Comparação de modelos: análise de inteligência, desempenho e preço
ExperimenteInteligência
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index: pesos abertos vs. proprietários
Intelligence Index vs. custo por tarefa
Índices de capacidades
Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better
Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better
Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better
Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic real-world work tasks, Elo
Agentic interactive 3D experiences, Elo
Product and brand videos designed in code, Elo
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language
AA-PersonalityBench
Índices de personalidade
Openness Index
Artificial Analysis Openness Index: pontuação
Custo
Custo por tarefa do Intelligence Index
Custo de executar o Artificial Analysis Intelligence Index
Preços: acertos de cache, entrada e saída
Desempenho
Medido pelo tempo por tarefa (minutos), pela velocidade de saída (tokens por segundo), pelo tempo até o primeiro token da resposta final e pelo tempo até o primeiro token (segundos)
Tempo por tarefa do Intelligence Index
Velocidade de saída
Tempo até o primeiro token da resposta final
Uso de tokens
Tokens de saída por tarefa do Intelligence Index
Janela de contexto
Janela de contexto
Tamanho do modelo (somente modelos de pesos abertos)
Tamanho do modelo: parâmetros totais e ativos
Perguntas frequentes
Atualmente, Claude Fable 5.2 (Max, Default Fallback) lidera o Artificial Analysis Intelligence Index com 65 pontos, entre 111 modelos avaliados.
Os melhores modelos de IA segundo o Intelligence Index são: 1. Claude Fable 5.2 (Max, Default Fallback) (65), 2. Claude Fable 5.2 (Xhigh, Default Fallback) (62), 3. Claude Fable 5.2 (High, Default Fallback) (62), 4. Gemini 4 Carbon (High) (60) e 5. Claude Opus 5.5 (Max, Default Fallback) (59).
GPT-6 Luna (Low) é o mais rápido, com o menor tempo por tarefa: 0.6 minutos por tarefa do Intelligence Index, seguido por GPT-6.1 Terra (Low) (1.2 min) e Gemini 4 Hydrogen (Low) (1.5 min). Quanto menor, melhor.
K2 Horizon 375B A23B é o mais acessível, com um preço combinado de $0.00 por 1M de tokens, seguido por Command A+ ($0.00) e Gemma 4 31B (Reasoning) ($0.00).
Tiny Aya Global tem o menor tempo até o primeiro token da resposta final, de 0.18s, seguido por Phi-4 Multimodal Instruct (0.50s) e NVIDIA Nemotron Nano 9B V2 (Reasoning) (0.73s).
Kimi K3.1 Pro é o modelo de pesos abertos mais bem classificado, com 46 pontos no Intelligence Index. Há 45 modelos de pesos abertos entre 111 modelos avaliados no total.
Os melhores modelos de IA de pesos abertos segundo o Intelligence Index são: 1. Kimi K3.1 Pro (46), 2. DeepSeek V4.1 Flash 1017 (Max) (33) e 3. GLM-5.3 (Max) (32).
Claude Fable 5.2 (Max, Default Fallback) lidera entre 106 modelos de raciocínio, com 65 pontos no Intelligence Index. Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.
Os modelos são comparados em várias dimensões, incluindo inteligência (qualidade), preço, tempo por tarefa (minutos por tarefa do Intelligence Index, a partir da velocidade de saída de ponta a ponta), latência (tempo até o primeiro token da resposta final) e tamanho da janela de contexto. As métricas de desempenho são medidas diretamente com prompts padronizados em 277 modelos.
Clique no nome ou na linha de qualquer modelo nos gráficos para acessar sua página exclusiva, com métricas detalhadas e comparações diretas com modelos semelhantes. Você também pode usar o seletor de modelos para personalizar quais deles aparecem em cada gráfico. Ver o ranking