Comparação de Capacidades de Modelos de IA
Codificação agêntica
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
— means no published score for this candidate in this source, not zero.
| Nº | Modelo | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 74.2Claude Opus 5.5 | 62.3Claude Opus 5.5 | 66.4Claude Opus 5.5 | 90.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 74.1GPT-6 Astra | 65.5GPT-6 Astra | 58.2GPT-6 Astra | 89.6GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 67.4Claude Fable 5.1 | 56.3Claude Fable 5.1 | 57.9Claude Fable 5.1 | 90.3Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 77.9Gemini 4 Argon | 55Gemini 4 Argon | 57.4Gemini 4 Argon | 91.9Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — | — | — | — |
| 7 | Claude Opus 5 | — | — | — | — |
| 8 | GPT-6 Sol | — | — | — | — |
| 9 | GPT-6 Luna | — | — | — | — |
| 10 | Claude Haiku 5.5 | — | — | — | — |
| 11 | Claude Mythos Preview | — | — | — | — |
Google DeepMind (model card)
Fonte: Google DeepMind (model card) ↗
Ficha do modelo Google: resultados do publicador e pontuações de terceiros republicadas, em outubro de 2026. Consulte a metodologia para configurações de avaliação; estas não são todas avaliações independentes. Metodologia de avaliação ↗
DeepSWE v1.1 · Source date unknown
FrontierSWE v2 · Source date unknown
Terminal-bench 4.0 · Source date unknown
Vibe Code Bench · Source date unknown
PandaNpc Atualizado 21 de out. de 2026, 06:01 UTC
Fonte: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guia de colunas
- Nº
- Apenas ordem de exibição. A ordenação altera este número; não é uma classificação de capacidade publicada.
- Modelo
- O nome do modelo avaliado e o ícone do respetivo provedor. Um traço numa coluna de pontuação significa que não há pontuação publicada disponível aqui, e não um zero.
- DeepSWE v1.1Engenharia de software DeepSWE v1.1
- Testa engenharia de software de longo horizonte em tarefas originais, com o sucesso verificado em relação aos requisitos da tarefa. Compare a mesma versão do benchmark e a mesma configuração de agente. Metodologia de avaliação ↗
- FrontierSWE v2Engenharia de software FrontierSWE v2
- Testa tarefas difíceis de engenharia e pesquisa técnica. As pontuações refletem a avaliação publicada das tarefas, com a versão e a configuração do agente afetando a comparabilidade. Metodologia de avaliação ↗
- Terminal-bench 4.0Benchmark de terminal 4.0
- Testa a conclusão de tarefas práticas em um ambiente de terminal, como programação e operações de sistema. As versões usam conjuntos de tarefas diferentes e devem ser comparadas separadamente. Metodologia de avaliação ↗
- Vibe Code BenchBenchmark de programação vibe
- Testa a criação de aplicações web a partir de solicitações em linguagem natural, avaliando a aplicação resultante em vez de respostas de código isoladas. Metodologia de avaliação ↗
Leia as pontuações dentro do mesmo benchmark, fonte e versão. Valores mais altos indicam melhor desempenho na métrica reportada, mas colunas diferentes não partilham uma escala comum.