Densidade de inteligência de 71 LLMs para modelos mais inteligentes & densos

Rastreamos 71 LLMs lançados entre fevereiro de 2023 e maio de 2026 e coletamos 10 benchmarks públicos para medir a densidade de inteligência. Dividimos a pontuação de capacidade pelo recurso que o modelo consome (parâmetros ativos, computação de treinamento e preço de inferência).

Visão geral da densidade de inteligência de LLM

Para calcular a densidade de inteligência, executamos as seguintes etapas:

• Eficiência de recursos: Dividimos a capacidade de cada modelo por duas métricas de recursos:
  • Parâmetros ativos: um proxy para custo de memória e de serviço (para modelos de pesos abertos).
  • Preço de inferência: eficiência de custo de mercado com base no preço combinado da API por milhão de tokens.
  • Nota sobre a computação de treinamento (FLOP): Inicialmente incluímos um terceiro eixo, a computação de treinamento (FLOP), mas o removemos porque sua inclinação negativa nos benchmarks padrão saturados arrastou o composto de 2023–2024 para uma queda contraintuitiva.
• Agrupamento de benchmarks: Para evitar que a saturação de pontuação mascare os ganhos de eficiência, avaliamos as capacidades em duas eras distintas de benchmarks:
  • Benchmarks padrão (2023–2024): MMLU (5-shot), GSM8K (8-shot CoT), HellaSwag (10-shot), ARC Challenge (25-shot), HumanEval (0-shot pass@1).
  • Benchmarks avançados (2024–2026): MMLU-Pro, GPQA Diamond, AIME 2025, LiveCodeBench, SWE-bench Verified.
• Indexação encadeada: Calculamos o crescimento ano a ano dentro de grupos de benchmarks correspondentes e os encadeamos multiplicativamente a partir de uma linha de base de 2023 de 100 para traçar a tendência cumulativa.

Consulte a metodologia para a abordagem de pontuação e os detalhamentos por recurso.

Resultados da densidade de inteligência de LLM

Em meados de 2026, o ecossistema de IA entregou quase 15× mais inteligência por unidade de recurso (parâmetros e dólares) do que a linha de base de 2023. Duas coisas a observar ao ler a tendência:

• O salto de 2024–2025 (+362%) exagera o ganho real: os benchmarks avançados eram novos em 2024 e poucos modelos tinham pontuações neles, então a linha de base de 2024 fica artificialmente baixa. A maior parte do “surto” é o painel se completando, não um salto de eficiência de um ano.
• O ganho de 2025–2026 (+105%) é onde está a história real: ele é medido em muitos mais modelos e é impulsionado por pequenos lançamentos de pesos abertos como Qwen 3.6-35B-A3B e DeepSeek V4 Flash, que igualam a capacidade dos modelos fechados de fronteira por uma fração do tamanho e do custo.

Capacidade do LLM

O gráfico de densidade mostra eficiência. Para contextualizar, também medimos a capacidade bruta no mesmo período: quão mais inteligentes esses modelos realmente ficaram antes de qualquer ajuste de recurso?

Capacidade indexada a 100 em 2023, calculada pela média de todos os modelos lançados a cada ano.

Os eixos e o tooltip funcionam da mesma forma que no gráfico de densidade, com o eixo Y acompanhando o desempenho bruto em benchmarks em vez da densidade.

Uma pontuação de capacidade de 100 em 2023 cresceu para 468 até 2026, aproximadamente uma melhoria de 4.7×. Ano a ano:

• 2024 (+88%): progresso rápido nos benchmarks padrão antes de saturarem.
• 2025 (+105%): o mesmo progresso rápido, medido nos benchmarks avançados mais difíceis que substituíram os padrão.
• 2026 (+22%): a desaceleração é um sinal precoce de que os benchmarks avançados estão começando a saturar também.

Colocando os dois gráficos lado a lado:

• A capacidade cresceu 4.7× enquanto a densidade de inteligência cresceu 8.9×.
• Os modelos ficaram mais inteligentes e mais eficientes ao mesmo tempo. Eles não precisam de proporcionalmente mais parâmetros, computação de treinamento ou dinheiro para funcionar.

Observe que: o valor de 4.7× para a capacidade é uma magnitude confiável. O valor de 8.9× para a densidade é mais frágil (o grupo avançado de 2024 tem menos pontos de dados, o que amplifica a taxa de crescimento daquele ano), então trate-o como um sinal direcional em vez de um multiplicador preciso.

Qual LLM tem a maior densidade de inteligência?

A densidade de inteligência depende de qual recurso medimos e de qual grupo de benchmarks usamos para pontuar. O líder muda a cada combinação.

Densidade por parâmetro ativo (pesos abertos)

Essa visão mede a eficiência com que um modelo empacota capacidade em seus pesos. Os parâmetros ativos importam porque os modelos Mixture-of-Experts (MoE) roteiam cada token por uma fração do total de pesos. O DeepSeek V3 tem 671B de parâmetros totais, mas 37B ativos por token, e o valor de 37B reflete o custo de serviço efetivo.

Líderes em benchmarks padrão

• LLaMA 3.1 8B (jul. 2024): 100.0
• LLaMA 3 8B (abr. 2024): 85.0
• LLaMA 4 Maverick (abr. 2025): 55.9
• Mixtral 8x7B (dez. 2023): 47.4
• Mistral 7B (set. 2023): 46.3

Líderes em benchmarks avançados

• Qwen 3.6-35B-A3B (abr. 2026): 100.0 (3B parâmetros ativos; a pontuação se baseia em um único benchmark, SWE-bench Verified com 73,4%, então leia com cautela)
• GPT-OSS 20B (ago. 2025): 85.2 (3.6B parâmetros ativos)
• GPT-OSS 120B (ago. 2025): 64.4 (5.1B parâmetros ativos)
• Qwen 3.5 9B (mar. 2026): 35.2 (9B parâmetros densos)
• DeepSeek V4 Flash (abr. 2026): 26.0

O ranking dos benchmarks padrão parou de mudar desde o final de 2024 porque os benchmarks saturaram, não porque o progresso parou. O GPT-4 marcou 90.2 nos benchmarks padrão no início de 2023, mas 17.3 nos benchmarks avançados.

Densidade por FLOP de treinamento (pesos abertos)

Essa visão recompensa a curadoria de dados, as escolhas de arquitetura e as receitas de treinamento, em vez do gasto bruto.

Nota: a densidade por FLOP nos benchmarks padrão parece estar caindo com o tempo. Isso é um artefato de saturação, não uma queda na eficiência de treinamento. Os benchmarks mais antigos não medem mais os ganhos recentes, então as pontuações de capacidade se comprimem enquanto a computação de treinamento continua crescendo.

Líderes em benchmarks padrão

• Mistral 7B (set. 2023): 100.0 (ainda a âncora do painel, mais de dois anos depois)
• LLaMA 3 8B (abr. 2024): 40.8
• LLaMA 1 (fev. 2023): 37.0
• DeepSeek V2 (mai. 2024): 32.6
• Mixtral 8x7B (dez. 2023): 27.1

Líderes em benchmarks avançados

• Qwen 3.5 9B (mar. 2026): 100.0
• Qwen 3.6-35B-A3B (abr. 2026): 28.4
• DeepSeek V4 Flash (abr. 2026): 6.4

O resultado do Qwen 3.5 (9B) é notável: um modelo denso de 9B treinado com aproximadamente 1.5 × 10²³ FLOP que marca 81.2 em capacidade nos benchmarks avançados. Sua computação de treinamento é aproximadamente uma ordem de grandeza menor que a do DeepSeek V4 Pro, mas a diferença de capacidade é menor.

Densidade por dólar de inferência

A densidade por dólar é o eixo onde modelos de pesos abertos e modelos fechados de fronteira podem ser comparados diretamente, porque o preço da API é publicamente verificável. Usamos preços consolidados para o destaque, de modo que os cortes pós-lançamento sejam refletidos.

Líderes em benchmarks padrão

• Mistral Small 3 24B (jan. 2025): 100.0 a $0,10 / $0,30 por milhão de tokens via Mistral’s API de primeira parte
• Gemini 1.5 Flash (mai. 2024): 99.3 (modelo de pesos fechados com maior pontuação após seu corte de preço em agosto de 2024)
• DeepSeek V2 (mai. 2024): 66.0 a $0,27 / $1,10 por milhão de tokens
• DeepSeek V3 (dez. 2024): 30.9
• DeepSeek R1 (jan. 2025): 17.8

Líderes em benchmarks avançados

• GPT-OSS 120B (ago. 2025): 100.0 (a referência de preço é a mediana entre provedores do OpenRouter, já que a OpenAI não hospedou o modelo em uma API de primeira parte)
• GPT-OSS 20B (ago. 2025): 80.0
• DeepSeek V4 Flash (abr. 2026): 44.0 a $0,06 / $0,42 por milhão de tokens via DeepSeek’s API de primeira parte
• DeepSeek V3.2 (dez. 2025): 22.5
• Mistral Small 3 24B (jan. 2025): 20.9
• DeepSeek V4 Pro (abr. 2026): 16.0 a $0,54 combinado, com 97.8 de capacidade nos benchmarks avançados. Isso coloca o V4 Pro a 2.2 pontos de capacidade do Claude Opus 4.7 por cerca de 1/18 do preço combinado ($0,54 vs $10,00).

A lacuna da fronteira fechada não diminuiu

Os modelos de raciocínio fechados da Anthropic, da OpenAI e do Google se agrupam entre 0 e 6 na densidade por dólar em benchmarks avançados durante todo o período do painel. O GPT-4 em março de 2023 marcou 0.0. O Claude Opus 4.7 em abril de 2026 marcou 0.9.

Os laboratórios fechados reduziram os preços absolutos:

• Claude Opus caiu de $30 para $10 por milhão de tokens entre o Opus 4 e o Opus 4.5.
• O o3 da OpenAI caiu de $10/$40 no lançamento para $2/$8 consolidados.
• O Gemini 1.5 Flash caiu aproximadamente 78%.

Mas a lacuna relativa para os líderes de densidade de pesos abertos permaneceu cerca de 30 a 50× ao longo do período. O DeepSeek teve preços perto de $0,18 por milhão em 2024 (V2) e perto de $0,18 por milhão em 2026 (V4 Flash). O piso de preço dos modelos de pesos abertos não se moveu, e o piso dos carros-chefes fechados não se moveu o suficiente para fechar a lacuna. A concorrência de preços está acontecendo no nível da geração anterior, onde modelos fechados mais antigos são mantidos vivos como alternativas baratas, não na fronteira.

A nova direção: benchmarks agênticos

Os benchmarks avançados usados para medir o desempenho da IA estão começando a perder eficácia, assim como as suítes de teste mais antigas que substituíram. Os laboratórios agora relatam resultados em benchmarks agênticos, como SWE-Bench Pro, Terminal-Bench, OSWorld-Verified e Finance Agent, em vez dos testes de raciocínio mais antigos. Muitos lançamentos recentes de fronteira relatam quase inteiramente nesses benchmarks de LLM agêntico, sem pontuações nos benchmarks de raciocínio que nosso painel principal acompanha.

Para acompanhar essa mudança, adicionamos um terceiro grupo de benchmarks, Agentic, ao lado dos grupos Standard e Advanced. Ele combina três benchmarks do Índice AIM de LLM:

• Terminal-Bench 4.0: concluir tarefas agênticas em um terminal
• AIM-Agentic-RAG: rotear cada pergunta para o banco de dados certo entre 11
• AIM-Text-to-SQL: escrever SQL correto depois que o banco de dados certo é selecionado

As pontuações são combinadas com o mesmo método dos outros grupos: cada benchmark é normalizado por escore z, os escores z disponíveis de um modelo são calculados em média e o resultado é redimensionado para 0–100. Um modelo precisa de pelo menos dois dos três benchmarks para ser incluído.

Capacidade agêntica e densidade agêntica por dólar por data de lançamento. As pontuações variam de 0 a 100 em relação aos modelos no gráfico, portanto um 0 marca o modelo mais baixo do grupo, não uma execução falha. Entre os modelos plotados:

• Maior capacidade agêntica: Claude Opus 5.5 (100), Gemini 4 Argon (97.4), Claude Sonnet 5.5 (79.9) e GPT-6 Astra (65.2).
• Maior densidade agêntica por dólar: Gemini 4 Argon (100), Claude Sonnet 5.5 (82.1), GPT-6.1 Sol (53.8) e Claude Opus 5.5 (51.4).
• O preço muda o ranking: GPT-6 Astra e Claude Fable 5.1 estão no meio do pelotão em capacidade, mas a $20 por 1M tokens caem para o final na densidade por dólar (13.4 e 12.3).

Explore os benchmarks agênticos consultando benchmarks de codificação agêntica, busca agêntica e monitoramento agêntico.

Desafios na comparação de desempenho agêntico

Avaliar e comparar resultados de benchmarks agênticos apresenta várias dificuldades importantes:

• Foco em métricas de capacidade: podemos exibir pontuações de capacidade, porque os dados de recursos necessários para medir a densidade (contagens de parâmetros, computação de treinamento e preços verificados por modelo) permanecem incompletos ou não divulgados pelos laboratórios fechados.
• Sensibilidade no nível do sistema: as pontuações de benchmark medem o sistema inteiro, não apenas o modelo de IA. Como as pontuações dependem muito do “scaffolding” (o framework de software ao redor), o mesmo modelo pode produzir resultados muito diferentes dependendo do agent harness específico usado.
• Protocolo de padronização: para garantir uma comparação justa, este relatório plota exclusivamente dados do SWE-Bench Pro de um único ambiente padronizado (o leaderboard SEAL da Scale). Outras pontuações relatadas por laboratórios usam harnesses diferentes e não são diretamente comparáveis.
• Exclusão do Claude Opus 4.8: embora o Opus 4.8 autorrelate um recorde de 69,2% no SWE-Bench Pro, ele foi testado no harness interno da Anthropic e ainda não foi avaliado pelo SEAL da Scale. Para manter a consistência estrita dos dados, registramos sua pontuação aqui em vez de plotá-la.

SWE-Bench Pro do harness padronizado Scale SEAL. As outras colunas são relatadas pelos laboratórios em harnesses variados e não são diretamente comparáveis entre as linhas. Os travessões significam que nenhuma pontuação verificada foi encontrada.

Esses três rodaram no harness mini-swe-agent, então são excluídos do gráfico de dispersão para mantê-lo comparável.

Metodologia da densidade de inteligência

Cobertura do painel

• Modelos: 71 LLMs lançados de fevereiro de 2023 a abril de 2026. 37 modelos têm pontuações nos benchmarks padrão e 54 têm pontuações nos benchmarks avançados. Modelos sem um grupo de benchmarks completo são excluídos cálculos de densidade daquele grupo.
• Benchmarks: 10 benchmarks públicos, todos relatados por laboratórios e rastreáveis a uma fonte primária. Não executamos novamente nenhum benchmark.
• Recursos: Para cada modelo, dividimos sua pontuação de capacidade por três recursos independentemente:
  • Parâmetros ativos: Um proxy para custo de memória e serviço. Restrito a modelos de pesos abertos, porque laboratórios de pesos fechados (OpenAI, Anthropic, Google) não divulgam contagens de parâmetros.
  • Computação de treinamento (FLOP): Um proxy para eficiência de treinamento. Também restrito a modelos de pesos abertos. Os valores de FLOP são, em sua maioria, estimativas da Epoch IA e devem ser lidos como direcionais.
  • Preço de inferência: O preço que um comprador realmente paga na API. A capacidade é dividida pelo preço combinado por milhão de tokens em uma proporção de 3:1 de entrada para saída. Participam tanto modelos abertos quanto fechados, porque o preço da API é publicamente verificável.

Por que dois grupos de benchmarks?

Os modelos lançados em 2024 saturaram os benchmarks padrão que os laboratórios de IA usavam desde 2020. Quando os modelos de fronteira atingem 90% ou mais em um benchmark, o teste não separa mais modelos fortes de modelos mais fortes. Os laboratórios responderam introduzindo benchmarks mais difíceis.

Tratamos essa mudança como uma ruptura clara por dois motivos:

• Primeiro, misturar benchmarks fáceis e difíceis em uma única pontuação de capacidade permitiria que uma pontuação saturada em um benchmark fácil mascarasse uma pontuação baixa em um difícil. Um modelo que marca 85 no MMLU-Pro é mais forte do que um que marca 85 no MMLU. Tratar os dois como equivalentes comprime a faixa de pontuação e recompensa benchmarks mais antigos.
• Segundo, as duas suítes têm distribuições de pontuação diferentes: os benchmarks padrão se agrupam no topo (a maioria dos modelos de fronteira acima de 85), enquanto os benchmarks avançados têm maior dispersão (modelos de topo em torno de 90, nível intermediário em torno de 50, modelos mais fracos abaixo de 30). A normalização por escore z em ambos ao mesmo tempo distorceria a estimativa de variância.

Calculamos a capacidade de cada grupo de forma independente:

• Benchmarks padrão (2023–2024): MMLU (5-shot), GSM8K (8-shot com cadeia de pensamento), HellaSwag (10-shot), ARC Challenge (25-shot), HumanEval (0-shot pass@1).
• Benchmarks avançados (2024–2026): MMLU-Pro, GPQA Diamond, AIME 2025, LiveCodeBench, SWE-bench Verified.

Uma pontuação de 90 nos benchmarks padrão não é equivalente a 90 nos benchmarks avançados. Para qualquer modelo lançado do final de 2024 em diante, os benchmarks avançados são a referência significativa.

Fórmula de capacidade

Para cada benchmark b e cada modelo m:

Usamos o desvio padrão populacional (divide por N, não N−1). Isso corresponde ao cálculo original do pandas com ddof=0 e garante que adicionar um único modelo novo não altere retroativamente a estimativa de variância.

Em seguida, calculamos a média dos escores z disponíveis por modelo dentro de cada grupo de benchmarks e redimensionamos min-max para uma pontuação relativa ao painel de 0–100.

Fórmula de densidade

Para cada visão de densidade:

O denominador muda conforme a visão: parâmetros ativos em bilhões, FLOP de treinamento dividido por 10²⁴ ou preço combinado por milhão de tokens.

Metodologia de índice encadeado

Os dois gráficos de índice no topo do artigo (Densidade de Inteligência e Capacidade) mostram um crescimento cumulativo em uma única linha indexado a 100 em 2023, modelado no formato de retorno cumulativo do S&P 500. Encadeamos as taxas de crescimento ano a ano ao longo da transição de benchmarks, em vez de plotar valores absolutos.

Passo 1. Calcule a média anual da métrica para cada grupo de benchmarks:

Para o Índice de Densidade de Inteligência, a métrica é a média por linha das três pontuações de densidade por modelo (Densidade Combinada A ou B). Para o Índice de Capacidade, a métrica é a pontuação de capacidade relativa ao painel (Capability_A ou Capability_B).

Passo 2. Para cada transição ano a ano, calcule o crescimento dentro de um único grupo de benchmarks. Ambos os anos devem vir do mesmo grupo:

Passo 3. Encadeie multiplicativamente a partir de uma linha de base de 2023 de 100:

Seleção de grupo por transição:

• 2023 – 2024: Benchmarks padrão (Avançado tem 1 modelo em 2023, muito pouco para calcular uma média estável)
• 2024 – 2025: Benchmarks avançados (Padrão saturado no final de 2024; Avançado tem 16 modelos em 2024 e 27 em 2025)
• 2025 – 2026: Benchmarks avançados (Padrão não relatado para 2026)

O índice encadeado pressupõe que as populações subjacentes são comparáveis entre os anos dentro de um grupo. Nosso painel é heterogêneo (modelos diferentes a cada ano, com cobertura de benchmarks diferente), portanto, os valores encadeados são melhor lidos como um resumo direcional do que como um multiplicador preciso.

Princípios essenciais de avaliação para a medição da densidade de inteligência

• Benchmarks padrão da indústria: não introduzimos nenhum benchmark personalizado.
• Origem em fontes primárias: cada pontuação de benchmark é rastreável ao artigo de lançamento, cartão de modelo ou anúncio oficial do modelo. Quando a fonte primária não relatou um benchmark, a célula fica em branco em vez de ser imputada.
• Sinalizadores de cobertura (N): para cada modelo, relatamos o número de benchmarks que contribuem para sua pontuação de capacidade em cada grupo. Modelos com N=1 recebem uma pontuação mais ruidosa do que modelos com N=5. O caso N=1 se aplica ao Qwen 3.6 35B A3B (SWE-bench Verified) e a alguns lançamentos emblemáticos fechados de 2026.

Fontes de preços para modelos de pesos fechados

A precificação é a parte do índice mais sensível à coorte. Usamos a seguinte hierarquia:

1. Anúncio de lançamento do laboratório (preferido): preço citado no post de lançamento do laboratório, na documentação da API ou em cobertura jornalística contemporânea.
2. Mediana entre provedores da Artificial Analysis (alternativa para modelos de pesos): usada para três linhas do Llama 3.1 (8B, 70B, 405B) e para as linhas GPT-OSS, porque não existe API de primeira parte.
3. Modelos de pesos sem cobertura: 22 de 69 linhas não têm preço por dólar registrado. Elas aparecem nos gráficos de capacidade e por parâmetro, mas estão ausentes dos gráficos por dólar.

Acompanhamos dois trilhos de preço: preço de lançamento (preço de primeira parte no dia do lançamento) e preço consolidado (preço de primeira parte atual, ou o último antes da descontinuação). Seis modelos do painel foram reprecificados após o lançamento:

• Gemini 1.5 Pro: $3,50/$10,50 para $1,25/$5,00 (outubro de 2024)
• GPT-4o: $5,00/$15,00 para $2,50/$10,00 (outubro de 2024)
• Gemini 1.5 Flash: $0,35/$1,05 para $0,075/$0,30 (agosto de 2024)
• Claude 3.5 Haiku: $1,00/$5,00 para $0,80/$4,00 (dezembro de 2024)
• o3: $10,00/$40,00 para $2,00/$8,00 (junho de 2025)

A densidade por dólar em destaque usa o preço consolidado. Para 37 de 43 linhas precificadas, os preços de lançamento e consolidado são idênticos.

Frequência de atualização

Atualizamos o índice mensalmente. Cada atualização adiciona novas linhas de modelos para qualquer lançamento de fronteira ou notável do mês anterior, atualiza os preços quando os laboratórios ajustam suas taxas, preenche retroativamente benchmarks recém-relatados para linhas existentes e recalcula os escores z em todo o painel. Novas entradas de modelos alteram a média e o desvio padrão de cada benchmark, de modo que as pontuações existentes de 0–100 se movem com o painel. Os instantâneos históricos são preservados.

Limitações da avaliação da densidade de inteligência

• Otimismo relatado pelos laboratórios: as pontuações de benchmark vêm dos próprios laboratórios. Reexecuções independentes geralmente ficam 5 a 13 pontos mais baixas. As linhas de tendência são informativas direcionalmente, mas não precisas em pontos.
• Modos com raciocínio e sem raciocínio não separados: os modelos lançados em 2025 e 2026 suportam alternâncias de pensamento estendido que podem alterar as pontuações de matemática e codificação em 5 a 15 pontos. Usamos pontuações do modo padrão quando identificáveis.
• Os valores de FLOP de treinamento são, em sua maioria, estimativas: um punhado de linhas tem FLOP confirmado pelo laboratório. O restante é extrapolado de parâmetros divulgados e tokens de treinamento, principalmente via Epoch IA.
• Contagens de parâmetros de modelos fechados desconhecidas: as densidades por parâmetro e por FLOP ficam em branco para linhas fechadas de fronteira. Modelos fechados participam da densidade por dólar.
• Pontuações relativas ao painel: as pontuações de densidade são redimensionadas min-max dentro do painel. Um novo modelo com uma razão bruta maior desloca a pontuação 0–100 de todos os modelos existentes. Para comparar versões do painel, use as razões brutas subjacentes em vez das pontuações redimensionadas.

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

O que é densidade de inteligência?

A densidade de inteligência representa uma nova métrica para avaliar quanto conhecimento e capacidade de raciocínio um modelo pode empacotar em uma única unidade de memória ou computação. Ela mede a arquitetura do modelo avaliando a eficácia com que ele usa cada parâmetro para gerar valor.

Nesse framework, o eixo x geralmente representa o número de parâmetros do modelo, enquanto o eixo y acompanha o desempenho em tarefas desafiadoras. A alta densidade ocorre quando os modelos demonstram capacidades superiores sem exigir o enorme custo computacional associado a modelos maiores. Esse processo prova que a inteligência não depende apenas da quantidade de dados ou da escala de treinamento, mas sim de como o software e os algoritmos organizam essas informações.

Anteriormente, a comunidade de IA dependia do escalonamento dos parâmetros do modelo para alcançar maior desempenho, o que resultava em sistemas massivos e intensivos em recursos. Com essa mudança de foco, a otimização algorítmica é priorizada em relação ao volume bruto para produzir mais inteligência a partir de modelos menores.

Por que é importante medir a densidade de inteligência?

Sistemas eficientes devem otimizar o tempo de inferência e o uso de memória. Identificar o ponto em que mais tokens ou computação adicional não geram mais ganhos significativos ajuda a indústria a entender os limites superiores dos atuais grandes modelos de linguagem. As principais razões para medir a densidade de inteligência podem ser resumidas como:

• A comunidade de IA subestima a sobrecarga de longo prazo de manter modelos superdimensionados em centros de dados.
• A criação de valor em aplicações práticas depende da relação entre a qualidade da saída e a energia necessária para produzi-la.
• A Lei de Moore para hardware não pode sustentar o crescimento dos modelos de linguagem sem progresso correspondente em como os otimizamos.
• A aprendizagem por reforço e a distribuição de dados aprimorada permitem que as ferramentas da próxima geração atinjam benchmarks antes reservados apenas para humanos. Saiba mais sobre aprendizagem por reforço e outros tipos de técnicas de LLM fine-tuning.

Embora modelos maiores ainda importem para explorar novas fronteiras, a densidade de um sistema determina sua utilidade real no mundo real. Esse contexto ajuda a ver a inteligência como um resultado concentrado do treinamento, e não como um subproduto do tamanho bruto.

Leitura adicional

A densidade de inteligência é uma forma de comparar LLMs. Outras dimensões são abordadas em análises separadas:

• Benchmarks de latência: para tempo até o primeiro token e tokens por segundo, consulte nosso LLM benchmark de latência.
• Benchmarks por tarefa: para raciocínio financeiro, consulte nosso benchmark financeiro de LLM. Para codificação, consulte nosso benchmark de codificação de IA.

Cite este benchmark

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

@misc{simsek2026,
  author = {Şimşek, Hazal},
  title  = {{Densidade de inteligência de 71 LLMs para modelos mais inteligentes & densos}},
  year   = {2026},
  month  = oct,
  howpublished    = {\url{https://aimultiple.com/intelligence-density}},
  note   = {AIMultiple. Acessado em 23 outubro 2026}
}

Registro de alterações

3 atualizações

2026

1. 7 jul

   Adicionados Claude Fable 5 e GLM 5.2 à classificação dos benchmarks agênticos.

2. 6 jul

   Removido o cômputo de treinamento (FLOP) como métrica de recurso de densidade de inteligência.

3. 15 jun

   Substituiu o comentário dos resultados de densidade de inteligência pela metodologia de cálculo e ressalvas sobre as bases de 2024-2025.

Hazal Şimşek

Analista do Setor

Siga-nos

Hazal é analista do setor na AIMultiple, com foco em inteligência de processos (incluindo mineração de processos) e automação empresarial (incluindo automação de TI e automação low-code/no-code).

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