Resultados dos testes dos modelos

Compare modelos de IA

Verificado diariamente

Compare resultados, explore diferentes pontos fortes e descubra modelos além dos nomes mais conhecidos.

O LiveBench testa modelos em tarefas com respostas verificáveis. Quanto maior a pontuação, melhor, em uma escala de 0 a 100.

Última verificação: 22 de out. de 2026Versão da suíte de testes: 2026-10-1449 modelos

1Claude Fable 5.1Anthropic87,986

claude-fable-5.1

Tarefas agênticas longas: 80,800 / 100
Raciocínio: 91,700 / 100
Programação: 97,700 / 100
Uso do navegador: 100,000 / 100
Análise de dados: 80,300 / 100
Pesquisa: 82,000 / 100
Design: 83,400 / 100

Tarefas individuais

long_agentic: 80,800
reasoning: 91,700
coding: 97,700
browser: 100,000
data_analysis: 80,300
research: 82,000
design: 83,400

Fonte: LiveBench ↗

2Claude Opus 5.5Anthropic86,529

claude-opus-5.5

Tarefas agênticas longas: 85,000 / 100
Raciocínio: 92,200 / 100
Programação: 96,300 / 100
Uso do navegador: 80,000 / 100
Análise de dados: 80,300 / 100
Pesquisa: 85,000 / 100
Design: 86,900 / 100

Tarefas individuais

long_agentic: 85,000
reasoning: 92,200
coding: 96,300
browser: 80,000
data_analysis: 80,300
research: 85,000
design: 86,900

Fonte: LiveBench ↗

3GPT-6 AstraOpenAI86,143

gpt-6-astra

Tarefas agênticas longas: 82,400 / 100
Raciocínio: 92,700 / 100
Programação: 93,700 / 100
Uso do navegador: 84,000 / 100
Análise de dados: 83,000 / 100
Pesquisa: 85,200 / 100
Design: 82,000 / 100

Tarefas individuais

long_agentic: 82,400
reasoning: 92,700
coding: 93,700
browser: 84,000
data_analysis: 83,000
research: 85,200
design: 82,000

Fonte: LiveBench ↗

4GPT-6.1 SolOpenAI85,414

gpt-6.1-sol

Tarefas agênticas longas: 73,000 / 100
Raciocínio: 92,600 / 100
Programação: 96,000 / 100
Uso do navegador: 88,000 / 100
Análise de dados: 82,700 / 100
Pesquisa: 83,500 / 100
Design: 82,100 / 100

Tarefas individuais

long_agentic: 73,000
reasoning: 92,600
coding: 96,000
browser: 88,000
data_analysis: 82,700
research: 83,500
design: 82,100

Fonte: LiveBench ↗

5Gemini 4 ArgonGoogle84,100

gemini-4-argon

Tarefas agênticas longas: 69,900 / 100
Raciocínio: 95,100 / 100
Programação: 89,700 / 100
Uso do navegador: 92,000 / 100
Análise de dados: 85,200 / 100
Pesquisa: 83,100 / 100
Design: 73,700 / 100

Tarefas individuais

long_agentic: 69,900
reasoning: 95,100
coding: 89,700
browser: 92,000
data_analysis: 85,200
research: 83,100
design: 73,700

Fonte: LiveBench ↗

6Claude Fable 5Anthropic83,614

claude-fable-5

Tarefas agênticas longas: 53,200 / 100
Raciocínio: 89,700 / 100
Programação: 98,300 / 100
Uso do navegador: 92,000 / 100
Análise de dados: 80,500 / 100
Pesquisa: 86,900 / 100
Design: 84,700 / 100

Tarefas individuais

long_agentic: 53,200
reasoning: 89,700
coding: 98,300
browser: 92,000
data_analysis: 80,500
research: 86,900
design: 84,700

Fonte: LiveBench ↗

7Claude Sonnet 5.5Anthropic82,457

claude-sonnet-5.5

Tarefas agênticas longas: 78,800 / 100
Raciocínio: 91,600 / 100
Programação: 94,700 / 100
Uso do navegador: 84,000 / 100
Análise de dados: 59,500 / 100
Pesquisa: 83,600 / 100
Design: 85,000 / 100

Tarefas individuais

long_agentic: 78,800
reasoning: 91,600
coding: 94,700
browser: 84,000
data_analysis: 59,500
research: 83,600
design: 85,000

Fonte: LiveBench ↗

8Claude Opus 5Anthropic82,086

claude-opus-5

Tarefas agênticas longas: 62,100 / 100
Raciocínio: 91,200 / 100
Programação: 90,800 / 100
Uso do navegador: 84,000 / 100
Análise de dados: 74,600 / 100
Pesquisa: 88,900 / 100
Design: 83,000 / 100

Tarefas individuais

long_agentic: 62,100
reasoning: 91,200
coding: 90,800
browser: 84,000
data_analysis: 74,600
research: 88,900
design: 83,000

Fonte: LiveBench ↗

9GPT-6 SolOpenAI81,914

gpt-6-sol

Tarefas agênticas longas: 66,900 / 100
Raciocínio: 88,700 / 100
Programação: 93,100 / 100
Uso do navegador: 92,000 / 100
Análise de dados: 81,200 / 100
Pesquisa: 69,300 / 100
Design: 82,200 / 100

Tarefas individuais

long_agentic: 66,900
reasoning: 88,700
coding: 93,100
browser: 92,000
data_analysis: 81,200
research: 69,300
design: 82,200

Fonte: LiveBench ↗

10DeepSeek V4.1 Flash 1017DeepSeek79,200

deepseek-v4.1-flash-1017

Tarefas agênticas longas: 50,900 / 100
Raciocínio: 89,100 / 100
Programação: 96,000 / 100
Uso do navegador: 76,000 / 100
Análise de dados: 79,500 / 100
Pesquisa: 79,500 / 100
Design: 83,400 / 100

Tarefas individuais

long_agentic: 50,900
reasoning: 89,100
coding: 96,000
browser: 76,000
data_analysis: 79,500
research: 79,500
design: 83,400

Fonte: LiveBench ↗

11Muse Wonder 1.0Meta78,100

muse-wonder-1.0

Tarefas agênticas longas: 53,200 / 100
Raciocínio: 90,600 / 100
Programação: 86,200 / 100
Uso do navegador: 72,000 / 100
Análise de dados: 81,600 / 100
Pesquisa: 88,000 / 100
Design: 75,100 / 100

Tarefas individuais

long_agentic: 53,200
reasoning: 90,600
coding: 86,200
browser: 72,000
data_analysis: 81,600
research: 88,000
design: 75,100

Fonte: LiveBench ↗

12DeepSeek V4.1 FlashDeepSeek78,043

deepseek-v4.1-flash

Tarefas agênticas longas: 40,100 / 100
Raciocínio: 86,700 / 100
Programação: 90,200 / 100
Uso do navegador: 84,000 / 100
Análise de dados: 79,300 / 100
Pesquisa: 86,800 / 100
Design: 79,200 / 100

Tarefas individuais

long_agentic: 40,100
reasoning: 86,700
coding: 90,200
browser: 84,000
data_analysis: 79,300
research: 86,800
design: 79,200

Fonte: LiveBench ↗

13Claude Opus 4.8Anthropic76,771

claude-opus-4.8

Tarefas agênticas longas: 48,300 / 100
Raciocínio: 89,200 / 100
Programação: 77,300 / 100
Uso do navegador: 96,000 / 100
Análise de dados: 66,000 / 100
Pesquisa: 81,800 / 100
Design: 78,800 / 100

Tarefas individuais

long_agentic: 48,300
reasoning: 89,200
coding: 77,300
browser: 96,000
data_analysis: 66,000
research: 81,800
design: 78,800

Fonte: LiveBench ↗

14GPT-5.6 SolOpenAI76,257

gpt-5.6-sol

Tarefas agênticas longas: 48,500 / 100
Raciocínio: 91,700 / 100
Programação: 89,700 / 100
Uso do navegador: 88,000 / 100
Análise de dados: 79,800 / 100
Pesquisa: 54,500 / 100
Design: 81,600 / 100

Tarefas individuais

long_agentic: 48,500
reasoning: 91,700
coding: 89,700
browser: 88,000
data_analysis: 79,800
research: 54,500
design: 81,600

Fonte: LiveBench ↗

15Claude Haiku 5.5Anthropic75,643

claude-haiku-5.5

Tarefas agênticas longas: 57,600 / 100
Raciocínio: 82,400 / 100
Programação: 91,400 / 100
Uso do navegador: 80,000 / 100
Análise de dados: 53,100 / 100
Pesquisa: 81,900 / 100
Design: 83,100 / 100

Tarefas individuais

long_agentic: 57,600
reasoning: 82,400
coding: 91,400
browser: 80,000
data_analysis: 53,100
research: 81,900
design: 83,100

Fonte: LiveBench ↗

16GPT-5.6 TerraOpenAI74,986

gpt-5.6-terra

Tarefas agênticas longas: 48,400 / 100
Raciocínio: 90,600 / 100
Programação: 86,200 / 100
Uso do navegador: 84,000 / 100
Análise de dados: 79,300 / 100
Pesquisa: 60,400 / 100
Design: 76,000 / 100

Tarefas individuais

long_agentic: 48,400
reasoning: 90,600
coding: 86,200
browser: 84,000
data_analysis: 79,300
research: 60,400
design: 76,000

Fonte: LiveBench ↗

17Grok 4.6 xHighxAI74,943

grok-4.6

Tarefas agênticas longas: 40,700 / 100
Raciocínio: 91,200 / 100
Programação: 89,100 / 100
Uso do navegador: 64,000 / 100
Análise de dados: 75,300 / 100
Pesquisa: 84,500 / 100
Design: 79,800 / 100

Tarefas individuais

long_agentic: 40,700
reasoning: 91,200
coding: 89,100
browser: 64,000
data_analysis: 75,300
research: 84,500
design: 79,800

Fonte: LiveBench ↗

18MiMo V2.6 ProXiaomi74,871

mimo-v2.6-pro

Tarefas agênticas longas: 47,500 / 100
Raciocínio: 79,600 / 100
Programação: 81,500 / 100
Uso do navegador: 88,000 / 100
Análise de dados: 72,300 / 100
Pesquisa: 76,700 / 100
Design: 78,500 / 100

Tarefas individuais

long_agentic: 47,500
reasoning: 79,600
coding: 81,500
browser: 88,000
data_analysis: 72,300
research: 76,700
design: 78,500

Fonte: LiveBench ↗

19Muse Spark 1.3Meta74,757

muse-spark-1.3

Tarefas agênticas longas: 40,400 / 100
Raciocínio: 89,700 / 100
Programação: 90,200 / 100
Uso do navegador: 80,000 / 100
Análise de dados: 79,600 / 100
Pesquisa: 68,600 / 100
Design: 74,800 / 100

Tarefas individuais

long_agentic: 40,400
reasoning: 89,700
coding: 90,200
browser: 80,000
data_analysis: 79,600
research: 68,600
design: 74,800

Fonte: LiveBench ↗

20Grok 4.7xAI74,086

grok-4.7

Tarefas agênticas longas: 50,100 / 100
Raciocínio: 82,700 / 100
Programação: 84,500 / 100
Uso do navegador: 60,000 / 100
Análise de dados: 76,900 / 100
Pesquisa: 86,400 / 100
Design: 78,000 / 100

Tarefas individuais

long_agentic: 50,100
reasoning: 82,700
coding: 84,500
browser: 60,000
data_analysis: 76,900
research: 86,400
design: 78,000

Fonte: LiveBench ↗

Classificação baseada nos resultados não arredondados. Pontuações semelhantes não indicam uma diferença significativa.

Cada configuração exata do modelo é mantida separada. A média de uma categoria exige resultados de todas as tarefas dessa categoria; a média geral exige resultados de todas as categorias. As tarefas têm pesos iguais dentro de cada categoria, e as categorias têm pesos iguais no cálculo geral. Resultados ausentes nunca são tratados como zero. As classificações usam os valores não arredondados da coluna escolhida, com empates compartilhados; a pesquisa mantém a classificação na avaliação completa. Pontuações antigas não determinam a classificação. As casas decimais exibidas não comprovam uma diferença significativa. Esta visualização abrange uma suíte de testes, não todos os modelos atuais nem todos os tipos de capacidade.

Como funciona a comparação

A pontuação geral exibida aqui é a média, com pesos iguais, de todas as categorias do LiveBench na mesma versão do benchmark. Para calcular o total, é necessário haver um resultado para cada tarefa. As avaliações do Arena são apresentadas separadamente porque medem preferência. Não associamos modelos com nomes semelhantes entre fontes: as versões e configurações de raciocínio podem ser diferentes. Esses testes não abrangem todos os modelos nem todas as tarefas do mundo real.

Dados de origem: LiveBench; Arena / LMArena (CC BY 4.0). A Oossa calcula as médias das tarefas exibidas e apresenta os resultados em um formato mais simples. Arena ↗ · Fonte ↗ · CC BY 4.0 ↗