GPT-5.5 vs Claude Opus 4.7 vs DeepSeek V4 vs Kimi K2.6: qual modelo vence?

Para quem avalia uso em produto, a pergunta certa não é apenas qual é mais inteligente. É: qual modelo resolve melhor o seu tipo de tarefa, no seu orçamento, com a variante e o modo de raciocínio corretos?

Veredito rápido

No agregado, GPT-5.5 sai na frente

O sinal agregado mais limpo nas fontes disponíveis vem da Artificial Analysis. O ranking coloca GPT-5.5 xhigh em primeiro, com Intelligence Index 60, e GPT-5.5 high em segundo, com 59; Claude Opus 4.7 Adaptive Reasoning Max Effort aparece com 57.

Kimi K2.6 aparece abaixo desse topo GPT-5.5/Claude nos recortes compostos disponíveis. O OpenRouter lista Kimi K2.6 com 53,9 em Intelligence, 47,1 em Coding e 66,0 em Agentic, enquanto a comparação da LLMBase entre DeepSeek V4 Flash High e Kimi K2.6 também lista Kimi com 53,9 em Intelligence e 47,1 em Coding. A mesma comparação da LLMBase lista DeepSeek V4 Flash High com 44,9 em Intelligence e 39,8 em Coding, mas aqui a ressalva é importante: trata-se da variante Flash, não do DeepSeek V4 Pro ou Pro-Max.

O ponto fraco dessa leitura é que as fontes disponíveis não trazem uma única tabela agregada, completa e perfeitamente equivalente colocando GPT-5.5, Claude Opus 4.7, DeepSeek V4 Pro-Max e Kimi K2.6 lado a lado.

Nos benchmarks compartilhados, Claude e GPT-5.5 dividem vitórias

A tabela da VentureBeat é a comparação mais útil para colocar DeepSeek-V4-Pro-Max, GPT-5.5, GPT-5.5 Pro quando aparece e Claude Opus 4.7 nas mesmas linhas.

A conclusão aqui é de placar dividido, não de goleada. Claude Opus 4.7 tem o caso mais forte nessa tabela em GPQA Diamond, HLE sem ferramentas, SWE-Bench Pro e MCP Atlas. GPT-5.5 vence entre os modelos base em Terminal-Bench 2.0 e BrowseComp, e GPT-5.5 Pro fica acima quando a VentureBeat inclui essa variante em HLE com ferramentas e BrowseComp.

DeepSeek-V4-Pro-Max é competitivo em várias linhas, mas não supera o melhor resultado de GPT-5.5 ou Claude Opus 4.7 na tabela compartilhada da VentureBeat. Sua disputa mais apertada é em BrowseComp: 83,4%, contra 84,4% do GPT-5.5 e 79,3% do Claude Opus 4.7.

Em código, a resposta depende do tipo de trabalho

Para engenharia de software em repositórios, Claude Opus 4.7 tem o melhor resultado compartilhado no SWE-Bench Pro da tabela da VentureBeat: 64,3%, contra 58,6% do GPT-5.5 e 55,4% do DeepSeek-V4-Pro-Max.

DeepSeek V4 Pro, porém, tem o perfil de coding mais detalhado nas listagens disponíveis. A Together AI lista 93,5% no LiveCodeBench, rating 3206 no Codeforces, 80,6% no SWE-Bench Verified e 76,2% no SWE-Bench Multilingual. O card da NVIDIA também separa variantes DeepSeek V4 Flash e V4 Pro em benchmarks como GPQA Diamond, HLE, LiveCodeBench e Codeforces, com V4-Pro Max em 93,5 no LiveCodeBench e 3206 no Codeforces.

Kimi K2.6 também tem evidência relevante para código, mas as tabelas mais fortes focadas em Kimi nas fontes disponíveis comparam o modelo principalmente com concorrentes da geração anterior. A Lorka lista Kimi K2.6 com 58,6% no SWE-Bench Pro, 54,0% no HLE-Full com ferramentas, 90,5% no GPQA-Diamond e 79,4% no MMMU-Pro em uma tabela contra GPT-5.4, Claude Opus 4.6 e Gemini 3.1 Pro. A Verdent lista Kimi K2.6 com 80,2% no SWE-Bench Verified, 66,7% no Terminal-Bench 2.0, 54,0% no HLE com ferramentas e 89,6% no LiveCodeBench v6, além de observar que Opus 4.7 lidera o SWE-Bench Verified com 87,6%.

Isso torna Kimi K2.6 um candidato que vale teste em coding e automações com agentes. Mas, com a evidência disponível, não dá para chamá-lo de vencedor geral contra GPT-5.5 ou Claude Opus 4.7.

Preço: DeepSeek V4 tem a vantagem mais clara

Se custo de API pesa mais que um ou dois pontos em benchmark, DeepSeek V4 tem o argumento mais forte nas fontes disponíveis. A Mashable lista DeepSeek V4 a US$ 1,74 por 1 milhão de tokens de entrada e US$ 3,48 por 1 milhão de tokens de saída. Na mesma comparação, GPT-5.5 aparece a US$ 5 por 1 milhão de tokens de entrada e US$ 30 por 1 milhão de tokens de saída, enquanto Claude Opus 4.7 aparece a US$ 5 e US$ 25, respectivamente.

Não assuma que todo endpoint oferece o mesmo limite de contexto. A Mashable lista janelas de 1 milhão de tokens para DeepSeek V4, GPT-5.5 e Claude Opus 4.7, mas uma listagem do OpenRouter para DeepSeek V4 Pro mostra 256K tokens máximos e 66K tokens máximos de saída. Para produção, confirme provedor, variante, limite de saída e modo de raciocínio antes de fechar a escolha.

Melhor uso por modelo

GPT-5.5: melhor padrão quando o ranking agregado é prioridade

GPT-5.5 é a escolha mais defensável quando a decisão depende do sinal agregado disponível. A Artificial Analysis lista GPT-5.5 xhigh com 60 e GPT-5.5 high com 59, os dois primeiros lugares do recorte de Intelligence Index fornecido.

Ele também vai especialmente bem em duas linhas compartilhadas da VentureBeat: 82,7% no Terminal-Bench 2.0 e 84,4% no BrowseComp para o GPT-5.5 base, com GPT-5.5 Pro em 90,1% no BrowseComp quando essa variante aparece.

Claude Opus 4.7: forte para raciocínio difícil e tarefas SWE

Claude Opus 4.7 fica perto do GPT-5.5 no ranking agregado, com Intelligence Index 57 no modo Adaptive Reasoning Max Effort da Artificial Analysis. Na tabela compartilhada da VentureBeat, ele lidera GPT-5.5 e DeepSeek-V4-Pro-Max em GPQA Diamond, HLE sem ferramentas, SWE-Bench Pro e MCP Atlas.

O material de lançamento da Anthropic também relata resultados internos de agente de pesquisa: empate no maior score geral, 0,715, em seis módulos, e 0,813 em General Finance contra 0,767 do Opus 4.6. Por serem benchmarks internos, esses números devem ser lidos como contexto de fornecedor, não como substitutos de rankings públicos e comparações neutras.

DeepSeek V4: melhor caso de valor, desde que a variante sirva ao trabalho

A vantagem mais evidente do DeepSeek V4 é preço. Na comparação da Mashable, seus valores de entrada e saída ficam bem abaixo de GPT-5.5 e Claude Opus 4.7: US$ 1,74 e US$ 3,48 por 1 milhão de tokens, contra US$ 5/US$ 30 no GPT-5.5 e US$ 5/US$ 25 no Claude Opus 4.7.

DeepSeek V4 Pro também traz métricas fortes de coding divulgadas pela Together AI, incluindo 93,5% no LiveCodeBench, rating 3206 no Codeforces, 80,6% no SWE-Bench Verified e 76,2% no SWE-Bench Multilingual. A troca é que o DeepSeek-V4-Pro-Max fica atrás do melhor resultado de GPT-5.5 ou Claude Opus 4.7 nas linhas compartilhadas pela VentureBeat, mesmo quando chega perto em BrowseComp.

Kimi K2.6: bom candidato para coding e agentes, mas menos comprovado nesta disputa

Kimi K2.6 é mais difícil de posicionar numa corrida direta entre quatro modelos porque as tabelas focadas em Kimi disponíveis comparam o modelo principalmente com GPT-5.4 e Claude Opus 4.6, não com GPT-5.5 e Claude Opus 4.7. Ainda assim, os sinais não são fracos: o OpenRouter lista Kimi K2.6 com 53,9 em Intelligence, 47,1 em Coding e 66,0 em Agentic, enquanto a Verdent lista 80,2% no SWE-Bench Verified e 89,6% no LiveCodeBench v6.

A conclusão prática não é que Kimi K2.6 esteja fora do jogo. É que a evidência direta é mais fina. Se preço, rota de implantação ou comportamento agentic do Kimi se encaixarem na sua stack, ele merece avaliação própria. As fontes aqui, porém, não sustentam chamá-lo de vencedor geral contra GPT-5.5 ou Claude Opus 4.7.

Ressalvas antes de escolher

• O nome da variante importa. DeepSeek V4 aparece nas fontes como V4, V4 Flash, V4 Pro e DeepSeek-V4-Pro-Max, e preços, limites e resultados mudam conforme variante e modo de raciocínio.
• As comparações de Kimi são menos diretas. As tabelas mais fortes sobre Kimi K2.6 nas fontes disponíveis muitas vezes o colocam contra GPT-5.4 e Claude Opus 4.6, não contra GPT-5.5 e Claude Opus 4.7.
• Humanity’s Last Exam sem ferramentas aparece inconsistente entre recortes. LLM Stats e VentureBeat reportam GPT-5.5 com 41,4% e Claude Opus 4.7 com 46,9%, enquanto um recorte da Mashable para GPT versus Claude reporta GPT-5.5 com 40,6% e Opus 4.7 com 31,2%.
• Benchmark interno não é o mesmo que leaderboard independente. O post de lançamento da Anthropic traz ganhos internos do Opus 4.7 em agente de pesquisa, mas esses resultados devem ser lidos de forma diferente de comparações públicas entre fornecedores.
• Preço e contexto variam por provedor. A mesma família de modelos pode aparecer com janelas de contexto, limites de saída e valores diferentes conforme endpoint e listagem.

Conclusão

Escolha GPT-5.5 se o seu critério principal é o melhor sinal agregado de inteligência nas fontes disponíveis. Escolha Claude Opus 4.7 se seu trabalho se parece com as linhas difíceis em que ele lidera, como GPQA Diamond, HLE sem ferramentas, SWE-Bench Pro e MCP Atlas. Escolha DeepSeek V4 se custo-benefício for central e você puder validar a variante exata que vai usar; o preço listado de API é muito menor que o de GPT-5.5 e Claude Opus 4.7, e DeepSeek V4 Pro tem métricas fortes de coding divulgadas. Trate Kimi K2.6 como candidato sério para coding e agentes, mas não como vencedor geral comprovado contra GPT-5.5 ou Claude Opus 4.7 com base na evidência direta disponível.