Benchmarks de programação de modelos de IA

Todas as pontuações de benchmarks de programação presentes em nossas páginas de ferramentas e no comparativo de modelos, agrupadas por teste. Cada pontuação traz as condições indicadas e um link para a página do fornecedor.

Metodologia: leia antes de comparar

Pontuações autodeclaradas: cada número é tomado tal como está no anúncio do fornecedor do modelo (post de blog, ficha do modelo ou documentação, com um link “fonte” em cada linha). A OrigoTech não as mediu.
Harnesses diferentes: cada fornecedor escolhe seu próprio harness de agente, esforço de raciocínio e condições de teste (coluna “Condições indicadas”). As comparações entre modelos devem, portanto, ser feitas com cautela: uma diferença de poucos pontos não basta para classificar dois modelos.
Sem números acrescentados: esta página só mostra pontuações que já constam em nossos dados, sem cálculos nem médias. Um modelo sem pontuação publicada não aparece.
A ordem padrão (da maior para a menor pontuação) não é um ranking; clique no cabeçalho de uma coluna para ordenar de outra forma.

Dados verificados em 30 de out. de 2026

Pontuações exibidas: 15 · benchmarks: 2

DeepSWE v1.1 (11 pontuações)

DeepSWE v1.1: pontuações informadas pelos fornecedores. Os cabeçalhos das colunas são botões de ordenação.
				Fontes
Gemini 4 Argon	Google	77,9 %	anunciado pelo Google	fonte — Gemini 4 Argon
DeepSeek V4.1-Flash-1017	DeepSeek	77 %	anunciado pela DeepSeek, harness Mini-SWE-V2	fonte — DeepSeek V4.1-Flash-1017
MiniMax M3.1 Flash	MiniMax	73,7 %	anunciado pela MiniMax	fonte — MiniMax M3.1 Flash
Grok 4.7	xAI	71 %	esforço alto, anunciado pela xAI	fonte — Grok 4.7
Kimi K3	Moonshot AI	67,3 %	harness do mini-SWE-agent (ranking DeepSWE), citado pela Moonshot	fonte — Kimi K3
GLM-5.3	Z.ai	66,9 %	anunciado pela Z.ai	fonte — GLM-5.3
GLM-5.3-Flash	Z.ai	63,4 %	anunciado pela Z.ai	fonte — GLM-5.3-Flash
DeepSeek V4-Pro-0813	DeepSeek	62,7 %	DeepSeek Harness (modo mínimo), esforço máximo, anunciado pela DeepSeek	fonte — DeepSeek V4-Pro-0813
Muse Spark Open (816B-A42B)	Meta	60 %	anunciado pela Meta, harness preferido, raciocínio xhigh	fonte — Muse Spark Open (816B-A42B)
Qwen3.8-Max	Alibaba (Qwen)	56,6 %	o melhor entre Claude Code e mini-SWE-agent, anunciado pela Qwen	fonte — Qwen3.8-Max
Qwen3.8-27B	Alibaba (Qwen)	42,2 %	harness do Claude Code, anunciado pela Qwen	fonte — Qwen3.8-27B

Terminal-Bench 4.0 (4 pontuações)

Terminal-Bench 4.0: pontuações informadas pelos fornecedores. Os cabeçalhos das colunas são botões de ordenação.
				Fontes
Kimi K3.1 Pro	Moonshot AI	65,7 %	harness do Claude Code, informado pela Moonshot	fonte — Kimi K3.1 Pro
Gemini 4 Carbon	Google	65,2 %	harness da Artificial Analysis, informado pelo Google	fonte — Gemini 4 Carbon
GPT-6.1 Terra	OpenAI	50,3 %	esforço máximo de raciocínio, informado pela OpenAI	fonte — GPT-6.1 Terra
Nanbeige4.3-33B	Nanbeige (BOSS Zhipin)	23,8 %	harness do mini-swe-agent v2.4.6, informado pela Nanbeige	fonte — Nanbeige4.3-33B

Comparador de modelos → Gráfico de preço e desempenho → Calculadora de custos →

O que é o DeepSWE? · Metodologia