Resumo da Grana

• O Rei do Custo-Benefício: O DeepSeek V4-Pro, com sua taxa de desconto permanente de US$0,435/US$0,87 , é cerca de 12x mais barato que o GPT-5.5 Padrão e quase 30x mais barato que o Claude Opus 4.8 no output. O DeepSeek V4-Flash é ainda mais extremo, saindo por US$0,14/US$0,28 .
• Segurando a Onda: A Anthropic manteve o preço do Claude Opus 4.8 estável em US$5/US$25, o mesmo do modelo anterior . Seu novo Modo Rápido agora é 3x mais barato do que antes (US$10/US$50), o que torna os fluxos de trabalho com agentes de alta velocidade bem mais econômicos .
• A Classe Premium: O GPT-5.5 continua sendo o mais caro no modo padrão, mas seu nível Pro, a US$30/US$180, está em uma categoria à parte, feito para as tarefas de raciocínio mais complexas .
• O Novo "Flash" Premium: O Gemini 3.5 Flash do Google não é mais um modelo de baixo custo. Cotado a US$1,50/US$9,00, ele é 3x mais caro que a geração Flash anterior, colocando-o no mesmo patamar de modelos de raciocínio dedicados .

Mergulho nos Benchmarks: O Que os Números Realmente Mostram

Benchmarks só fazem sentido dentro de um contexto. Organizamos os resultados pelo que eles realmente medem — inteligência geral, capacidade de programação e performance como agente — em vez de uma nota composta única, que muitas vezes engana.

Inteligência Geral e Raciocínio

Esta categoria mede conhecimento bruto, matemática e raciocínio científico.

O Claude Opus 4.8 abriu uma vantagem pequena, mas decisiva, sobre o GPT-5.5 em inteligência geral, turbinada por um salto gigantesco de 27,4 pontos em matemática em relação ao seu predecessor . O Qwen3.7-Max se destaca como o melhor modelo chinês, quase igualando os líderes em raciocínio científico de nível de pós-graduação (GPQA Diamond) .

Engenharia de Software e Programação

Os benchmarks que realmente importam para quem desenvolve.

O poder de fogo para programar cria uma segmentação bem clara. Claude Opus 4.8 e GPT-5.5 estão empatados no topo em resolução de bugs (SWE-bench Verified), mas o Claude abre incríveis 10 pontos de vantagem no conjunto Pro, que é muito mais difícil . Para eficiência de código pura por dólar, o DeepSeek V4-Pro é imbatível, oferecendo performance de programação próxima à do GPT-5.4 com um desconto de 30x .

Agentes Autônomos e Uso de Ferramentas

A capacidade do modelo agir de forma independente em um ambiente real.

O GPT-5.5 mantém sua coroa como o modelo mais forte para trabalho de agente em terminal, mas a classificação superior do Claude Opus 4.8 em tarefas do mundo real (GDPval-AA Elo) sugere que ele é um parceiro agente mais confiável e pronto para o ambiente de negócios . Já o Grok 4.3 aparece como uma opção de baixo custo bem atraente para tarefas de alto volume que exigem seguir instruções .

A Ascensão dos Modelos Chineses

Pela primeira vez, os modelos chineses não estão competindo só no preço, mas também na capacidade. O Qwen3.7-Max lidera todos os modelos no benchmark de programação autônoma SWE-bench Pro com 60,6% . O Kimi K2.6 iguala a performance do GPT-5.5 nesse mesmo teste e lidera todos os outros modelos no "Último Exame da Humanidade" (HLE) com ferramentas, marcando 54,0% . Eles estão desafiando a fronteira americana em tarefas de raciocínio puro, ao mesmo tempo em que cortam drasticamente os preços.

Pontos de Atenção Antes de Escolher

Uma comparação direta, de igual para igual, entre todos os sete modelos é impossível no momento porque cada fornecedor escolhe quais benchmarks divulgar . Fique de olho nesses detalhes que podem sabotar uma escolha baseada só em números:

• Verbosidade Tem Custo Oculto: O preço por token não é o custo total. O Qwen3.7-Max, por exemplo, é notoriamente verborrágico, chegando a gerar 97 milhões de tokens contra uma mediana de 24 milhões em testes, o que infla a conta diretamente .
• Inflação de Benchmark: Cada fornecedor seleciona as configurações que mais favorecem seus resultados. A pontuação do GPT-5.5 no SWE-bench Verified, por exemplo, pode variar conforme o nível de "esforço de raciocínio" aplicado .
• O Custo Real da Inteligência: O Artificial Analysis oferece uma métrica útil chamada "custo para executar o índice". Rodar a suíte de testes completa no Gemini 3.5 Flash custa US$1.551,60, tornando-o mais caro que o poderoso Gemini 3.1 Pro Preview (US$892,28), apesar do seu preço por token ser mais baixo .

O Veredito: Qual Modelo é o Ideal para Você?

A sua prioridade deve ditar a sua escolha:

• Melhor Qualidade Absoluta (Código e Matemática): Claude Opus 4.8. É o novo rei dos benchmarks e a aposta mais segura para trabalhos onde um erro custa caro .
• Melhor Custo-Benefício de Ponta: DeepSeek V4-Pro. Oferece um valor imbatível para programação, enquanto o Kimi K2.6 é a melhor pedida em raciocínio bruto por dólar .
• Carga de Trabalho com Agentes, Rápida e Confiável: Gemini 3.5 Flash. Agora é o modelo mais forte do Google para programação e roda 4x mais rápido que os modelos de ponta típicos, sendo ideal para loops de agente em tempo real .
• Inteligência de Ponta com Orçamento Apertado: Grok 4.3. Por US$1,25/US$2,50, é o melhor preço para um modelo de ponta completo, construído nos EUA por um grande fornecedor .
• Programação Autônoma com Contexto Massivo: Qwen3.7-Max. É a melhor escolha para desenvolvedores que precisam de uma janela de contexto de 1M de tokens e desempenho de ponta em programação de agentes a um preço moderado .

Para qualquer uso crítico, faça testes com a sua própria carga de trabalho. Os benchmarks divulgados servem como um bom ponto de partida, não como uma resposta definitiva.

Resumo da Grana

• O Rei do Custo-Benefício: O DeepSeek V4-Pro, com sua taxa de desconto permanente de US$0,435/US$0,87 , é cerca de 12x mais barato que o GPT-5.5 Padrão e quase 30x mais barato que o Claude Opus 4.8 no output. O DeepSeek V4-Flash é ainda mais extremo, saindo por US$0,14/US$0,28 .
• Segurando a Onda: A Anthropic manteve o preço do Claude Opus 4.8 estável em US$5/US$25, o mesmo do modelo anterior . Seu novo Modo Rápido agora é 3x mais barato do que antes (US$10/US$50), o que torna os fluxos de trabalho com agentes de alta velocidade bem mais econômicos .
• A Classe Premium: O GPT-5.5 continua sendo o mais caro no modo padrão, mas seu nível Pro, a US$30/US$180, está em uma categoria à parte, feito para as tarefas de raciocínio mais complexas .
• O Novo "Flash" Premium: O Gemini 3.5 Flash do Google não é mais um modelo de baixo custo. Cotado a US$1,50/US$9,00, ele é 3x mais caro que a geração Flash anterior, colocando-o no mesmo patamar de modelos de raciocínio dedicados .

Mergulho nos Benchmarks: O Que os Números Realmente Mostram

Benchmarks só fazem sentido dentro de um contexto. Organizamos os resultados pelo que eles realmente medem — inteligência geral, capacidade de programação e performance como agente — em vez de uma nota composta única, que muitas vezes engana.

Inteligência Geral e Raciocínio

Esta categoria mede conhecimento bruto, matemática e raciocínio científico.

O Claude Opus 4.8 abriu uma vantagem pequena, mas decisiva, sobre o GPT-5.5 em inteligência geral, turbinada por um salto gigantesco de 27,4 pontos em matemática em relação ao seu predecessor . O Qwen3.7-Max se destaca como o melhor modelo chinês, quase igualando os líderes em raciocínio científico de nível de pós-graduação (GPQA Diamond) .

Engenharia de Software e Programação

Os benchmarks que realmente importam para quem desenvolve.

O poder de fogo para programar cria uma segmentação bem clara. Claude Opus 4.8 e GPT-5.5 estão empatados no topo em resolução de bugs (SWE-bench Verified), mas o Claude abre incríveis 10 pontos de vantagem no conjunto Pro, que é muito mais difícil . Para eficiência de código pura por dólar, o DeepSeek V4-Pro é imbatível, oferecendo performance de programação próxima à do GPT-5.4 com um desconto de 30x .

Agentes Autônomos e Uso de Ferramentas

A capacidade do modelo agir de forma independente em um ambiente real.

O GPT-5.5 mantém sua coroa como o modelo mais forte para trabalho de agente em terminal, mas a classificação superior do Claude Opus 4.8 em tarefas do mundo real (GDPval-AA Elo) sugere que ele é um parceiro agente mais confiável e pronto para o ambiente de negócios . Já o Grok 4.3 aparece como uma opção de baixo custo bem atraente para tarefas de alto volume que exigem seguir instruções .

A Ascensão dos Modelos Chineses

Pela primeira vez, os modelos chineses não estão competindo só no preço, mas também na capacidade. O Qwen3.7-Max lidera todos os modelos no benchmark de programação autônoma SWE-bench Pro com 60,6% . O Kimi K2.6 iguala a performance do GPT-5.5 nesse mesmo teste e lidera todos os outros modelos no "Último Exame da Humanidade" (HLE) com ferramentas, marcando 54,0% . Eles estão desafiando a fronteira americana em tarefas de raciocínio puro, ao mesmo tempo em que cortam drasticamente os preços.

Pontos de Atenção Antes de Escolher

Uma comparação direta, de igual para igual, entre todos os sete modelos é impossível no momento porque cada fornecedor escolhe quais benchmarks divulgar . Fique de olho nesses detalhes que podem sabotar uma escolha baseada só em números:

• Verbosidade Tem Custo Oculto: O preço por token não é o custo total. O Qwen3.7-Max, por exemplo, é notoriamente verborrágico, chegando a gerar 97 milhões de tokens contra uma mediana de 24 milhões em testes, o que infla a conta diretamente .
• Inflação de Benchmark: Cada fornecedor seleciona as configurações que mais favorecem seus resultados. A pontuação do GPT-5.5 no SWE-bench Verified, por exemplo, pode variar conforme o nível de "esforço de raciocínio" aplicado .
• O Custo Real da Inteligência: O Artificial Analysis oferece uma métrica útil chamada "custo para executar o índice". Rodar a suíte de testes completa no Gemini 3.5 Flash custa US$1.551,60, tornando-o mais caro que o poderoso Gemini 3.1 Pro Preview (US$892,28), apesar do seu preço por token ser mais baixo .

O Veredito: Qual Modelo é o Ideal para Você?

A sua prioridade deve ditar a sua escolha:

• Melhor Qualidade Absoluta (Código e Matemática): Claude Opus 4.8. É o novo rei dos benchmarks e a aposta mais segura para trabalhos onde um erro custa caro .
• Melhor Custo-Benefício de Ponta: DeepSeek V4-Pro. Oferece um valor imbatível para programação, enquanto o Kimi K2.6 é a melhor pedida em raciocínio bruto por dólar .
• Carga de Trabalho com Agentes, Rápida e Confiável: Gemini 3.5 Flash. Agora é o modelo mais forte do Google para programação e roda 4x mais rápido que os modelos de ponta típicos, sendo ideal para loops de agente em tempo real .
• Inteligência de Ponta com Orçamento Apertado: Grok 4.3. Por US$1,25/US$2,50, é o melhor preço para um modelo de ponta completo, construído nos EUA por um grande fornecedor .
• Programação Autônoma com Contexto Massivo: Qwen3.7-Max. É a melhor escolha para desenvolvedores que precisam de uma janela de contexto de 1M de tokens e desempenho de ponta em programação de agentes a um preço moderado .

Para qualquer uso crítico, faça testes com a sua própria carga de trabalho. Os benchmarks divulgados servem como um bom ponto de partida, não como uma resposta definitiva.