As melhores IA para matemática

Nem todos os modelos foram medidos aqui. Dos dez primeiros da aba “Por votos humanos”, esta tabela não inclui 2 — Gemini 3.6 Flash, ERNIE 5.1. Não têm nenhuma pontuação nos conjuntos de tarefas desta aba: um espaço vazio significa “não medido”, não “teve mau desempenho”. O modelo mais recente alcançado por este conjunto foi lançado em 27 julho 2026.

A tabela rola na horizontal: nem todas as colunas cabem.

As colunas da direita são as parcelas da pontuação, trazidas para uma escala comum de 0 a 100 pela dispersão real entre os modelos medidos. Somadas com os pesos indicados, dão o número da coluna principal: nelas dá para ver em que exatamente um modelo superou outro. Um travessão significa “não medido”, não zero.

A coluna “conjuntos” indica com base em quantos conjuntos de tarefas foi calculada a pontuação deste modelo. Quanto mais houver, mais confiável é o número: uma pontuação sobre dois conjuntos é mais dispersa do que sobre seis, e o ajuste de cobertura leva em conta exatamente isso.

O preço é o mais baixo entre os fornecedores do modelo, tarifa base, sem tarifas em lote nem reduzidas. A entrada e a saída são mostradas separadamente de propósito: na maioria dos modelos a saída custa várias vezes mais que a entrada, e a conta final depende do que predomina na tarefa.

A tabela rola na horizontal: nem todas as colunas cabem.

O preço é o mais baixo entre os fornecedores do modelo, tarifa base, sem tarifas em lote nem reduzidas. A entrada e a saída são mostradas separadamente de propósito: na maioria dos modelos a saída custa várias vezes mais que a entrada, e a conta final depende do que predomina na tarefa.

O sinal ≈ marca os modelos cujo intervalo de confiança se sobrepõe ao da linha acima. Aqui há 99 modelos — a ordem entre eles não é determinada pelos dados disponíveis.

O intervalo de confiança de metade dos modelos ultrapassa 28,2 pontos — ou seja, cerca de 18 linhas adjacentes da tabela. Dentro desse grupo a ordem não é dada pelos dados, mas por quem votou desta vez; os dados sustentam a diferença entre o início e o fim da lista, mas não a vizinhança dos lugares. Votos por modelo aqui — mediana 1.661: quanto menos houver, mais largo é o intervalo.