Pular para o conteúdo principal

Modelos de IA ranqueados por tarefa

Votos públicos, tarefa por tarefa, ao lado dos nossos próprios testes de até onde cada modelo vai.

Em 19 de out. de 2026, os líderes por tarefa segundo os votos públicos são Wan 3.0 em texto para vídeo, MiniMax H3 Max em imagem para vídeo, Seedance 2.5 em referência para vídeo, GPT Image 2.5 Sunburst em texto para imagem e GPT Image 2.5 Sunburst em edição de imagem.

Ranking de qualidade de voz

Votos humanos independentes de escuta de síntese de voz. Estas pontuações Elo não entram no Spicy Index.

Consultado em 29 de set. de 2026 · 5 modelos do catálogo identificados em um ranking com 92 modelos.

  1. 1Gemini 3.8 Flash TTS
    1.267 Elo95% CI 1.251–1.283

    2.211 votos de escuta

  2. 2Gemini 3.8 Flash-Lite TTS
    1.241 Elo95% CI 1.225–1.257

    2.180 votos de escuta

  3. 3MiniMax Speech 2.8 HD
    1.171 Elo95% CI 1.160–1.182

    4.498 votos de escuta

  4. 4MiniMax Speech 2.8 Turbo
    1.151 Elo95% CI 1.140–1.162

    4.391 votos de escuta

  5. 5Chatterbox
    1.023 Elo95% CI 1.012–1.034

    4.603 votos de escuta

A ordem usa estimativas pontuais. Intervalos de confiança de 95% sobrepostos não demonstram uma diferença clara de qualidade.

Artificial Analysis

Cumprimento de tarefas com documentos longos

Seis documentos fixos compartilhados, quatro perguntas cada: recuperação, raciocínio em etapas, fatos atualizados e informações ausentes. Os pontos exigem respostas corretas em JSON estrito e não entram no Spicy Index.

  1. Claude Opus 5.5

    Atualizado em 30 de set. de 2026

    Entrada medida: 47.180–47.180 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  2. DeepSeek V4 Flash

    Atualizado em 30 de set. de 2026

    Entrada medida: 32.087–32.087 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  3. DeepSeek V4 Pro

    Atualizado em 30 de set. de 2026

    Entrada medida: 32.087–32.087 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  4. GLM 5.2

    Atualizado em 30 de set. de 2026

    Entrada medida: 38.336–38.429 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  5. GLM 5.3

    Atualizado em 30 de set. de 2026

    Entrada medida: 38.336–38.429 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  6. GLM 5.3 Flash

    Atualizado em 30 de set. de 2026

    Entrada medida: 38.336–38.429 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  7. Kimi K3

    Atualizado em 30 de set. de 2026

    Entrada medida: 32.084–32.086 tokens

    100,0 / 100

    24/24 respostas corretas no formato exigido

  8. Gemini 3.5 Flash-Lite

    Atualizado em 30 de set. de 2026

    Entrada medida: 53.282–53.282 tokens

    95,8 / 100

    23/24 respostas corretas no formato exigido

  9. Claude Opus 4.6

    Atualizado em 30 de set. de 2026

    Entrada medida: 33.716–33.716 tokens

    Amostras: 0 recusas · 1 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    83,3 / 100

    20/24 respostas corretas no formato exigido

  10. Gemini 3 Flash Preview

    Atualizado em 30 de set. de 2026

    Entrada medida: 53.282–53.283 tokens

    Amostras: 0 recusas · 1 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    83,3 / 100

    20/24 respostas corretas no formato exigido

  11. Grok 4.6

    Atualizado em 30 de set. de 2026

    Entrada medida: 32.211–32.211 tokens

    Amostras: 0 recusas · 1 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    83,3 / 100

    20/24 respostas corretas no formato exigido

  12. Claude Sonnet 5

    Atualizado em 30 de set. de 2026

    Entrada medida: 47.178–47.178 tokens

    Amostras: 0 recusas · 2 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    66,7 / 100

    16/24 respostas corretas no formato exigido

  13. Gemini 3.1 Pro Preview

    Atualizado em 30 de set. de 2026

    Entrada medida: 53.283–53.283 tokens

    Amostras: 0 recusas · 2 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    66,7 / 100

    16/24 respostas corretas no formato exigido

  14. Grok 4.5

    Atualizado em 30 de set. de 2026

    Entrada medida: 32.211–32.211 tokens

    Amostras: 0 recusas · 4 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    33,3 / 100

    8/24 respostas corretas no formato exigido

  15. Claude Opus 4.5

    Atualizado em 30 de set. de 2026

    Entrada medida: 33.716–33.745 tokens

    Amostras: 0 recusas · 5 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    16,7 / 100

    4/24 respostas corretas no formato exigido

  16. Gemini 3.7 Flash

    Atualizado em 30 de set. de 2026

    Entrada medida: 53.283–53.283 tokens

    Amostras: 0 recusas · 5 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    16,7 / 100

    4/24 respostas corretas no formato exigido

  17. Claude Opus 5

    Atualizado em 30 de set. de 2026

    Entrada medida: 47.178–47.178 tokens

    Amostras: 6 recusas · 6 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    0,0 / 100

    0/24 respostas corretas no formato exigido

  18. Claude Sonnet 4.5

    Atualizado em 30 de set. de 2026

    Entrada medida: 33.745–33.745 tokens

    Amostras: 0 recusas · 6 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    0,0 / 100

    0/24 respostas corretas no formato exigido

  19. Claude Sonnet 4.6

    Atualizado em 30 de set. de 2026

    Entrada medida: 33.716–33.716 tokens

    Amostras: 0 recusas · 6 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    0,0 / 100

    0/24 respostas corretas no formato exigido

  20. Gemini 2.5 Flash

    Atualizado em 30 de set. de 2026

    Entrada medida: 53.282–53.282 tokens

    Amostras: 0 recusas · 6 falhas de formato JSON · 0 atingiram o limite de saída. As categorias podem se sobrepor.

    0,0 / 100

    0/24 respostas corretas no formato exigido

Todos os modelos recebem os mesmos textos: 31.998 tokens de referência por documento (o200k_base, tiktoken 0.14.0), com limite de saída de 4.096 tokens. Blocos de código contam como falhas de formato, mesmo que as respostas contidas neles estejam corretas. Somente as seis amostras concluídas são publicadas. Isso não mede o tamanho máximo do contexto nem o conjunto completo de testes de contexto longo.

Método do teste

Transcrição de trechos curtos em inglês

Seis trechos fixos de leitura, de seis pessoas: 53,6 segundos e 146 palavras de referência. Este pequeno teste não mede letras de músicas, fala com ruído nem a capacidade geral de transcrição. Não entra no Spicy Index.

  • Grok STT

    Atualizado em 30 de set. de 2026

    2 substituições · 0 omissões · 0 inserções / 146 palavras de referência

    1,37% WER

    Quanto menor, melhor

  • HeartMuLa Transcribe

    Atualizado em 30 de set. de 2026

    4 substituições · 0 omissões · 2 inserções / 146 palavras de referência

    4,11% WER

    Quanto menor, melhor

A taxa de erro por palavra (WER) soma substituições, omissões e inserções e divide pelo total de palavras de referência. Maiúsculas e pontuação são normalizadas de forma uniforme; apóstrofos internos são mantidos. Só aparecem resultados completos dos seis trechos. A WER pode ultrapassar 100%.

Método de transcrição

Perguntas sobre as classificações