Voltar para AI Coding

Ranking de modelos de AI

Ranking de modelos de AI para código

Top 50 da Artificial Analysis.

Snapshot: 2026-11-18

Fonte Artificial AnalysisMetodologia

As métricas seguem um snapshot do leaderboard público de LLMs da Artificial Analysis: Índice de Inteligência, custo por tarefa e velocidade refletem o desempenho em benchmark na data do snapshot. Preço, disponibilidade e posições dos provedores mudam com frequência, e uma pontuação alta em benchmark não garante o melhor resultado para um codebase ou fluxo específico.

Ler o guia completo de metodologia

Top 50 por Intelligence Index

65
62
60
59
57
55
54
51
50
50
46
44
43
36
36
35
35
33
32
31
30
30
29
29
29
28
28
27
26
25
24
23
20
20
19
19
18
18
14
14
14
12
12
12
9
8
6
6
6
6

Top 50 modelos

01

Modelo de raciocinio atual

Anthropic - Claude Fable - 5.2 (max)

Anthropic Claude Fable 5.2 (max) lidera o snapshot de 2026-11-18 com Intelligence Index 65, contexto de 1M e $26.54 por tarefa. Mediana de 112 tok/s e primeiro chunk em 214.95s. O primeiro chunk leva 214.95s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para Anthropic para refatorações difíceis e decisões de arquitetura, com $26.54 por tarefa e 214.95s até o primeiro chunk.

Anthropic

Contexto
1M
Índice AA
65
Custo por tarefa
$26.54
Velocidade
112 tok/s
Primeiro chunk
214.95s
Resposta total
219.41s
02

Modelo de raciocinio atual

OpenAI - GPT Astra - 6.2 (max)

OpenAI GPT Astra 6.2 (max) ocupa o #2 no snapshot de 2026-11-18, com Intelligence Index 62, contexto de 1M, custo por tarefa $4.00, mediana de 64 tok/s e primeiro chunk em 147.65s. O primeiro chunk leva 147.65s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para OpenAI para refatorações difíceis e decisões de arquitetura, com $4.00 por tarefa e 147.65s até o primeiro chunk.

OpenAI

Contexto
1M
Índice AA
62
Custo por tarefa
$4.00
Velocidade
64 tok/s
Primeiro chunk
147.65s
Resposta total
155.48s
03

Modelo de raciocinio atual

Google - Gemini - 4 Carbon (high)

Google Gemini 4 Carbon (high) ocupa o #3 no snapshot de 2026-11-18, com Intelligence Index 60, contexto de 1M, custo por tarefa $5.48, mediana de 62 tok/s e primeiro chunk em 73.37s. O primeiro chunk leva 73.37s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Coding e agentes de múltiplas etapas de alto esforço para Google, com $5.48 por tarefa e 73.37s até o primeiro chunk.

Google

Contexto
1M
Índice AA
60
Custo por tarefa
$5.48
Velocidade
62 tok/s
Primeiro chunk
73.37s
Resposta total
81.47s
04

Modelo de raciocinio atual

Anthropic - Claude Opus - 5.5 (max)

Anthropic Claude Opus 5.5 (max) ocupa o #4 no snapshot de 2026-11-18, com Intelligence Index 59, contexto de 1M, custo por tarefa $10.04, mediana de 118 tok/s e primeiro chunk em 355.12s. O primeiro chunk leva 355.12s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para Anthropic para refatorações difíceis e decisões de arquitetura, com $10.04 por tarefa e 355.12s até o primeiro chunk.

Anthropic

Contexto
1M
Índice AA
59
Custo por tarefa
$10.04
Velocidade
118 tok/s
Primeiro chunk
355.12s
Resposta total
359.37s
05

Modelo de raciocinio atual

OpenAI - GPT Sol - 6.2 (max)

OpenAI GPT Sol 6.2 (max) ocupa o #5 no snapshot de 2026-11-18, com Intelligence Index 57, contexto de 1M, custo por tarefa $1.01, mediana de 85 tok/s e primeiro chunk em 61.56s. O primeiro chunk leva 61.56s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para OpenAI para refatorações difíceis e decisões de arquitetura, com $1.01 por tarefa e 61.56s até o primeiro chunk.

OpenAI

Contexto
1M
Índice AA
57
Custo por tarefa
$1.01
Velocidade
85 tok/s
Primeiro chunk
61.56s
Resposta total
67.43s
06

Modelo de raciocinio atual

Anthropic - Claude Sonnet - 5.5 (max)

Anthropic Claude Sonnet 5.5 (max) ocupa o #6 no snapshot de 2026-11-18, com Intelligence Index 55, contexto de 1M, custo por tarefa $10.02, mediana de 147 tok/s e primeiro chunk em 290.29s. O primeiro chunk leva 290.29s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para Anthropic para refatorações difíceis e decisões de arquitetura, com $10.02 por tarefa e 290.29s até o primeiro chunk.

Anthropic

Contexto
1M
Índice AA
55
Custo por tarefa
$10.02
Velocidade
147 tok/s
Primeiro chunk
290.29s
Resposta total
293.69s
07

Modelo de raciocinio atual

Google - Gemini - 4 Hydrogen (xhigh)

Google Gemini 4 Hydrogen (xhigh) ocupa o #7 no snapshot de 2026-11-18, com Intelligence Index 54, contexto de 1M, custo por tarefa $3.16, mediana de 174 tok/s e primeiro chunk em 42.69s.

Melhor para: Trabalho de altíssimo esforço para Google quando mais raciocínio vale uma espera maior, com $3.16 por tarefa e 42.69s até o primeiro chunk.

Google

Contexto
1M
Índice AA
54
Custo por tarefa
$3.16
Velocidade
174 tok/s
Primeiro chunk
42.69s
Resposta total
45.57s
08

Modelo de raciocinio atual

OpenAI - GPT Terra - 6.1 (max)

OpenAI GPT Terra 6.1 (max) ocupa o #8 no snapshot de 2026-11-18, com Intelligence Index 51, contexto de 1M, custo por tarefa $0.96, mediana de 70 tok/s e primeiro chunk em 144.41s. O primeiro chunk leva 144.41s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para OpenAI para refatorações difíceis e decisões de arquitetura, com $0.96 por tarefa e 144.41s até o primeiro chunk.

OpenAI

Contexto
1M
Índice AA
51
Custo por tarefa
$0.96
Velocidade
70 tok/s
Primeiro chunk
144.41s
Resposta total
151.52s
09

Modelo de raciocinio atual

Google - Gemini - 4 Argon (high)

Google Gemini 4 Argon (high) ocupa o #9 no snapshot de 2026-11-18, com Intelligence Index 50, contexto de 1M, custo por tarefa $4.97, mediana de 67 tok/s e primeiro chunk em 47.00s. É um dos 2 modelos com Intelligence Index 50.

Melhor para: Coding e agentes de múltiplas etapas de alto esforço para Google, com $4.97 por tarefa e 47.00s até o primeiro chunk.

Google

Contexto
1M
Índice AA
50
Custo por tarefa
$4.97
Velocidade
67 tok/s
Primeiro chunk
47.00s
Resposta total
54.51s
10

Modelo atual; métricas parciais

Meta - Muse Wonder Full - Max

Meta Muse Wonder Full Max ocupa o #10 no snapshot de 2026-11-18, com Intelligence Index 50 e contexto de 1M. Custo por tarefa, velocidade e latência ainda não foram publicados. É um dos 2 modelos com Intelligence Index 50.

Melhor para: Trabalho de máximo esforço para Meta para refatorações difíceis e decisões de arquitetura; custo, velocidade e latência ainda não foram publicados.

Meta

Contexto
1M
Índice AA
50
Custo por tarefa
—
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
11

Modelo de raciocinio atual

Kimi - Kimi - K3.1 Pro

Kimi Kimi K3.1 Pro ocupa o #11 no snapshot de 2026-11-18, com Intelligence Index 46, contexto de 1M, custo por tarefa $3.68, mediana de 31 tok/s e primeiro chunk em 155.21s. O primeiro chunk leva 155.21s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Modelo carro-chefe Kimi de Kimi para trabalho de coding exigente, com $3.68 por tarefa e 155.21s até o primeiro chunk.

Kimi

Contexto
1M
Índice AA
46
Custo por tarefa
$3.68
Velocidade
31 tok/s
Primeiro chunk
155.21s
Resposta total
171.11s
12

Modelo de raciocinio atual

Meta - Muse Wonder - Max

Meta Muse Wonder Max ocupa o #12 no snapshot de 2026-11-18, com Intelligence Index 44, contexto de 1.05M, custo por tarefa $6.95, mediana de 120 tok/s e primeiro chunk em 19.58s.

Melhor para: Trabalho de máximo esforço para Meta para refatorações difíceis e decisões de arquitetura, com $6.95 por tarefa e 19.58s até o primeiro chunk.

Meta

Contexto
1.05M
Índice AA
44
Custo por tarefa
$6.95
Velocidade
120 tok/s
Primeiro chunk
19.58s
Resposta total
23.76s
13

Modelo de raciocinio atual

Alibaba - Qwen - 4 Max

Alibaba Qwen 4 Max ocupa o #13 no snapshot de 2026-11-18, com Intelligence Index 43, contexto de 984k, custo por tarefa $3.27, mediana de 53 tok/s e primeiro chunk em 143.51s. O primeiro chunk leva 143.51s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para Alibaba para refatorações difíceis e decisões de arquitetura, com $3.27 por tarefa e 143.51s até o primeiro chunk.

Alibaba

Contexto
984k
Índice AA
43
Custo por tarefa
$3.27
Velocidade
53 tok/s
Primeiro chunk
143.51s
Resposta total
152.98s
14

Modelo de raciocinio atual

Anthropic - Claude Haiku - 5.5 (max)

Anthropic Claude Haiku 5.5 (max) ocupa o #14 no snapshot de 2026-11-18, com Intelligence Index 36, contexto de 1M, custo por tarefa $0.41, mediana de 255 tok/s e primeiro chunk em 190.13s. É um dos 2 modelos com Intelligence Index 36. O primeiro chunk leva 190.13s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para Anthropic para refatorações difíceis e decisões de arquitetura, com $0.41 por tarefa e 190.13s até o primeiro chunk.

Anthropic

Contexto
1M
Índice AA
36
Custo por tarefa
$0.41
Velocidade
255 tok/s
Primeiro chunk
190.13s
Resposta total
192.09s
15

Modelo de raciocinio atual

Meta - Muse Ember - Max

Meta Muse Ember Max ocupa o #15 no snapshot de 2026-11-18, com Intelligence Index 36, contexto de 1.05M, custo por tarefa $0.14, mediana de 452 tok/s e primeiro chunk em 4.85s. É um dos 2 modelos com Intelligence Index 36. O primeiro chunk chega em 4.85s, o que favorece loops interativos.

Melhor para: Trabalho de máximo esforço para Meta para refatorações difíceis e decisões de arquitetura, com $0.14 por tarefa e 4.85s até o primeiro chunk.

Meta

Contexto
1.05M
Índice AA
36
Custo por tarefa
$0.14
Velocidade
452 tok/s
Primeiro chunk
4.85s
Resposta total
5.96s
16

Modelo de raciocinio atual

SpaceXAI - Grok - 4.7 (xhigh)

SpaceXAI Grok 4.7 (xhigh) ocupa o #16 no snapshot de 2026-11-18, com Intelligence Index 35, contexto de 500k, custo por tarefa $7.77, mediana de 72 tok/s e primeiro chunk em 47.29s. É um dos 2 modelos com Intelligence Index 35.

Melhor para: Trabalho de altíssimo esforço para SpaceXAI quando mais raciocínio vale uma espera maior, com $7.77 por tarefa e 47.29s até o primeiro chunk.

SpaceXAI

Contexto
500k
Índice AA
35
Custo por tarefa
$7.77
Velocidade
72 tok/s
Primeiro chunk
47.29s
Resposta total
54.23s
17

Modelo de raciocinio atual

Tencent - Hy - 4

Tencent Hy 4 ocupa o #17 no snapshot de 2026-11-18, com Intelligence Index 35, contexto de 1.05M, custo por tarefa $1.03, mediana de 96 tok/s e primeiro chunk em 111.73s. É um dos 2 modelos com Intelligence Index 35. O primeiro chunk leva 111.73s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Modelo carro-chefe Hy de Tencent para trabalho de coding exigente, com $1.03 por tarefa e 111.73s até o primeiro chunk.

Tencent

Contexto
1.05M
Índice AA
35
Custo por tarefa
$1.03
Velocidade
96 tok/s
Primeiro chunk
111.73s
Resposta total
116.94s
18

Modelo de raciocinio atual

DeepSeek - DeepSeek - V4.1 Flash 1017 (max)

DeepSeek DeepSeek V4.1 Flash 1017 (max) ocupa o #18 no snapshot de 2026-11-18, com Intelligence Index 33, contexto de 1M, custo por tarefa $0.60, mediana de 178 tok/s e primeiro chunk em 37.93s.

Melhor para: Trabalho de máximo esforço para DeepSeek para refatorações difíceis e decisões de arquitetura, com $0.60 por tarefa e 37.93s até o primeiro chunk.

DeepSeek

Contexto
1M
Índice AA
33
Custo por tarefa
$0.60
Velocidade
178 tok/s
Primeiro chunk
37.93s
Resposta total
40.74s
19

Modelo de raciocinio atual

Z AI - GLM - 5.3 (max)

Z AI GLM 5.3 (max) ocupa o #19 no snapshot de 2026-11-18, com Intelligence Index 32, contexto de 1M, custo por tarefa $5.01, mediana de 91 tok/s e primeiro chunk em 69.29s. O primeiro chunk leva 69.29s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para Z AI para refatorações difíceis e decisões de arquitetura, com $5.01 por tarefa e 69.29s até o primeiro chunk.

Z AI

Contexto
1M
Índice AA
32
Custo por tarefa
$5.01
Velocidade
91 tok/s
Primeiro chunk
69.29s
Resposta total
74.75s
20

Modelo de raciocinio atual

Thinking Machines - Inkling - 2 Small

Thinking Machines Inkling 2 Small ocupa o #20 no snapshot de 2026-11-18, com Intelligence Index 31, contexto de 1.02M, custo por tarefa $1.18, mediana de 119 tok/s e primeiro chunk em 39.18s.

Melhor para: Modelo carro-chefe Inkling de Thinking Machines para trabalho de coding exigente, com $1.18 por tarefa e 39.18s até o primeiro chunk.

Thinking Machines

Contexto
1.02M
Índice AA
31
Custo por tarefa
$1.18
Velocidade
119 tok/s
Primeiro chunk
39.18s
Resposta total
43.37s
21

Modelo de raciocinio atual

Xiaomi - MiMo - V2.6 Pro

Xiaomi MiMo V2.6 Pro ocupa o #21 no snapshot de 2026-11-18, com Intelligence Index 30, contexto de 1M, custo por tarefa $0.26, mediana de 58 tok/s e primeiro chunk em 25.73s. É um dos 2 modelos com Intelligence Index 30.

Melhor para: Modelo carro-chefe MiMo de Xiaomi para trabalho de coding exigente, com $0.26 por tarefa e 25.73s até o primeiro chunk.

Xiaomi

Contexto
1M
Índice AA
30
Custo por tarefa
$0.26
Velocidade
58 tok/s
Primeiro chunk
25.73s
Resposta total
34.35s
22

Modelo atual; métricas parciais

InclusionAI - Ling - 3.1 Flash 1019

InclusionAI Ling 3.1 Flash 1019 ocupa o #22 no snapshot de 2026-11-18, com Intelligence Index 30, contexto de 1.05M e $3.19 por tarefa. Velocidade e latência ainda não foram publicadas. É um dos 2 modelos com Intelligence Index 30.

Melhor para: Inferência de alto volume para InclusionAI quando velocidade importa mais que o índice máximo; velocidade e latência ainda não foram publicadas.

InclusionAI

Contexto
1.05M
Índice AA
30
Custo por tarefa
$3.19
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
23

Modelo de raciocinio atual

MiniMax - MiniMax - M3.1 Flash

MiniMax MiniMax M3.1 Flash ocupa o #23 no snapshot de 2026-11-18, com Intelligence Index 29, contexto de 1M, custo por tarefa $0.49, mediana de 131 tok/s e primeiro chunk em 48.55s. É um dos 3 modelos com Intelligence Index 29.

Melhor para: Inferência de alto volume para MiniMax quando velocidade importa mais que o índice máximo, com $0.49 por tarefa e 48.55s até o primeiro chunk.

MiniMax

Contexto
1M
Índice AA
29
Custo por tarefa
$0.49
Velocidade
131 tok/s
Primeiro chunk
48.55s
Resposta total
52.36s
24

Modelo de raciocinio atual

Alibaba - Qwen - 3.8 Flash Next

Alibaba Qwen 3.8 Flash Next ocupa o #24 no snapshot de 2026-11-18, com Intelligence Index 29, contexto de 256k, custo por tarefa $0.57, mediana de 84 tok/s e primeiro chunk em 62.69s. É um dos 3 modelos com Intelligence Index 29. O primeiro chunk leva 62.69s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Inferência de alto volume para Alibaba quando velocidade importa mais que o índice máximo, com $0.57 por tarefa e 62.69s até o primeiro chunk.

Alibaba

Contexto
256k
Índice AA
29
Custo por tarefa
$0.57
Velocidade
84 tok/s
Primeiro chunk
62.69s
Resposta total
68.66s
25

Modelo de raciocinio atual

StepFun - Step - 5 Preview

StepFun Step 5 Preview ocupa o #25 no snapshot de 2026-11-18, com Intelligence Index 29, contexto de 1M, custo por tarefa $2.35, mediana de 144 tok/s e primeiro chunk em 21.77s. É um dos 3 modelos com Intelligence Index 29.

Melhor para: Modelo carro-chefe Step de StepFun para trabalho de coding exigente, com $2.35 por tarefa e 21.77s até o primeiro chunk.

StepFun

Contexto
1M
Índice AA
29
Custo por tarefa
$2.35
Velocidade
144 tok/s
Primeiro chunk
21.77s
Resposta total
25.25s
26

Modelo de raciocinio atual

OpenAI - GPT Luna - 6 (max)

OpenAI GPT Luna 6 (max) ocupa o #26 no snapshot de 2026-11-18, com Intelligence Index 28, contexto de 1M, custo por tarefa $0.15, mediana de 104 tok/s e primeiro chunk em 64.04s. É um dos 2 modelos com Intelligence Index 28. O primeiro chunk leva 64.04s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de máximo esforço para OpenAI para refatorações difíceis e decisões de arquitetura, com $0.15 por tarefa e 64.04s até o primeiro chunk.

OpenAI

Contexto
1M
Índice AA
28
Custo por tarefa
$0.15
Velocidade
104 tok/s
Primeiro chunk
64.04s
Resposta total
68.86s
27

Modelo de raciocinio atual

Z AI - GLM - 5.3 Flash

Z AI GLM 5.3 Flash ocupa o #27 no snapshot de 2026-11-18, com Intelligence Index 28, contexto de 1M, custo por tarefa $0.58, mediana de 58 tok/s e primeiro chunk em 84.58s. É um dos 2 modelos com Intelligence Index 28. O primeiro chunk leva 84.58s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Inferência de alto volume para Z AI quando velocidade importa mais que o índice máximo, com $0.58 por tarefa e 84.58s até o primeiro chunk.

Z AI

Contexto
1M
Índice AA
28
Custo por tarefa
$0.58
Velocidade
58 tok/s
Primeiro chunk
84.58s
Resposta total
93.14s
28

Modelo de raciocinio atual

Xiaomi - MiMo - V2.6 Flash

Xiaomi MiMo V2.6 Flash ocupa o #28 no snapshot de 2026-11-18, com Intelligence Index 27, contexto de 1M, custo por tarefa $0.13, mediana de 40 tok/s e primeiro chunk em 33.03s.

Melhor para: Inferência de alto volume para Xiaomi quando velocidade importa mais que o índice máximo, com $0.13 por tarefa e 33.03s até o primeiro chunk.

Xiaomi

Contexto
1M
Índice AA
27
Custo por tarefa
$0.13
Velocidade
40 tok/s
Primeiro chunk
33.03s
Resposta total
45.47s
29

Modelo de raciocinio atual

Mistral - Mistral Large - 4 (high)

Mistral Mistral Large 4 (high) ocupa o #29 no snapshot de 2026-11-18, com Intelligence Index 26, contexto de 1M, custo por tarefa $2.06, mediana de 73 tok/s e primeiro chunk em 64.46s. O primeiro chunk leva 64.46s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Coding e agentes de múltiplas etapas de alto esforço para Mistral, com $2.06 por tarefa e 64.46s até o primeiro chunk.

Mistral

Contexto
1M
Índice AA
26
Custo por tarefa
$2.06
Velocidade
73 tok/s
Primeiro chunk
64.46s
Resposta total
71.33s
30

Modelo de raciocinio atual

Meta - Muse Spark Open - Xhigh

Meta Muse Spark Open Xhigh ocupa o #30 no snapshot de 2026-11-18, com Intelligence Index 25, contexto de 1.05M, custo por tarefa $2.02, mediana de 190 tok/s e primeiro chunk em 10.44s.

Melhor para: Trabalho de altíssimo esforço para Meta quando mais raciocínio vale uma espera maior, com $2.02 por tarefa e 10.44s até o primeiro chunk.

Meta

Contexto
1.05M
Índice AA
25
Custo por tarefa
$2.02
Velocidade
190 tok/s
Primeiro chunk
10.44s
Resposta total
13.08s
31

Modelo de raciocinio atual

Sapiens AI - Agnes - 2.5 Pro Theta

Sapiens AI Agnes 2.5 Pro Theta ocupa o #31 no snapshot de 2026-11-18, com Intelligence Index 24, contexto de 1M, custo por tarefa $0.57, mediana de 203 tok/s e primeiro chunk em 8.10s.

Melhor para: Modelo carro-chefe Agnes de Sapiens AI para trabalho de coding exigente, com $0.57 por tarefa e 8.10s até o primeiro chunk.

Sapiens AI

Contexto
1M
Índice AA
24
Custo por tarefa
$0.57
Velocidade
203 tok/s
Primeiro chunk
8.10s
Resposta total
10.57s
32

Modelo de raciocinio atual

DeepSeek - DeepSeek - V4 Pro 0813 (max)

DeepSeek DeepSeek V4 Pro 0813 (max) ocupa o #32 no snapshot de 2026-11-18, com Intelligence Index 23, contexto de 1M, custo por tarefa $1.77, mediana de 97 tok/s e primeiro chunk em 54.34s.

Melhor para: Trabalho de máximo esforço para DeepSeek para refatorações difíceis e decisões de arquitetura, com $1.77 por tarefa e 54.34s até o primeiro chunk.

DeepSeek

Contexto
1M
Índice AA
23
Custo por tarefa
$1.77
Velocidade
97 tok/s
Primeiro chunk
54.34s
Resposta total
59.48s
33

Modelo atual; métricas parciais

Nanbeige - Nanbeige - 4.3-33B

Nanbeige Nanbeige 4.3-33B ocupa o #33 no snapshot de 2026-11-18, com Intelligence Index 20 e contexto de 524k. Custo por tarefa, velocidade e latência ainda não foram publicados. É um dos 2 modelos com Intelligence Index 20.

Melhor para: Modelo carro-chefe Nanbeige de Nanbeige para trabalho de coding exigente; custo, velocidade e latência ainda não foram publicados.

Nanbeige

Contexto
524k
Índice AA
20
Custo por tarefa
—
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
34

Modelo de raciocinio atual

Alibaba - Qwen - 3.8 27B (xhigh)

Alibaba Qwen 3.8 27B (xhigh) ocupa o #34 no snapshot de 2026-11-18, com Intelligence Index 20, contexto de 256k, custo por tarefa $3.53, mediana de 48 tok/s e primeiro chunk em 121.79s. É um dos 2 modelos com Intelligence Index 20. O primeiro chunk leva 121.79s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Trabalho de altíssimo esforço para Alibaba quando mais raciocínio vale uma espera maior, com $3.53 por tarefa e 121.79s até o primeiro chunk.

Alibaba

Contexto
256k
Índice AA
20
Custo por tarefa
$3.53
Velocidade
48 tok/s
Primeiro chunk
121.79s
Resposta total
132.19s
35

Modelo atual; métricas parciais

China Mobile - JT - 4.1 Flash 236B A21B

China Mobile JT 4.1 Flash 236B A21B ocupa o #35 no snapshot de 2026-11-18, com Intelligence Index 19 e contexto de 262k. Custo por tarefa, velocidade e latência ainda não foram publicados. É um dos 2 modelos com Intelligence Index 19.

Melhor para: Inferência de alto volume para China Mobile quando velocidade importa mais que o índice máximo; custo, velocidade e latência ainda não foram publicados.

China Mobile

Contexto
262k
Índice AA
19
Custo por tarefa
—
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
36

Modelo de raciocinio atual

MiniMax - MiniMax - M3

MiniMax MiniMax M3 ocupa o #36 no snapshot de 2026-11-18, com Intelligence Index 19, contexto de 1M, custo por tarefa $1.29, mediana de 108 tok/s e primeiro chunk em 69.98s. É um dos 2 modelos com Intelligence Index 19. O primeiro chunk leva 69.98s, então combina mais com lote ou assíncrono do que com loops interativos.

Melhor para: Modelo carro-chefe MiniMax de MiniMax para trabalho de coding exigente, com $1.29 por tarefa e 69.98s até o primeiro chunk.

MiniMax

Contexto
1M
Índice AA
19
Custo por tarefa
$1.29
Velocidade
108 tok/s
Primeiro chunk
69.98s
Resposta total
74.62s
37

Modelo de raciocinio atual

Institute of Foundation Models - K2 Horizon - 375B A23B

Institute of Foundation Models K2 Horizon 375B A23B ocupa o #37 no snapshot de 2026-11-18, com Intelligence Index 18, contexto de 524k, custo por tarefa $0.00, mediana de 221 tok/s e primeiro chunk em 19.59s. É um dos 2 modelos com Intelligence Index 18.

Melhor para: Modelo carro-chefe K2 Horizon de Institute of Foundation Models para trabalho de coding exigente, com $0.00 por tarefa e 19.59s até o primeiro chunk.

Institute of Foundation Models

Contexto
524k
Índice AA
18
Custo por tarefa
$0.00
Velocidade
221 tok/s
Primeiro chunk
19.59s
Resposta total
21.85s
38

Modelo de raciocinio atual

Reflection - Beam - 1.0

Reflection Beam 1.0 ocupa o #38 no snapshot de 2026-11-18, com Intelligence Index 18, contexto de 1.05M, custo por tarefa $0.28, mediana de 263 tok/s e primeiro chunk em 7.30s. É um dos 2 modelos com Intelligence Index 18.

Melhor para: Modelo carro-chefe Beam de Reflection para trabalho de coding exigente, com $0.28 por tarefa e 7.30s até o primeiro chunk.

Reflection

Contexto
1.05M
Índice AA
18
Custo por tarefa
$0.28
Velocidade
263 tok/s
Primeiro chunk
7.30s
Resposta total
9.20s
39

Modelo de raciocinio atual

Upstage - Solar Pro - 4

Upstage Solar Pro 4 ocupa o #39 no snapshot de 2026-11-18, com Intelligence Index 14, contexto de 512k, custo por tarefa $0.96, mediana de 72 tok/s e primeiro chunk em 31.47s. É um dos 3 modelos com Intelligence Index 14.

Melhor para: Modelo carro-chefe Solar Pro de Upstage para trabalho de coding exigente, com $0.96 por tarefa e 31.47s até o primeiro chunk.

Upstage

Contexto
512k
Índice AA
14
Custo por tarefa
$0.96
Velocidade
72 tok/s
Primeiro chunk
31.47s
Resposta total
38.41s
40

Modelo atual; métricas parciais

Apodex - Apodex - 1.1

Apodex Apodex 1.1 ocupa o #40 no snapshot de 2026-11-18, com Intelligence Index 14, contexto de 256k e $0.76 por tarefa. Velocidade e latência ainda não foram publicadas. É um dos 3 modelos com Intelligence Index 14.

Melhor para: Modelo carro-chefe Apodex de Apodex para trabalho de coding exigente; velocidade e latência ainda não foram publicadas.

Apodex

Contexto
256k
Índice AA
14
Custo por tarefa
$0.76
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
41

Modelo de raciocinio atual

NVIDIA - Nemotron - 3.5 Super VL

NVIDIA Nemotron 3.5 Super VL ocupa o #41 no snapshot de 2026-11-18, com Intelligence Index 14, contexto de 1M, custo por tarefa $0.48, mediana de 254 tok/s e primeiro chunk em 13.69s. É um dos 3 modelos com Intelligence Index 14.

Melhor para: Modelo carro-chefe Nemotron de NVIDIA para trabalho de coding exigente, com $0.48 por tarefa e 13.69s até o primeiro chunk.

NVIDIA

Contexto
1M
Índice AA
14
Custo por tarefa
$0.48
Velocidade
254 tok/s
Primeiro chunk
13.69s
Resposta total
15.66s
42

Modelo de raciocinio atual

Thinking Machines - Inkling - Xhigh

Thinking Machines Inkling Xhigh ocupa o #42 no snapshot de 2026-11-18, com Intelligence Index 12, contexto de 1M, custo por tarefa $1.35, mediana de 105 tok/s e primeiro chunk em 14.63s. É um dos 3 modelos com Intelligence Index 12.

Melhor para: Trabalho de altíssimo esforço para Thinking Machines quando mais raciocínio vale uma espera maior, com $1.35 por tarefa e 14.63s até o primeiro chunk.

Thinking Machines

Contexto
1M
Índice AA
12
Custo por tarefa
$1.35
Velocidade
105 tok/s
Primeiro chunk
14.63s
Resposta total
19.40s
43

Modelo de raciocinio atual

NVIDIA - Nemotron - 3 Ultra 550B A55B (Reasoning)

NVIDIA Nemotron 3 Ultra 550B A55B (Reasoning) ocupa o #43 no snapshot de 2026-11-18, com Intelligence Index 12, contexto de 262k, custo por tarefa $2.21, mediana de 195 tok/s e primeiro chunk em 3.67s. É um dos 3 modelos com Intelligence Index 12. O primeiro chunk chega em 3.67s, o que favorece loops interativos.

Melhor para: Coding e agentes de múltiplas etapas de alto esforço para NVIDIA, com $2.21 por tarefa e 3.67s até o primeiro chunk.

NVIDIA

Contexto
262k
Índice AA
12
Custo por tarefa
$2.21
Velocidade
195 tok/s
Primeiro chunk
3.67s
Resposta total
6.23s
44

Modelo de raciocinio atual

Google - Gemini - 3.5 Flash-Lite

Google Gemini 3.5 Flash-Lite ocupa o #44 no snapshot de 2026-11-18, com Intelligence Index 12, contexto de 1M, custo por tarefa $0.69, mediana de 329 tok/s e primeiro chunk em 4.82s. É um dos 3 modelos com Intelligence Index 12. O primeiro chunk chega em 4.82s, o que favorece loops interativos.

Melhor para: Inferência de alto volume para Google quando velocidade importa mais que o índice máximo, com $0.69 por tarefa e 4.82s até o primeiro chunk.

Google

Contexto
1M
Índice AA
12
Custo por tarefa
$0.69
Velocidade
329 tok/s
Primeiro chunk
4.82s
Resposta total
6.34s
45

Modelo atual; métricas parciais

SK Telecom - A.X - K2

SK Telecom A.X K2 ocupa o #45 no snapshot de 2026-11-18, com Intelligence Index 9 e contexto de 262k. Custo por tarefa, velocidade e latência ainda não foram publicados.

Melhor para: Modelo carro-chefe A.X de SK Telecom para trabalho de coding exigente; custo, velocidade e latência ainda não foram publicados.

SK Telecom

Contexto
262k
Índice AA
9
Custo por tarefa
—
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
46

Modelo atual; métricas parciais

LG AI Research - K-EXAONE - 2.0

LG AI Research K-EXAONE 2.0 ocupa o #46 no snapshot de 2026-11-18, com Intelligence Index 8 e contexto de 262k. Custo por tarefa, velocidade e latência ainda não foram publicados.

Melhor para: Modelo carro-chefe K-EXAONE de LG AI Research para trabalho de coding exigente; custo, velocidade e latência ainda não foram publicados.

LG AI Research

Contexto
262k
Índice AA
8
Custo por tarefa
—
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
47

Modelo de raciocinio atual

Meta - Muse Glimmer - High

Meta Muse Glimmer High ocupa o #47 no snapshot de 2026-11-18, com Intelligence Index 6, contexto de 131k, custo por tarefa $0.18, mediana de 93 tok/s e primeiro chunk em 19.29s. É um dos 4 modelos com Intelligence Index 6.

Melhor para: Coding e agentes de múltiplas etapas de alto esforço para Meta, com $0.18 por tarefa e 19.29s até o primeiro chunk.

Meta

Contexto
131k
Índice AA
6
Custo por tarefa
$0.18
Velocidade
93 tok/s
Primeiro chunk
19.29s
Resposta total
24.67s
48

Modelo de raciocinio atual

Cohere - Command - A+

Cohere Command A+ ocupa o #48 no snapshot de 2026-11-18, com Intelligence Index 6, contexto de 192k, custo por tarefa $0.00, mediana de 167 tok/s e primeiro chunk em 29.84s. É um dos 4 modelos com Intelligence Index 6.

Melhor para: Modelo carro-chefe Command de Cohere para trabalho de coding exigente, com $0.00 por tarefa e 29.84s até o primeiro chunk.

Cohere

Contexto
192k
Índice AA
6
Custo por tarefa
$0.00
Velocidade
167 tok/s
Primeiro chunk
29.84s
Resposta total
32.84s
49

Modelo atual; métricas parciais

Liquid AI - LFM - 3-1.7B

Liquid AI LFM 3-1.7B ocupa o #49 no snapshot de 2026-11-18, com Intelligence Index 6, contexto de 262k e $0.17 por tarefa. Velocidade e latência ainda não foram publicadas. É um dos 4 modelos com Intelligence Index 6.

Melhor para: Modelo carro-chefe LFM de Liquid AI para trabalho de coding exigente; velocidade e latência ainda não foram publicadas.

Liquid AI

Contexto
262k
Índice AA
6
Custo por tarefa
$0.17
Velocidade
— tok/s
Primeiro chunk
—
Resposta total
—
50

Modelo de raciocinio atual

NVIDIA - Nemotron - 3.5 Lightning

NVIDIA Nemotron 3.5 Lightning ocupa o #50 no snapshot de 2026-11-18, com Intelligence Index 6, contexto de 1M, custo por tarefa $0.31, mediana de 277 tok/s e primeiro chunk em 13.95s. É um dos 4 modelos com Intelligence Index 6.

Melhor para: Modelo carro-chefe Nemotron de NVIDIA para trabalho de coding exigente, com $0.31 por tarefa e 13.95s até o primeiro chunk.

NVIDIA

Contexto
1M
Índice AA
6
Custo por tarefa
$0.31
Velocidade
277 tok/s
Primeiro chunk
13.95s
Resposta total
15.76s