Comparação de Capacidades de Modelos de IA
Trabalho do conhecimento
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 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 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 ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · 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.
- AutomationBench — ScoreBenchmark de automação — pontuação
- Testa se um agente completa fluxos de trabalho empresariais em múltiplas aplicações. As pontuações oficiais usam um conjunto de tarefas privado e verificam o estado final do fluxo de trabalho. Metodologia de avaliação ↗
- Harvey's Legal Agent BenchmarkBenchmark de agente jurídico Harvey
- Testa agentes que leem e editam arquivos para produzir produtos de trabalho jurídicos de várias etapas. Uma tarefa só é aprovada quando todos os requisitos de avaliação são atendidos. A pontuação é a taxa média de aprovação de tarefas de dois juízes; quanto maior, melhor. Não é a porcentagem de critérios individuais aprovados, e mede fluxos de trabalho de agentes jurídicos, e não as perguntas de raciocínio jurídico do LegalBench. Metodologia de avaliação ↗
- Vals Finance Agent v2Agente financeiro Vals v2
- Testa análise financeira com busca, relatórios financeiros e ferramentas de cálculo, incluindo verificações de dados entre documentos, comparações de desempenho de empresas e valuation. A métrica principal é Crédito Parcial, calculada como média de três execuções: as verificações de resposta recebem pesos baseados em severidade, e um erro crítico eliminatório faz a pontuação dessa pergunta ser zero. Quanto maior, melhor. É distinta da métrica separada Aprovação Total e não é a taxa de aprovação da questão inteira. Metodologia de avaliação ↗
- Vals IndexÍndice composto Vals
- Um índice composto de tarefas profissionais em áreas como finanças, programação e direito. Sua pontuação percentual combina resultados de benchmarks usando o método de ponderação da versão publicada; uma pontuação mais alta significa desempenho geral mais forte, não a precisão de uma única tarefa. Os domínios incluídos e os pesos mudam entre versões, portanto a metodologia mais recente não deve ser aplicada retroativamente a instantâneos de pontuação mais antigos. 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.