexArtificial AnalysisUS$0,825 / US$4,13
28Thinkingmachines30,6Intelligence IndexArtificial AnalysisUS$0,285 / US$0,95
29Xiaomi29,9Intelligence IndexArtificial AnalysisUS$4 / US$8
30Inclusionai29,6Intelligence IndexArtificial AnalysisUS$0,045 / US$0,135
31Guia de promptsMiniMax29,1Intelligence IndexArtificial AnalysisUS$0,15 / US$0,6
32Guia de promptsQwen28,6Intelligence IndexArtificial AnalysisUS$0,15 / US$0,47
33Stepfun28,5Intelligence IndexArtificial AnalysisUS$1 / US$2,7
34Guia de promptsOpenAI27,9Intelligence IndexArtificial AnalysisUS$0,1 / US$0,5
35Guia de promptsZ.ai27,8Intelligence IndexArtificial AnalysisUS$0,15 / US$0,5
36Xiaomi26,7Intelligence IndexArtificial AnalysisUS$0,14 / US$0,28
37Mistral AI26,1Intelligence IndexArtificial AnalysisUS$0,77 / US$2,31
38Meta24,9Intelligence IndexArtificial AnalysisUS$1,25 / US$4,25
39Guia de promptsOpenAI23,8Intelligence IndexArtificial AnalysisUS$0,2 / US$1,2
40Guia de promptsDeepSeek23,1Intelligence IndexArtificial AnalysisUS$1,95 / US$3,9
41Guia de promptsDeepSeek20,8Intelligence IndexArtificial AnalysisUS$1,95 / US$3,9
42Guia de promptsQwen20,1Intelligence IndexArtificial AnalysisUS$0,16 / US$2
43Guia de promptsMiniMax18,9Intelligence IndexArtificial AnalysisUS$0,224 / US$0,88
44Reflection17,7Intelligence IndexArtificial AnalysisUS$0,4 / US$1,2
45Guia de promptsMoonshot AI17,4Intelligence IndexArtificial AnalysisUS$3,3 / US$16,5
46Upstage14,2Intelligence IndexArtificial AnalysisUS$0,3 / US$1,2
47NVIDIA13,6Intelligence IndexArtificial AnalysisUS$0,15 / US$0,5
48Thinkingmachines12,9Intelligence IndexArtificial AnalysisUS$0,36 / US$0,96
49Thinkingmachines12,5Intelligence IndexArtificial AnalysisUS$1 / US$4,05
50NVIDIA11,8Intelligence IndexArtificial AnalysisUS$0,75 / US$3,3
51Guia de promptsGoogle11,7Intelligence IndexArtificial AnalysisUS$0,54 / US$4,5
52Guia de promptsAnthropic7,4Intelligence IndexArtificial AnalysisUS$1,1 / US$5,5
53Meta6,3Intelligence IndexArtificial AnalysisUS$0,3 / US$1,2
54Cohere6,2Intelligence IndexArtificial AnalysisUS$0,3 / US$1,5
54Guia de promptsGoogle6,2Intelligence IndexArtificial AnalysisUS$0,45 / US$2,7
55Liquid6,0Intelligence IndexArtificial AnalysisUS$0 / US$0
56NVIDIA5,5Intelligence IndexArtificial AnalysisUS$0,07 / US$0,2
57Ibm Granite5,1Intelligence IndexArtificial AnalysisUS$0,06 / US$0,25
58Mistral AI4,6Intelligence IndexArtificial AnalysisUS$0,75 / US$3,75
59Guia de promptsGoogle4,4Intelligence IndexArtificial AnalysisUS$0,1 / US$0,34
60Mistral AI4,3Intelligence IndexArtificial AnalysisUS$0,165 / US$0,66
61Guia de promptsOpenAI3,8Intelligence IndexArtificial AnalysisUS$0,15 / US$0,75
62Cohere3,4Intelligence IndexArtificial AnalysisUS$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

Gráfico de dispersão: 62 modelos de Intelligence Index, preço de entrada versus pontuação. 8 modelos formam a fronteira de custo/desempenho: Ling 3.1 Flash 1019 (29,6, US$0,045); DeepSeek V4.1 Flash 1017 (Max) (32,6, US$0,098); Muse Ember (Max) (36, US$0,1); Claude Haiku 5.5 (Max) (36,5, US$0,11); GPT-6.2 Sol (Max) (57,3, US$1); Gemini 4 Carbon (High) (60, US$2,2); GPT-6.2 Astra (Max) (62,1, US$4); Claude Fable 5.2 (Max, Default Fallback) (64,6, US$16).0204060$0,01$0,1$1$10$100Preço de entrada (US$ por milhão de tokens, escala logarítmica)PontuaçãoLing 3.1 Flash 1019DeepSeek V4.1 Flash 1017 (Max)Muse Ember (Max)Claude Haiku 5.5 (Max)GPT-6.2 Sol (Max)Gemini 4 Carbon (High)GPT-6.2 Astra (Max)Claude Fable 5.2 (Max, Default Fallback)

Fronteira de custo/desempenhoAnthropicOpenAIGoogleMoonshot AIMetaQwenxAITencentDeepSeekZ.aiThinkingmachinesXiaomiInclusionaiMiniMaxStepfunMistral AIReflectionUpstageNVIDIACohereIbm Granite

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.

Exemplos:

1k de entrada e 500 de saída por requisição, 1.000 requisições · Intelligence Index

1k de entrada e 500 de saída por requisição, 1.000 requisições · Intelligence Index
ModeloPontuaçãoCusto por requisiçãoUS$ por pontoTotal (1.000 requisições)
LFM3-1.7BLiquid6,0US$0US$0US$0
North Mini CodeCohere3,4US$0US$0US$0
Ling 3.1 Flash 1019Inclusionai29,6US$0,00011US$0,0000038US$0,113
DeepSeek V4.1 Flash 1017 (Max)DeepSeekGuia32,6US$0,00025US$0,0000075US$0,245
Muse Ember (Max)Meta36,0US$0,00035US$0,0000097US$0,350
MiMo-V2.6-FlashXiaomi26,7US$0,00028US$0,00001US$0,280
Claude Haiku 5.5 (Max)AnthropicGuia36,5US$0,00039US$0,000011US$0,385
GPT-6 Luna (Max)OpenAIGuia27,9US$0,00035US$0,000013US$0,350
Qwen3.8-Flash-NextQwenGuia28,6US$0,00039US$0,000013US$0,385
GLM-5.3-FlashZ.aiGuia27,8US$0,0004US$0,000014US$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.

  1. #1Claude Fable 5.2Anthropic

    64,6

    Top 5 em 2 de 5 benchmarks de capacidade geral

    US$16 / US$80

  2. #2GPT-6.2 Astra (Max)OpenAI

    62,1

    Top 5 em 1 de 5 benchmarks de capacidade geral

    US$4 / US$20

  3. #3Gemini 4 CarbonGoogle

    60,0

    Top 5 em 1 de 5 benchmarks de capacidade geral

    US$2,2 / US$11

  4. #4Claude Opus 5.5Anthropic

    59,1

    Top 5 em 1 de 5 benchmarks de capacidade geral

    US$4,4 / US$22

  5. #5GPT-6.2 Sol (Max)OpenAI

    57,3

    Top 5 em 1 de 5 benchmarks de capacidade geral

    US$1 / US$5

  6. #6OpenAI: GPT-6 AstraOpenAI

    56,9

    Top 5 em 1 de 5 benchmarks de capacidade geral

    US$10 / US$50

Posição de cada modelo de fronteira em cada benchmark de capacidade geral
ModeloIntelligence IndexCoding IndexAgentic Indexτ-bench (verified, airline)GPQA DiamondComparar
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.

Encontrar a melhor IA →