746 modelos • 617 com benchmarks • 571 com Score AA • Sincronizado: 17 de agosto de 2026
Qual o melhor LLM hoje?
Mais Inteligente
Score AA — Artificial Analysis · atualizado a cada 6h
Mais veloz?
Mais Rápidos
Output tokens/segundo · maior é melhor
Melhor custo-benefício?
Mais Entrega por Menos
Score AA por US$ (preço blended 3:1)
🏆 Ranking por Inteligência
Score AA — Artificial Analysis · top 20
AnthropicAnthropicAnthropic
xAI
OpenAI
Moonshot AIOpenAIOpenAIAnthropicAnthropicScore AA = AA Intelligence Index da Artificial Analysis. Atualizado a cada 6h. Clique em qualquer modelo para ver benchmarks detalhados.
746
Modelos
105
Empresas
571
Com Score AA
100
Reasoning
117
Open Source
210
Multimodal
Ranking por Score AA
Classificação baseada no AA Intelligence Index da Artificial Analysis — score composto atualizado a cada 6 horas.
O que é benchmark de IA?
Benchmark de IA é uma avaliação independente e padronizada que mede e compara a capacidade real de modelos de inteligência artificial em tarefas específicas. Diferente de alegações de marketing das big techs, benchmarks fornecem métricas objetivas e verificáveis para escolher o modelo certo para cada caso de uso.
Os 3 critérios que mais importam ao comparar modelos de IA:
- Inteligência (Score AA): Índice composto que agrega GPQA Diamond, MMLU-Pro, AIME, HLE e LiveCodeBench — mede capacidade de raciocínio, matemática, ciências e programação.
- Velocidade (tokens/segundo): Quantos tokens o modelo gera por segundo — crítico para aplicações em tempo real como chatbots e assistentes de código.
- Custo (USD/1M tokens): Preço por milhão de tokens — determina se o modelo é viável para produção em escala.
🔰 O que significam ELO, Score AA e tokens/s? Guia rápido
ELO: Ranking de preferência humana do LMArena (Chatbot Arena). Usuários reais comparam respostas às cegas e votam. Maior = as pessoas preferem para conversas cotidianas.
Intel. (AA Intelligence Index): Score composto 0-100 da Artificial Analysis que agrega GPQA Diamond, MMLU-Pro, AIME, HLE, LiveCodeBench e outros. Mede capacidade técnica real — raciocínio, matemática, código, ciências.
Input $/1M: Preço em USD por 1 milhão de tokens de input (≈750 mil palavras). O quanto você paga para enviar texto ao modelo. Tokens de output custam separado.
Contexto: Máximo de tokens que o modelo processa de uma vez — determina quanto texto (código, documentos, histórico de conversa) cabe em uma única requisição.
Tokens/s: Velocidade de geração — quantos tokens o modelo produz por segundo. Maior = respostas mais rápidas, menor latência, melhor para apps em tempo real.
| # | Modelo | ELO | Input $/1M |
|---|---|---|---|
| 🥇 | Claude Opus 5NovoAnthropic | 1493 | $5.00 |
| 🥈 | Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback)Anthropic | 1506 | $10.00 |
| · | Claude Fable 5 (batch)Anthropic | — | $5.00 |
| 4 | Grok 4.6NovoxAI | 1464 | $2.00 |
| · | GPT-5.6 Sol (max)OpenAI | — | $5.00 |
| · | Kimi K3Moonshot AI | — | $3.00 |
| 7 | GPT-5.6 Sol (xhigh)OpenAI | 1481 | $5.00 |
| · | GPT-5.6 Sol (batch)OpenAI | — | $2.50 |
| · | Claude Opus 5 (batch)NovoAnthropic | — | $2.50 |
| · | Claude Opus 5 (Fast)NovoAnthropic | — | $10.00 |
| · | Qwen3.8 MaxNovo Alibaba | — | $2.00 |
| · | Qwen3.8 2.4T A95BNovoAlibaba | — | $2.00 |
| 13 | Claude Opus 4.8 (Adaptive Reasoning, Max Effort)Anthropic | 1481 | $5.00 |
| · | Claude Opus 4.8 (batch)Anthropic | — | $2.50 |
| · | GPT-5.6 Sol (high)OpenAI | — | $5.00 |
| 16 | Muse Spark 1.2 (xhigh)Novo Meta | 1498 | $1.25 |
| · | GPT-5.6 Terra (max)OpenAI | — | $2.00 |
| 18 | GPT-5.5OpenAI | 1482 | $5.00 |
| 19 | Gemini 3.7 Flash (high)Novo Google | 1490 | $0.75 |
| · | Grok 4.5SpaceXAI | — | $2.00 |
Preços em USD por 1M tokens de input. Estimativa em BRL: câmbio de mercado + IOF de 6,38%. Consulte metodologia para detalhes.
OS = Open Source • MM = Multimodal • R = Reasoning •Score AA: Artificial Analysis • Intel.: Artificial Analysis •Preços: OpenRouter •Ver metodologia completa
Evolução da inteligência
Progressão diária do AA Intelligence Index para os modelos no topo. Maior = mais capaz.
⚡ Velocidade de Inferência
Tokens por segundo — top 15
GoogleGoogleGoogleVelocidade em tokens/segundo medida via API. TTFT = Time to First Token (latência até a primeira resposta).
Modelos por Empresa
Guia de Benchmarks de IA em 2026
Claude Opus 5 é o modelo de IA mais inteligente em 2026 com Score AA de 63.1, segundo o AA Intelligence Index da Artificial Analysis — score composto atualizado a cada 6 horas. O mercado de modelos de linguagem (LLMs) em 2026 é dominado por uma corrida entre OpenAI, Anthropic, Google DeepMind, Meta AI e labs como DeepSeek, Alibaba (Qwen) e xAI (Grok). Com mais de 746 modelos disponíveis via API, escolher o modelo certo para cada caso de uso tornou-se uma decisão complexa que envolve qualidade (medida por benchmarks como AA Intelligence Index, MMLU e SWE-bench), preço por token, velocidade de inferência, contexto e capacidades multimodais.
Metodologia do Intelligence Index — composição do score. Fontes: Artificial Analysis, LMArena, OpenRouter. Atualizado a cada 6h. CC BY 4.0.
Score AA — Artificial Analysis Intelligence Index↓
Intelligence Index (Artificial Analysis)↓
Preços e Custo-Benefício↓
Context Window: Por Que Importa↓
Open Source vs Proprietário↓
Benchmark em Português Brasileiro↓
Perguntas Frequentes
Qual é o melhor modelo de IA em 2026?↓
Pelo AA Intelligence Index da Artificial Analysis, Claude Opus 5 lidera com Score AA de 63.1. Porém, o "melhor" depende do caso de uso: para custo-benefício, OpenAI: GPT-5 Nano (batch) oferece excelente qualidade por preço baixo.
O que é o Score AA?↓
O Score AA é o AA Intelligence Index da Artificial Analysis — um score composto (0-100) que combina múltiplos benchmarks de raciocínio, código, matemática e ciência. É atualizado automaticamente a cada 6 horas com dados da API pública da Artificial Analysis.
Qual o modelo de IA mais barato?↓
Entre modelos com boa qualidade (Score AA > 40), Hy3-preview (Non-reasoning) é o mais acessível a $0.06/1M tokens de input.
Os benchmarks são confiáveis?↓
Benchmarks são indicativos, não definitivos. O AA Intelligence Index é considerado robusto por combinar múltiplas avaliações padronizadas. Benchmarks individuais (MMLU, GPQA) podem sofrer contaminação. Recomendamos testar no seu caso de uso específico.
Qual modelo funciona melhor em português?↓
Claude (Anthropic) e Gemini (Google) tendem a ter melhor performance em português brasileiro. O SWEN.AI mantém um benchmark proprietário em PT-BR com 10 modelos testados em ENEM, OAB e SAC — veja os resultados em /benchmark/ptbr.