Compare GPT-5 Models: Raciocínio, Velocidade e Custo
Exploramos as diferenças entre a OpenAI e a família GPT-5 (por exemplo, GPT-5, GPT-5-mini e GPT-5-nano) reunindo o desempenho dos benchmarks e os custos para executar os benchmarks.
Preço vs. sucesso: Principais conclusões
Utilizamos a família GPT-5 na nossa análise. Utilizamos seis benchmarks em várias áreas, incluindo raciocínio, programação, seguimento de instruções e matemática.
A nossa análise revelou:
- Em média, entre os benchmarks, GPT-5 (high) e GPT-5 (medium) apresentam taxas de sucesso quase idênticas (65% vs. 64%), mas GPT-5 (high) custa quase o dobro ($511 vs. $280). Seguem-se GPT-5-mini (alto), GPT-5 (low) e GPT-5-mini (médio), com taxas de sucesso de 62%, 61% e 60%, respetivamente, a preços mais baixos de $105, $90 e $28. Isto mostra que, aceitando uma queda de ~5% na taxa de sucesso, as tarefas podem ser concluídas a um custo até 18 vezes menor ao passar de GPT-5 (high) para GPT-5-mini (médio).
- GPT-5-mini (alto) supera GPT-5 (low) em quase todos os benchmarks, e fá-lo ao mesmo custo ou a um custo inferior. No IFBench, as taxas de sucesso são 75% vs. 67%; no AIME 2025, 97% vs. 83%; no Humanity’s Last Exam, 20% vs. 18%; e no GPQA Diamond, 83% vs. 81%. Empatam no SciCode com 39%, mas GPT-5-mini (alto) ainda apresenta um custo inferior.
- O model mais caro, GPT-5 (high), supera o segundo melhor desempenho em três benchmarks e, mesmo assim, a margem não é superior a 3%. Em todos os outros benchmarks, é superado por alternativas mais baratas.
Principais diferenças entre GPT models
Os três models diferem principalmente na profundidade do raciocínio, velocidade e custo. As novas funcionalidades podem ser utilizadas em todos os models, mas o seu impacto varia consoante o model.
Raciocínio
- GPT-5 proporciona a capacidade de raciocínio mais forte. É adequado para problemas complexos, em várias etapas, de programação, análise científica ou apoio à decisão.
- GPT-5 mini oferece um raciocínio forte para prompts estruturados com limites de tarefa previsíveis.
- GPT-5 nano tem um desempenho de raciocínio moderado e funciona melhor em tarefas que não exigem uma análise profunda.
- O modo de raciocínio mínimo pode ser utilizado com todos os models e proporciona o benefício mais significativo para GPT-5 nano e GPT-5 mini, dada a sua vantagem de velocidade.
Velocidade
- GPT-5 nano é a opção mais rápida e é eficaz para cargas de trabalho em tempo real ou em grande escala.
- GPT-5 mini equilibra velocidade com raciocínio, tornando-o adequado para cargas de trabalho regulares em produção.
- GPT-5 é mais lento porque realiza mais raciocínio interno, mas isso resulta numa saída mais precisa.
- O modo de raciocínio mínimo pode reduzir ainda mais a latência, particularmente para o nano.
Custo
- GPT-5 nano tem o menor custo por token. É preferido para tarefas de alto volume, como classificação em lote ou resumo.
- GPT-5 mini situa-se na gama média, oferecendo um equilíbrio entre capacidade e custo.
- GPT-5 é o model mais caro e é normalmente utilizado quando a precisão e a consistência são prioritárias.
- As definições de verbosidade influenciam o custo porque maior verbosidade produz mais tokens de saída.
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 and Alper, Şevval},
title = {{Compare GPT-5 Models: Raciocínio, Velocidade e Custo}},
year = {2026},
month = aug,
howpublished = {\url{https://aimultiple.com/llm-parameters}},
note = {AIMultiple. Acessado em 21 agosto 2026}
}Resultados e carimbos de data/hora de 3 pontos de dados. Baixe os dados resumidos exibidos nos gráficos e tabelas deste artigo como um arquivo ZIP contendo um arquivo CSV.
Quer os dados granulares por trás disso? Assine o Premium
Registro de alterações
2 atualizaçõesExpandida a seção "O que são parâmetros LLM?" com detalhes sobre o tamanho do modelo, fundamentos de treinamento e amostragem top k.
Removido o parâmetro de temperatura da lista de parâmetros chave.
Ela trabalhou anteriormente como recrutadora em empresas de gerenciamento de projetos e consultoria. Sıla possui mestrado em Psicologia Social e bacharelado em Relações Internacionais.
Şevval se concentra em ferramentas de codificação de IA, agentes de IA e tecnologias quânticas.
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.