TECHAGENT - MY AI LIFE

Comparativos de mercado do modelo de IA

Padrão: 36 · HF: 22

Sobre os benchmarks

Benchmarks são testes padronizados que avaliam o desempenho de modelos de IA em raciocínio, conhecimento, matemática e programação. Use-os para comparar modelos de forma objetiva e escolher o modelo certo para sua tarefa.

📊 Padrão. Padrão - os quatro benchmarks públicos mais citados (MMLU, GPQA, HumanEval, SWE-Bench), retirados da página de anúncio de cada modelo; nossa pontuação os combina em um único número.

🤗 Tabela de classificação HF Open LLM. HF Open LLM Leaderboard - seis tarefas (IFEval, BBH, MATH, GPQA, MuSR, MMLU-Pro) medidas uniformemente para modelos de código aberto; ordenada pela média.

📊 Padrão (MMLU · GPQA · HumanEval · SWE-Bench)🤗 Tabela de classificação HF Open LLM
📚MMLU
57 disciplinas acadêmicas
o1
OpenAI
92.3%
🔬GPQA Diamond
Questões científicas de nível de doutorado
o1
OpenAI
77.3%
💻HumanEval
Geração de código Python
DeepSeek R1
DeepSeek
92.6%
🔧SWE-Bench
Tarefas reais do GitHub
Claude Opus 4.1
Anthropic
74.5%
📚MMLU

57 disciplinas acadêmicas

🔬GPQA Diamond

Questões científicas de nível de doutorado

💻HumanEval

Geração de código Python

🔧SWE-Bench

Tarefas reais do GitHub

TodosCódigo abertoAnthropic (4)OpenAI (4)Google (4)Yandex (3)Meta (3)
#Modelo↕Fornecedor↕MMLU↕GPQA↕HumanEval↕SWE-Bench↕Pontuação↑
1MetaLlama 3.2 3BMeta
63.4
24.7
58.3
9.5
37.0
2Mistral AIMistral NeMoMistral AI
68.0
32.0
73.4
15.0
45.3
3CohereCommand R+Cohere
80.4
30.1
74.2
16.8
47.9
4GoogleGemma 2 27BGoogle
75.2
38.4
74.0
14.7
48.7
5GoogleGemini 1.5 FlashGoogle
78.9
37.0
78.9
16.2
50.7
6OpenAIGPT-4o miniOpenAI
82.0
40.1
87.1
22.8
55.9
7MetaLlama 3.1 70BMeta
83.6
46.7
80.5
21.8
56.3
8GoogleGemini 2.0 FlashGoogle
83.0
45.0
85.0
22.0
56.9
9GoogleGemini 1.5 ProGoogle
85.9
46.2
84.1
26.9
58.8
10Alibaba/QwenQwen 2.5 Coder 32BAlibaba/Qwen
80.0
42.0
92.3
30.0
59.2
11Alibaba/QwenQwen 2.5 72BAlibaba/Qwen
86.1
49.0
86.5
23.7
59.5
12AnthropicClaude Haiku 4.5Anthropic
82.9
43.0
88.3
33.2
59.9
13Mistral AIMistral Large 2Mistral AI
84.0
47.2
92.1
32.6
62.1
14SberGigaChat ProSber
68.0
-
60.0
-63.6
15MetaLlama 3.1 405BMeta
88.6
50.7
89.0
34.1
63.7
16YandexYandexGPT 4 LiteYandex
69.0
-
62.0
-65.1
17HyperCLOVA XNaver
79.0
-
55.0
-65.7
18OpenAIGPT-4oOpenAI
88.7
53.6
90.2
38.3
65.9
19AlibabaQwen MaxAlibaba
89.0
59.0
87.0
37.0
66.5
20YandexYandexGPT 3 ProYandex
72.0
-
65.0
-68.1
21DeepSeekDeepSeek V3DeepSeek
88.5
59.1
89.4
42.0
68.3
22SberGigaChat MaxSber
74.0
-
68.0
-70.7
23BaiduERNIE 4.5Baidu
88.0
55.0
82.0
-72.8
24OpenAIo3-miniOpenAI
86.9
67.4
91.7
49.3
72.9
25MiniMax Text-01MiniMax
88.0
56.0
84.0
-73.9
26AnthropicClaude Sonnet 4.6Anthropic
88.3
65.0
92.0
57.0
74.4
27YandexYandexGPT 4 ProYandex
78.0
-
72.0
-74.7
28DeepSeekDeepSeek R1DeepSeek
90.8
71.5
92.6
49.2
75.1
29OpenAIo1OpenAI
92.3
77.3
92.4
48.9
77.0
30TencentHunyuan ProTencent
81.0
-
74.0
-77.1
31ByteDanceDoubao Pro 32KByteDance
82.0
-
75.0
-78.1
32BaiduERNIE 4.0 TurboBaidu
82.0
-
76.0
-78.7
33Zhipu AIGLM-4 PlusZhipu AI
83.0
-
76.0
-79.1
34Moonshot AIMoonshot v1 128KMoonshot AI
83.0
-
77.0
-79.7
35AnthropicClaude Opus 4.7Anthropic
90.1
74.3
92.1
72.5
81.5
36AnthropicClaude Opus 4.1Anthropic---
74.5
-
Pontuação = MMLU×20% + GPQA×30% + HumanEval×25% + SWE-Bench×25%Todas as pontuações em % · quanto maior, melhor→ Tabela completa de modelos com preços e rapidez