Comparação independente para trabalho com IA

IA News

Radar de modelos de IA

Primeira edição B: 20 identidades em seis fornecedores, preservando os nove modelos anteriores. Tarifas Standard, promoções e condições peak/off-peak explícitas. Kimi ficou fora desta edição por indisponibilidade da fonte decisiva; GLM-5.1 amplia as opções de compatibilidade. Seleção por custo e especialidade, com Artificial Analysis para descoberta. Série geral suspensa por protocolo incompleto. DeepSWE mostra somente percentuais arredondados publicados, com datas históricas e esforços distintos. Recomendações são hipóteses editoriais, sem teste direto de SDD.

Panorama

O que mudou

Edição pesquisada em 28 de out. de 2026, 17:19

Em observação

Flash tem identidade servida explícita

A API identifica deepseek-flash como V4.1-Flash-1017; nomes legados redirecionam à mesma versão e não ampliam o catálogo.

DeepSeek V4.1 Flash 1017

Data do fato não confirmada · verificado em

Entrou

Grok amplia as alternativas de código

Grok 4.7 entra no catálogo com API e tarifa documentadas, sem inferir liderança a partir do material do fornecedor.

Grok 4.7

Data do fato não confirmada · verificado em

Capacidade geral

Sem série geral independente publicada nesta edição.

Nenhuma pontuação foi estimada.

Medições de tarefas com condições compatíveis

Resultados de tarefas só aparecem juntos quando protocolo, versão, configuração, subconjunto, ambiente, ferramentas, tentativas e origem correspondem. Um resultado individual continua disponível como evidência, sem virar ranking.

DeepSWE — percentual publicado arredondado · v1.1

Unidade: % · Maior é melhor

Configuração: Esforço xhigh conforme leaderboard; 74% publicado arredondado. Endpoint, orçamento de tokens, repetições, commit do harness e fallback não confirmados. Configurações de esforço diferentes não constituem confronto controlado. · Protocolo: Código commitado avaliado em contêiner isolado; usar o percentual arredondado exibido no leaderboard. Regras completas de agregação e exclusão de erros não confirmadas nesta coleta. · Conjunto: 113 tarefas da versão v1.1; dados do leaderboard atualizados em 22/09/2026. Data exata dos experimentos desconhecida. · Ferramentas: Ferramentas e allowlists integrais da configuração medida não confirmadas; não extrapolar a configuração do exemplo de reprodução. · Origem: Medição independente

effort: xhigh

dataset: DeepSWE v1.1

scoringMethod: Percentual arredondado exibido na série v1.1; não inferir contagens de acerto, denominadores ou IC95 a partir do arredondamento.

sampling: Contagens, repetições e método completo de amostragem não confirmados. Sem inferência de observações ausentes.

GPT-6 Astra: 74 %; Esforço xhigh conforme leaderboard; 74% publicado arredondado. Endpoint, orçamento de tokens, repetições, commit do harness e fallback não confirmados. Configurações de esforço diferentes não constituem confronto controlado.GPT-6 Astra · 74 %
Escala local; não é uma nota universal. Compare apenas as condições descritas acima.
ModeloResultado (%)L/M (US$/1 milhão de tokens)E/M (US$/1 milhão de tokens)Evidência
GPT-6 AstraOpenAI · 674 %US$ 10,00US$ 50,00DeepSWE — leaderboard v1.1 · Medição independente · consultada em 28/10/2026 · data da evidência não confirmada DeepSWE — revisão metodológica v1.1 · Medição independente · consultada em 28/10/2026 · evidência de 13/06/2026 DeepSWE — executor e harness · Medição independente · consultada em 28/10/2026 · data da evidência não confirmada

DeepSWE — percentual publicado arredondado · v1.1

Unidade: % · Maior é melhor

Configuração: Esforço high conforme leaderboard; 74% publicado arredondado. Endpoint, orçamento de tokens, repetições, commit do harness e fallback não confirmados. Configurações de esforço diferentes não constituem confronto controlado. · Protocolo: Código commitado avaliado em contêiner isolado; usar o percentual arredondado exibido no leaderboard. Regras completas de agregação e exclusão de erros não confirmadas nesta coleta. · Conjunto: 113 tarefas da versão v1.1; dados do leaderboard atualizados em 22/09/2026. Data exata dos experimentos desconhecida. · Ferramentas: Ferramentas e allowlists integrais da configuração medida não confirmadas; não extrapolar a configuração do exemplo de reprodução. · Origem: Medição independente

effort: high

dataset: DeepSWE v1.1

scoringMethod: Percentual arredondado exibido na série v1.1; não inferir contagens de acerto, denominadores ou IC95 a partir do arredondamento.

sampling: Contagens, repetições e método completo de amostragem não confirmados. Sem inferência de observações ausentes.

Gemini 3.8 Flash: 74 %; Esforço high conforme leaderboard; 74% publicado arredondado. Endpoint, orçamento de tokens, repetições, commit do harness e fallback não confirmados. Configurações de esforço diferentes não constituem confronto controlado.Gemini 3.8 Flash · 74 %
Escala local; não é uma nota universal. Compare apenas as condições descritas acima.
ModeloResultado (%)L/M (US$/1 milhão de tokens)E/M (US$/1 milhão de tokens)Evidência
Gemini 3.8 FlashGoogle · 3.874 %US$ 0,75US$ 3,75DeepSWE — leaderboard v1.1 · Medição independente · consultada em 28/10/2026 · data da evidência não confirmada DeepSWE — revisão metodológica v1.1 · Medição independente · consultada em 28/10/2026 · evidência de 13/06/2026 DeepSWE — executor e harness · Medição independente · consultada em 28/10/2026 · data da evidência não confirmada