800+ benchmarks de IA líderes

Reunimos uma lista com mais de 800 benchmarks de IA para LLMs, GPUs, GPUs em nuvem, agentes de IA, IA tabular e cibersegurança que ainda não estão saturados.

Crescimento dos benchmarks de IA

Observe que a maior parte do pico de maio a junho corresponde ao período em que realizamos nossa pesquisa. Benchmarks que são atualizados continuamente são datados com a última vez em que os verificamos, então eles tendem a se agrupar perto dos meses em que estávamos coletando dados, em vez de apontar para um aumento genuíno de novos benchmarks.

Benchmarks de IA por categorias

Listamos os benchmarks de IA com base em suas categorias principais. Os benchmarks de LLM lideram em número.

Benchmarks de IA por subcategorias

Lista de benchmarks de IA

Para simplificar, incluímos os 250 benchmarks mais recentes da nossa lista completa de 809 benchmarks. Leia nossa metodologia para saber como reunimos esta lista.

Notas sobre como ler a lista:

As quatro colunas com indicadores booleanos (T = verdadeiro, F = falso) indicam qual dimensão de avaliação cada benchmark cobre. Cada indicador responde a uma pergunta sim/não sobre o escopo do benchmark:

• Desempenho (T/F): O benchmark avalia capacidade ou qualidade, como precisão de saída, conclusão de tarefas ou inteligência? Isso é marcado como T para quase todos os benchmarks, já que a maioria avalia o quão bem um modelo ou sistema tem desempenho. É marcado como F para benchmarks focados puramente em custo ou velocidade e que não avaliam a qualidade de saída.
• Preço (T/F): O benchmark inclui fatores relacionados a custo, como dólares por token, preço por throughput ou custo por tarefa?
• Latência (T/F): O benchmark mede velocidade, como tokens por segundo, tempo até o primeiro token, throughput ou tempo de resposta? É F para benchmarks que avaliam correção, independentemente de quanto tempo a resposta leva.
• Confiabilidade (T/F): O benchmark avalia consistência ou confiabilidade, como variação entre execuções, estabilidade das taxas de sucesso ou robustez? Este é o indicador menos comum. É T para benchmarks projetados para essa finalidade, incluindo HAL Reliability, tau-bench/tau2-bench, METR Time Horizons e vários benchmarks de agentes nos quais a consistência da taxa de aprovação é central. É F para a maioria das tabelas de classificação que relatam uma única pontuação geral.
• Resistente à contaminação (T/F): Indica se o benchmark foi projetado para reduzir o risco de contaminação de dados, em que perguntas de teste aparecem nos dados de treinamento de um modelo, e o modelo alcança pontuações altas por memorização em vez de capacidade genuína. T significa que o benchmark tem uma defesa significativa, como um conjunto de validação oculto, perguntas recém-geradas ou rotativas, atualizações mensais, itens autogerados ou problemas de competição divulgados após o corte de treinamento de um modelo. F significa que o benchmark é um dataset público fixo que está online há anos e pode ter sido absorvido em corpora de treinamento. Nesses casos, pontuações altas devem ser interpretadas com maior cautela.

Na prática, uma linha marcada como T/F/F/F representa um benchmark puro de qualidade. Em contraste, um benchmark marcado como T/T/T/T/F avalia qualidade, custo e velocidade juntos. Esses indicadores fornecem uma taxonomia compacta que mostra quais dos quatro eixos de avaliação cada benchmark cobre.

Por que algumas células estão em branco?

Resistente à contaminação e fonte de contaminação: Esses dois campos geralmente ficam em branco para os mesmos tipos de linhas, especialmente GPU, GPU em nuvem, benchmarks de velocidade e de preços. A resistência à contaminação é relevante para benchmarks de conhecimento e raciocínio, nos quais um modelo pode ter memorizado perguntas de teste dos dados de treinamento. Para benchmarks de throughput de hardware, latência ou preços, não há perguntas de teste a contaminar, então o campo é deixado vazio em vez de ser marcado como T ou F.

Metodologia dos benchmarks de IA

Coletamos os dados dos benchmarks por meio de um processo online de pesquisa e validação. O objetivo foi construir uma lista estruturada de benchmarks de tecnologia que continuam úteis para comparar sistemas e infraestruturas de IA atuais, cobrindo LLMs, GPUs, GPUs em nuvem, agentes de IA, IA tabular e cibersegurança.

Começamos definindo o escopo do dataset. Focamos em benchmarks que medem capacidade de modelo, desempenho de infraestrutura, custo, latência, confiabilidade ou resistência à contaminação. A lista inicial de fontes incluiu os principais provedores de benchmarks e análises, como Artificial Analysis, SemiAnalysis, Vals IA, LMArena, AIMultiple e Epoch IA, bem como sites oficiais de benchmarks, repositórios do GitHub, artigos acadêmicos, páginas de tabelas de classificação e agregadores de benchmarks terceirizados relevantes.

Para cada benchmark, registramos campos descritivos e avaliativos. Os campos descritivos capturam o que é o benchmark, o que ele mede, quais produtos ou modelos são avaliados e com que frequência ele é atualizado. Os campos avaliativos classificam se o benchmark mede desempenho, preço, latência ou confiabilidade. Também coletamos informações sobre a estrutura do benchmark e a integridade dos dados.

Priorizamos fontes primárias sempre que possível. Elas incluíram páginas oficiais de metodologia de benchmarks, páginas de tabelas de classificação, repositórios do GitHub, artigos de benchmarks e documentação de provedores. Quando uma fonte primária não fornecia um campo específico, usamos fontes secundárias ou agregadores confiáveis para preencher lacunas, especialmente para as melhores pontuações, cobertura atual de modelos e datas de medição recentes. Colunas de fonte foram incluídas em todo o dataset para que a evidência de cada valor pudesse ser rastreada até sua fonte.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Cite esta pesquisa

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{ermut2026,
  author = {Ermut, Sıla},
  title  = {{800+ benchmarks de IA líderes}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/ai-benchmarks}},
  note   = {AIMultiple. Acessado em 13 Agosto 2026}
}

Sıla Ermut

Analista da Indústria

Siga-nos

Sıla Ermut é analista da indústria na AIMultiple, cobrindo modelos de IA, infraestrutura de IA, governança de IA e aplicações empresariais de IA. A sua investigação centra-se principalmente na utilização da IA em marketing, saúde, cadeias de abastecimento e sustentabilidade. Anteriormente, trabalhou como recrutadora em empresas de gestão de projetos e consultoria. Sıla possui um Mestrado em Psicologia Social e uma Licenciatura em Relações Internacionais.

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário