Segunda Divisão: Os Especialistas e Velozes

Claude Opus 4.8 (Anthropic)

Antes da chegada do Fable 5, o Opus 4.8 era o rei incontestável. Lançado no final de maio de 2026, é agora o poderoso vice-líder da Anthropic e continua sendo um modelo de primeira linha por mérito próprio .

• Geral e Agentivo: Foi o primeiro modelo a liderar o Índice de Inteligência Artificial Analysis com 61,4 pontos e o ranking GDPval-AA com 1890 Elo, antes de ser superado pelo Fable 5 .
• Codificação: Marca 69,2% no SWE-bench Pro e 88,6% no SWE-bench Verified .
• Matemática: Demonstrou um salto histórico de 27 pontos no benchmark de matemática competitiva USAMO 2026, subindo de 69,3% para 96,7% em apenas 41 dias .
• Honestidade: O modelo tem a menor taxa de alucinação factual entre seus pares, principalmente por se abster de responder quando está incerto, em vez de chutar .

GPT-5.5 (OpenAI)

O GPT-5.5, lançado no final de abril de 2026, foi o primeiro desta geração a retomar a liderança de desempenho geral para a OpenAI, mas com um conjunto de habilidades mais especializado .

• Raciocínio Matemático: É o modelo destaque em matemática, com 51,7% no FrontierMath Nível 1-3 e 35,4% no quase impossível Nível 4 — uma liderança clara sobre o resto .
• Autonomia em Terminal (CLI): Também lidera no Terminal-Bench 2.0, com 82,7% em tarefas complexas de linha de comando, contra 69,4% do Claude Opus 4.7 .
• Contexto Longo: O GPT-5.5 deu um salto de 37 pontos na recuperação de informações em contextos longos (MRCR v2), atingindo 74,0% com 1 milhão de tokens, deixando para trás os 36,6% de seu antecessor .
• Ressalva em Codificação: Apesar de ser um forte modelo geral, sua pontuação de 58,6% no SWE-Bench Pro agora fica significativamente atrás dos modelos da Anthropic .

Gemini 3.5 Flash (Google)

Apresentado no Google I/O 2026, este modelo é da categoria 'Flash', o que significa que foi projetado para velocidade e eficiência de custo, sem abrir mão da capacidade de superar expectativas .

• Velocidade e Custo-Benefício: Segundo relatos, é 4x mais rápido que o Gemini 3.1 Pro para tarefas de agente e codificação, com preços competitivos .
• Capacidade Agentiva e Uso de Ferramentas: Alcança uma pontuação forte de 83,6% no MCP Atlas, um benchmark de uso de ferramentas em várias etapas .
• Codificação e Visão: No SWE-Bench Pro, sua pontuação de 55,1% supera ligeiramente seu predecessor maior, o Gemini 3.1 Pro, e marca 84,2% no benchmark de raciocínio visual CharXiv .
• Verificação da Realidade em Codificação: Dados independentes da Artificial Analysis sugerem que suas pontuações em codificação são significativamente mais fracas do que as comparações do próprio Google sugerem, portanto, sua real utilidade para desenvolvedores ainda está sendo validada .

Grok 4.3 (xAI)

Lançado discretamente no final de abril de 2026, o Grok 4.3 é uma aposta em eficiência de custo e velocidade que se destaca em áreas de nicho .

• Classificação Geral: Pontua 53 no Índice de Inteligência Artificial Analysis. Isso o coloca acima de modelos intermediários como o Claude Sonnet 4.6, mas bem abaixo dos líderes GPT-5.5, Claude Opus 4.7 e Gemini 3.1 Pro .
• Rei em Seguir Instruções: Ocupa o 1º lugar no IFBench com 81%, superando GPT-5.5, Gemini 3.1 Pro e Claude Opus 4.7 .
• Explosão Agentiva: O Grok 4.3 mostra um salto massivo de +321 pontos Elo no benchmark de tarefas agentivas GDPval-AA em relação ao seu antecessor, atingindo 1500 pontos . Ele também lidera o campo com 98% no benchmark τ²-Bench Telecom .
• Demônio da Velocidade: Relatórios iniciais apontam velocidade de 159 tokens por segundo, com outros benchmarks mostrando entre 78,4 e 196 tokens/s .
• Preço e Limites: Com preço agressivo estimado em US$ 1,25/US$ 2,50 por milhão de tokens (entrada/saída), é uma excelente opção de valor para domínios específicos, mas não um competidor em inteligência geral .

O Concorrente de Código Aberto: DeepSeek V4 Pro (DeepSeek AI)

Lançado em abril de 2026, o DeepSeek V4 Pro é o mais forte desafiante de código aberto, oferecendo um valor incrível em codificação, mas com uma ressalva crítica de uma avaliação independente.

• Líder em Custo-Benefício para Codificação: Alcança impressionantes 80,6% no SWE-bench Verified e 93,5% no LiveCodeBench, ficando a um fio de cabelo do Claude Opus 4.6 em codificação por uma fração do preço (custo estimado de ~US$ 3,48 por milhão de tokens de saída) .
• O Veredito do CAISI: Uma avaliação independente do órgão governamental americano CAISI concluiu que as capacidades do DeepSeek V4 estavam cerca de 8 meses atrás da fronteira tecnológica. Enquanto os dados da própria DeepSeek o comparavam ao GPT-5.4, o CAISI equipara seu desempenho ao do GPT-5 de agosto de 2025 .
• Ranking Geral: Fica para trás em conhecimento geral e raciocínio complexo em comparação com os gigantes proprietários, classificando-se em 39º lugar entre 123 modelos em um quadro de liderança mais amplo .

Segurança e Avaliações Independentes

Testes de segurança independentes e padronizados permanecem raros e muitas vezes não publicados.

• DeepSeek V4 Pro (CAISI/NIST): A avaliação do governo dos EUA continua sendo o sinal de segurança mais notável, concluindo que suas capacidades estavam cerca de 8 meses atrás da vanguarda .
• GPT-5.5 (Instituto de Segurança de IA do Reino Unido): O instituto britânico relatou que o GPT-5.5 teve uma taxa de aprovação de 71,4% em suas tarefas cibernéticas de nível especializado, observando que "pode ser o modelo mais forte que já testamos" nessa medida .

Como Interpretar Esses Resultados

É tentador coroar um único vencedor, mas os dados mostram um quadro mais prático:

• Para pura habilidade de codificação e tarefas agentivas, o Claude Fable 5 está em uma categoria própria.
• Para raciocínio matemático pesado e trabalho autônomo em linha de comando, o GPT-5.5 é a ferramenta certa.
• Para um modelo equilibrado, com ótimo custo-benefício, rápido e confiável, o Gemini 3.5 Flash é uma opção convincente, embora você deva validar suas capacidades de codificação para o seu caso de uso.
• Se você precisa de um especialista em raciocínio jurídico, finanças ou seguir instruções a um preço baixo, o Grok 4.3 é uma escolha surpreendentemente potente.
• Se você está construindo algo com orçamento limitado e precisa de codificação de ponta com licença de código aberto, o DeepSeek V4 Pro é imbatível em valor, mas sua sofisticação no mundo real pode não corresponder aos melhores.

Lembre-se sempre de que as condições dos benchmarks variam (forma de perguntar, uso de ferramentas, esforço de raciocínio) e não são um indicador perfeito para a sua aplicação específica.

Segunda Divisão: Os Especialistas e Velozes

Claude Opus 4.8 (Anthropic)

Antes da chegada do Fable 5, o Opus 4.8 era o rei incontestável. Lançado no final de maio de 2026, é agora o poderoso vice-líder da Anthropic e continua sendo um modelo de primeira linha por mérito próprio .

• Geral e Agentivo: Foi o primeiro modelo a liderar o Índice de Inteligência Artificial Analysis com 61,4 pontos e o ranking GDPval-AA com 1890 Elo, antes de ser superado pelo Fable 5 .
• Codificação: Marca 69,2% no SWE-bench Pro e 88,6% no SWE-bench Verified .
• Matemática: Demonstrou um salto histórico de 27 pontos no benchmark de matemática competitiva USAMO 2026, subindo de 69,3% para 96,7% em apenas 41 dias .
• Honestidade: O modelo tem a menor taxa de alucinação factual entre seus pares, principalmente por se abster de responder quando está incerto, em vez de chutar .

GPT-5.5 (OpenAI)

O GPT-5.5, lançado no final de abril de 2026, foi o primeiro desta geração a retomar a liderança de desempenho geral para a OpenAI, mas com um conjunto de habilidades mais especializado .

• Raciocínio Matemático: É o modelo destaque em matemática, com 51,7% no FrontierMath Nível 1-3 e 35,4% no quase impossível Nível 4 — uma liderança clara sobre o resto .
• Autonomia em Terminal (CLI): Também lidera no Terminal-Bench 2.0, com 82,7% em tarefas complexas de linha de comando, contra 69,4% do Claude Opus 4.7 .
• Contexto Longo: O GPT-5.5 deu um salto de 37 pontos na recuperação de informações em contextos longos (MRCR v2), atingindo 74,0% com 1 milhão de tokens, deixando para trás os 36,6% de seu antecessor .
• Ressalva em Codificação: Apesar de ser um forte modelo geral, sua pontuação de 58,6% no SWE-Bench Pro agora fica significativamente atrás dos modelos da Anthropic .

Gemini 3.5 Flash (Google)

Apresentado no Google I/O 2026, este modelo é da categoria 'Flash', o que significa que foi projetado para velocidade e eficiência de custo, sem abrir mão da capacidade de superar expectativas .

• Velocidade e Custo-Benefício: Segundo relatos, é 4x mais rápido que o Gemini 3.1 Pro para tarefas de agente e codificação, com preços competitivos .
• Capacidade Agentiva e Uso de Ferramentas: Alcança uma pontuação forte de 83,6% no MCP Atlas, um benchmark de uso de ferramentas em várias etapas .
• Codificação e Visão: No SWE-Bench Pro, sua pontuação de 55,1% supera ligeiramente seu predecessor maior, o Gemini 3.1 Pro, e marca 84,2% no benchmark de raciocínio visual CharXiv .
• Verificação da Realidade em Codificação: Dados independentes da Artificial Analysis sugerem que suas pontuações em codificação são significativamente mais fracas do que as comparações do próprio Google sugerem, portanto, sua real utilidade para desenvolvedores ainda está sendo validada .

Grok 4.3 (xAI)

Lançado discretamente no final de abril de 2026, o Grok 4.3 é uma aposta em eficiência de custo e velocidade que se destaca em áreas de nicho .

• Classificação Geral: Pontua 53 no Índice de Inteligência Artificial Analysis. Isso o coloca acima de modelos intermediários como o Claude Sonnet 4.6, mas bem abaixo dos líderes GPT-5.5, Claude Opus 4.7 e Gemini 3.1 Pro .
• Rei em Seguir Instruções: Ocupa o 1º lugar no IFBench com 81%, superando GPT-5.5, Gemini 3.1 Pro e Claude Opus 4.7 .
• Explosão Agentiva: O Grok 4.3 mostra um salto massivo de +321 pontos Elo no benchmark de tarefas agentivas GDPval-AA em relação ao seu antecessor, atingindo 1500 pontos . Ele também lidera o campo com 98% no benchmark τ²-Bench Telecom .
• Demônio da Velocidade: Relatórios iniciais apontam velocidade de 159 tokens por segundo, com outros benchmarks mostrando entre 78,4 e 196 tokens/s .
• Preço e Limites: Com preço agressivo estimado em US$ 1,25/US$ 2,50 por milhão de tokens (entrada/saída), é uma excelente opção de valor para domínios específicos, mas não um competidor em inteligência geral .

O Concorrente de Código Aberto: DeepSeek V4 Pro (DeepSeek AI)

Lançado em abril de 2026, o DeepSeek V4 Pro é o mais forte desafiante de código aberto, oferecendo um valor incrível em codificação, mas com uma ressalva crítica de uma avaliação independente.

• Líder em Custo-Benefício para Codificação: Alcança impressionantes 80,6% no SWE-bench Verified e 93,5% no LiveCodeBench, ficando a um fio de cabelo do Claude Opus 4.6 em codificação por uma fração do preço (custo estimado de ~US$ 3,48 por milhão de tokens de saída) .
• O Veredito do CAISI: Uma avaliação independente do órgão governamental americano CAISI concluiu que as capacidades do DeepSeek V4 estavam cerca de 8 meses atrás da fronteira tecnológica. Enquanto os dados da própria DeepSeek o comparavam ao GPT-5.4, o CAISI equipara seu desempenho ao do GPT-5 de agosto de 2025 .
• Ranking Geral: Fica para trás em conhecimento geral e raciocínio complexo em comparação com os gigantes proprietários, classificando-se em 39º lugar entre 123 modelos em um quadro de liderança mais amplo .

Segurança e Avaliações Independentes

Testes de segurança independentes e padronizados permanecem raros e muitas vezes não publicados.

• DeepSeek V4 Pro (CAISI/NIST): A avaliação do governo dos EUA continua sendo o sinal de segurança mais notável, concluindo que suas capacidades estavam cerca de 8 meses atrás da vanguarda .
• GPT-5.5 (Instituto de Segurança de IA do Reino Unido): O instituto britânico relatou que o GPT-5.5 teve uma taxa de aprovação de 71,4% em suas tarefas cibernéticas de nível especializado, observando que "pode ser o modelo mais forte que já testamos" nessa medida .

Como Interpretar Esses Resultados

É tentador coroar um único vencedor, mas os dados mostram um quadro mais prático:

• Para pura habilidade de codificação e tarefas agentivas, o Claude Fable 5 está em uma categoria própria.
• Para raciocínio matemático pesado e trabalho autônomo em linha de comando, o GPT-5.5 é a ferramenta certa.
• Para um modelo equilibrado, com ótimo custo-benefício, rápido e confiável, o Gemini 3.5 Flash é uma opção convincente, embora você deva validar suas capacidades de codificação para o seu caso de uso.
• Se você precisa de um especialista em raciocínio jurídico, finanças ou seguir instruções a um preço baixo, o Grok 4.3 é uma escolha surpreendentemente potente.
• Se você está construindo algo com orçamento limitado e precisa de codificação de ponta com licença de código aberto, o DeepSeek V4 Pro é imbatível em valor, mas sua sofisticação no mundo real pode não corresponder aos melhores.

Lembre-se sempre de que as condições dos benchmarks variam (forma de perguntar, uso de ferramentas, esforço de raciocínio) e não são um indicador perfeito para a sua aplicação específica.