# Benchmarks de modelos de IA

> Rankings de modelos de IA por benchmark, com a fonte, a data e a métrica de cada um. Cada benchmark é um ranking próprio: pontuações de benchmarks diferentes nunca são combinadas.

Fonte: Promptea — https://www.promptea.me/pt/benchmarks · Idioma: Português · Última atualização: 2026-11-16

Dados de 16 de novembro de 2026 · coletados via OpenRouter’s benchmarks API (https://openrouter.ai/benchmarks).

Como ler: compare modelos apenas dentro do mesmo benchmark. Uma pontuação ausente significa “não medido”, nunca zero.

### Intelligence Index — Inteligência geral

Fonte: Artificial Analysis (https://artificialanalysis.ai) · Métrica: Índice composto (quanto maior, melhor)

Capacidade geral: agrega avaliações de raciocínio, conhecimento, matemática e programação em um único índice.

1. Claude Fable 5.2 (Max, Default Fallback) (Anthropic) — 64.6
2. Gemini 4 Carbon (High) (Google) — 60
3. Claude Opus 5.5 (Max, Default Fallback) (Anthropic) — 59.1
4. GPT-6 Astra (Max) (OpenAI) — 56.9
5. GPT-6.1 Sol (Max) (OpenAI) — 54.6
6. Claude Sonnet 5.5 (Max, Default Fallback) (Anthropic) — 54.5
7. Gemini 4 Hydrogen (Xhigh) (Google) — 53.9
8. Qwen3.8 Max (Qwen) — 53.4
9. GPT-6.1 Terra (Max) (OpenAI) — 51.3
10. Gemini 4 Argon (High) (Google) — 50.4

### Coding Index — Programação

Fonte: Artificial Analysis (https://artificialanalysis.ai) · Métrica: Índice composto (quanto maior, melhor)

Programação: agrega avaliações de geração de código e resolução de problemas.

1. Claude Fable 5.1 (Xhigh, Default Fallback) (Anthropic) — 80.7
2. GPT-5.6 Sol (Xhigh) (OpenAI) — 78.3
3. Claude Opus 5 (Max) (Anthropic) — 78
4. GPT-6 Astra (Max) (OpenAI) — 76.9
5. GPT-5.6 Terra (Max) (OpenAI) — 76.7
6. Claude Fable 5 (Max, Opus 4.8 Fallback) (Anthropic) — 76.5
7. Gemini 3.8 Flash (High) (Google) — 76.3
8. Qwen3.8 Max (0902) (Qwen) — 76.2
9. Gemini 3.7 Flash (High) (Google) — 76.1
10. Grok 4.6 (Xhigh) (xAI) — 75.9

### Agentic Index — Agentes e ferramentas

Fonte: Artificial Analysis (https://artificialanalysis.ai) · Métrica: Índice composto (quanto maior, melhor)

Trabalho agêntico: agrega avaliações de uso de ferramentas e de tarefas em várias etapas.

1. Claude Fable 5.1 (Xhigh, Default Fallback) (Anthropic) — 57.2
2. Claude Opus 5 (Max) (Anthropic) — 56.5
3. Qwen3.8 Max (0902) (Qwen) — 56
4. Muse Spark 1.3 (Max) (Meta) — 55.5
5. GLM-5.3 (Max) (Z.ai) — 53.1
6. Grok 4.6 (Xhigh) (xAI) — 52.5
7. GPT-6 Astra (Max) (OpenAI) — 51
8. GLM-5.3-Flash (Z.ai) — 50.9
9. Claude Fable 5 (Max, Opus 4.8 Fallback) (Anthropic) — 50.7
10. Qwen3.8 2.4T A95B (Qwen) — 50.1

### τ-bench (verified, airline) — Agentes e ferramentas

Fonte: OpenRouter (https://openrouter.ai/benchmarks) · Métrica: Acurácia: % de tarefas resolvidas

Um agente atende um cliente simulado de uma companhia aérea usando ferramentas e seguindo políticas. Executado pela OpenRouter.

1. OpenAI: GPT-5.1 (OpenAI) — 0.8
2. inclusionAI: Ling 3.1 Flash (Inclusionai) — 0.79
3. Anthropic: Claude Fable 5.1 (Anthropic) — 0.79
4. Qwen: Qwen3.5 397B A17B (Qwen) — 0.79
5. Anthropic: Claude Fable 5 (Anthropic) — 0.79
6. Anthropic: Claude Sonnet 5.5 (Anthropic) — 0.79
7. Google: Gemini 4 Argon (Google) — 0.79
8. Google: Gemini 3.5 Flash Lite (Google) — 0.78
9. Anthropic: Claude Opus 5 (Anthropic) — 0.78
10. Xiaomi: MiMo-V2.6-Flash (Xiaomi) — 0.78

### GPQA Diamond — Raciocínio científico

Fonte: OpenRouter (https://openrouter.ai/benchmarks) · Métrica: Acurácia: % de respostas corretas

Questões de múltipla escolha de nível de pós-graduação em biologia, física e química, difíceis de responder pesquisando na web. Executado pela OpenRouter.

1. Google: Gemini 4 Argon (Google) — 0.96
2. Google: Gemini 3.8 Flash (Google) — 0.96
3. OpenAI: GPT-6 Astra Pro (OpenAI) — 0.95
4. Anthropic: Claude Fable 5.2 (Anthropic) — 0.95
5. Google: Gemini 3.1 Pro Preview (Google) — 0.95
6. OpenAI: GPT-6 Astra (OpenAI) — 0.94
6. OpenAI: GPT-6.1 Sol (OpenAI) — 0.94
7. OpenAI: GPT-5.6 Sol Pro (OpenAI) — 0.94
8. OpenAI: GPT-5.5 (OpenAI) — 0.94
9. Google: Gemini 3.7 Flash (Google) — 0.94

### BrowseComp (busca) — Busca

Fonte: OpenRouter (https://openrouter.ai/benchmarks) · Métrica: Acurácia: % de respostas corretas

Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.

1. Claude Opus 5 (Anthropic) — 0.89
2. GPT-5.6-Sol (OpenAI) — 0.82
3. Deepseek V4 Flash 0731 (DeepSeek) — 0.77
4. GPT-5.6-Luna (OpenAI) — 0.74

### DSQA (busca) — Busca

Fonte: OpenRouter (https://openrouter.ai/benchmarks) · Métrica: Acurácia: % de respostas corretas

Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.

1. Claude Opus 5 (Anthropic) — 0.89
2. GPT-5.6-Sol (OpenAI) — 0.88
3. GPT-5.6-Luna (OpenAI) — 0.87
4. Deepseek V4 Flash 0731 (DeepSeek) — 0.82

### Humanity's Last Exam (busca) — Busca

Fonte: OpenRouter (https://openrouter.ai/benchmarks) · Métrica: Acurácia: % de respostas corretas

Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.

1. GPT-5.6-Sol (OpenAI) — 0.71
2. Claude Opus 5 (Anthropic) — 0.67

### WideSearch (busca) — Busca

Fonte: OpenRouter (https://openrouter.ai/benchmarks) · Métrica: F1 por item (quanto maior, melhor)

Benchmark de busca da OpenRouter: o modelo responde usando uma ferramenta de busca na web.

1. GPT-5.6-Sol (OpenAI) — 0.84
2. GPT-5.6-Luna (OpenAI) — 0.83
3. Deepseek V4 Flash 0731 (DeepSeek) — 0.77
4. Claude Opus 5 (Anthropic) — 0.67

### Design Arena · 3d — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Claude Fable 5.2 (Anthropic) — 1501
2. Claude Opus 5.5 (Anthropic) — 1460
3. Kimi K3.1 Pro (Moonshot AI) — 1443
4. Muse Wonder (max) (Meta) — 1431
5. Gemini 4 Carbon (Google) — 1426
5. GPT-6.1 Sol (OpenAI) — 1426
6. Gemini 4 Hydrogen (Google) — 1412
7. Claude Sonnet 5.5 (Anthropic) — 1401
8. Claude Fable 5.1 (Anthropic) — 1388
9. Muse Spark 1.3 Max (Meta) — 1380

### Design Arena · asciiart — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Claude Opus 5.5 (Anthropic) — 1357
2. Kimi K3 (Moonshot AI) — 1352
3. Claude Opus 5 (Anthropic) — 1342
4. Muse Spark 1.3 Max (Meta) — 1330
5. Claude Fable 5 (Anthropic) — 1314
6. Claude Fable 5.1 (Anthropic) — 1311
7. Kimi K3.1 Pro (Moonshot AI) — 1293
8. Gemini 3.6 Flash (Google) — 1269
8. Muse Spark 1.2 (Meta) — 1269
9. Claude Opus 4.8 (Anthropic) — 1261

### Design Arena · audiorealism — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. MAI-Voice-2 (Microsoft) — 1208
2. MAI-Voice-2-Flash (Microsoft) — 1150
3. HeyGen Voice Turbo (Heygen) — 1142
4. Google Gemini 3.8 Flash TTS (Google) — 1081
5. Fish Audio Drama 3 (Fish Audio) — 961
6. Fish Audio S2.1 Pro (Fish Audio) — 954
7. Qwen-Audio-3.0 TTS Flash (Qwen) — 852

### Design Arena · codecategories — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Muse Wonder (max) (Meta) — 1392
2. Claude Opus 5.5 (Anthropic) — 1385
3. Claude Fable 5.2 (Anthropic) — 1375
4. GPT-6.1 Sol (OpenAI) — 1361
5. Muse Spark 1.3 Max (Meta) — 1353
6. Kimi K3 (Moonshot AI) — 1351
7. Gemini 4 Carbon (Google) — 1350
7. Kimi K3.1 Pro (Moonshot AI) — 1350
8. Claude Sonnet 5.5 (Anthropic) — 1346
9. Gemini 4 Hydrogen (Google) — 1333

### Design Arena · dataviz — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Claude Opus 5.5 (Anthropic) — 1385
2. GLM 5.1 (Z.ai) — 1366
3. Claude Sonnet 5.5 (Anthropic) — 1359
4. Kimi K3 (Moonshot AI) — 1349
5. Claude Fable 5.1 (Anthropic) — 1344
6. Muse Spark 1.3 (xhigh) (Meta) — 1342
7. MiMo-V2.6-Pro (Xiaomi) — 1335
8. Muse Spark 1.2 (Meta) — 1328
9. Claude Opus 5 (Anthropic) — 1325
10. Gemini 4 Argon (Google) — 1323

### Design Arena · gamedev — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Claude Opus 5.5 (Anthropic) — 1426
2. Muse Wonder (max) (Meta) — 1413
3. GPT-6.1 Sol (OpenAI) — 1404
4. Claude Fable 5.2 (Anthropic) — 1402
4. Kimi K3.1 Pro (Moonshot AI) — 1402
5. Claude Sonnet 5.5 (Anthropic) — 1385
6. Claude Fable 5.1 (Anthropic) — 1364
7. Gemini 4 Argon (Google) — 1360
8. Gemini 4 Hydrogen (Google) — 1353
8. Kimi K3 (Moonshot AI) — 1353

### Design Arena · graphicdesign — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Riverflow 2.5 Pro (Sourceful) — 1411
2. MAI-Image-2.6 (Microsoft) — 1330
3. MAI-Image-2.6 Flash (Microsoft) — 1308
4. Gemini 3.1 Flash Image Gen 2K (Nano Banana 2) (Google) — 1261
5. Gemini 3 Pro Image Gen 2K (Nano Banana Pro) (Google) — 1251
6. MAI-Image-2.5 (Microsoft) — 1210
7. FLUX.2 [flex] (Black Forest Labs) — 1189
8. FLUX.2 [pro] (Black Forest Labs) — 1172
8. GPT-Image-1 (OpenAI) — 1172
9. Gemini 2.5 Flash Image Gen (Nano Banana) (Google) — 1167

### Design Arena · image — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Riverflow 2.5 Pro (Sourceful) — 1344
2. MAI-Image-2.6 (Microsoft) — 1302
3. MAI-Image-2.6 Flash (Microsoft) — 1291
4. Gemini 3.1 Flash Image Gen 2K (Nano Banana 2) (Google) — 1258
5. Gemini 3 Pro Image Gen 2K (Nano Banana Pro) (Google) — 1225
6. MAI-Image-2.5 (Microsoft) — 1216
7. FLUX.2 [flex] (Black Forest Labs) — 1182
8. FLUX.2 [pro] (Black Forest Labs) — 1178
9. GPT-Image-1 (OpenAI) — 1173
10. Gemini 2.5 Flash Image Gen (Nano Banana) (Google) — 1168

### Design Arena · imageediting — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Riverflow 2.5 Pro (Sourceful) — 1285
2. MAI-Image-2.6 Flash (Microsoft) — 1235
3. Gemini 3 Pro Image Preview 2K (Google) — 1227
4. MAI-Image-2.6 (Microsoft) — 1223
5. MAI-Image-2.5 (Microsoft) — 1203
6. FLUX.2 Pro Edit (Black Forest Labs) — 1111
7. GPT-Image-1 (OpenAI) — 1082
8. FLUX.2 Klein 4B Edit (Black Forest Labs) — 1032

### Design Arena · logo — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Riverflow 2.5 Pro (Sourceful) — 1297
2. MAI-Image-2.6 (Microsoft) — 1292
3. MAI-Image-2.6 Flash (Microsoft) — 1268
4. Gemini 3.1 Flash Image Gen 2K (Nano Banana 2) (Google) — 1263
5. MAI-Image-2.5 (Microsoft) — 1248
6. Gemini 3 Pro Image Gen 2K (Nano Banana Pro) (Google) — 1241
7. FLUX.2 [flex] (Black Forest Labs) — 1209
7. GPT-Image-1 Mini (OpenAI) — 1209
8. GPT-Image-1 (OpenAI) — 1202
9. FLUX.2 [pro] (Black Forest Labs) — 1192

### Design Arena · svg — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. GPT-6.1 Sol (OpenAI) — 1343
2. Gemini 4 Argon (Google) — 1342
3. Kimi K3.1 Pro (Moonshot AI) — 1325
4. Claude Opus 5.5 (Anthropic) — 1321
5. Muse Spark 1.3 Max (Meta) — 1314
6. Claude Opus 5 (Anthropic) — 1305
7. Claude Sonnet 5.5 (Anthropic) — 1300
8. Kimi K3 (Moonshot AI) — 1295
9. Claude Fable 5 (Anthropic) — 1292
9. Claude Fable 5.1 (Anthropic) — 1292

### Design Arena · text to speech — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Google Gemini 3.8 Flash TTS (Google) — 1471
2. MAI-Voice-2 (Microsoft) — 1167
3. MAI-Voice-2-Flash (Microsoft) — 1126

### Design Arena · uicomponent — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Claude Sonnet 5.5 (Anthropic) — 1389
1. Kimi K3.1 Pro (Moonshot AI) — 1389
2. Claude Fable 5.2 (Anthropic) — 1382
3. Claude Opus 5.5 (Anthropic) — 1375
4. Muse Wonder (max) (Meta) — 1364
5. GPT-6.1 Sol (OpenAI) — 1357
6. Muse Spark 1.3 Max (Meta) — 1352
7. Gemini 4 Carbon (Google) — 1347
8. Kimi K3 (Moonshot AI) — 1342
9. Claude Opus 5 (Anthropic) — 1340

### Design Arena · website — Design e UI

Fonte: Design Arena (https://www.designarena.ai) · Métrica: Elo (quanto maior, melhor; relativo a esta arena)

Comparações diretas votadas por pessoas: qual resultado visual elas preferem entre dois modelos para o mesmo briefing.

1. Muse Wonder (max) (Meta) — 1378
2. Muse Spark 1.3 (xhigh) (Meta) — 1360
3. Claude Fable 5.2 (Anthropic) — 1352
4. Kimi K3 (Moonshot AI) — 1336
5. Claude Opus 5.5 (Anthropic) — 1326
6. Kimi K3.1 Pro (Moonshot AI) — 1321
7. Gemini 4 Hydrogen (Google) — 1320
8. Gemini 4 Carbon (Google) — 1318
9. Gemini 4 Argon (Google) — 1316
10. GPT-6.1 Sol (OpenAI) — 1315

[Metodologia](https://www.promptea.me/pt/methodology)
