Melhores IAs 2026: comparação e ranking dos modelos mais recentes

A partir de outubro de 2026, este site mede os modelos de IA em snapshots.

Até agora, dois modelos se enfrentavam em uma tarefa por vez e os resultados se acumulavam mês após mês.

Agora, seis modelos — o principal e o do nível logo abaixo de cada um dos três grandes provedores (Anthropic, OpenAI e Google) — respondem às mesmas dezesseis tarefas, e os mesmos três juízes avaliam todas as respostas.

Os modelos do mesmo nível também debatem a mesma moção.

O modelo mais novo e mais avançado de cada provedor (em outubro de 2026, Claude Fable e GPT Astra) não entra na classificação; ele é tratado em artigos à parte.

As recomendações abaixo foram reescritas depois deste primeiro snapshot.

As versões anteriores diziam “Gemini Flash-Lite se o preço for o mais importante, Claude Opus se a qualidade for o mais importante”.

Nesta medição, o modelo leve do GPT custou menos por resposta e teve uma nota muito maior, e o primeiro lugar geral ficou com o modelo GPT de nível superior, não com o Claude Opus.

Os motivos estão no texto que vem depois desta atualização.

Os resultados do método anterior continuam disponíveis como resultados passados.

A OpenAI lançou o GPT-6 Sol e o GPT-6 Luna em 22 de setembro de 2026, estendendo a geração GPT-6 para baixo do Astra.

Neste site, o GPT-6 Sol assume a vaga equilibrada da OpenAI no lugar do GPT-5.6 pela metade do preço ($2 de entrada e $10 de saída por 1M de tokens, contra $4 e $20), e o GPT-6 Luna assume a vaga leve no lugar do GPT-5 mini por menos ($0,10 e $0,50, contra $0,25 e $2).

As recomendações abaixo agora descrevem os modelos da OpenAI por faixa — os modelos GPT de nível superior, o modelo leve do GPT — e não por versão, de modo que as páginas de ranking e de preços sempre mostram qual modelo ocupa cada papel no momento.

Quanto à nova dupla em si: os dois modelos começam as medições deste site do zero, nas configurações padrão da OpenAI, e se o Luna não se mostrar a escolha estável e versátil que o GPT-5 mini era, este artigo vai dizer isso.

A Anthropic lançou o Claude Opus 5.5 em 22 de setembro de 2026, e ele substitui o Claude Opus 5 na vaga equilibrada da Anthropic neste site.

Ele é mais barato nos dois lados — $4 de entrada e $20 de saída por 1M de tokens, contra $5 e $25 — e a Anthropic agora o recomenda como ponto de partida para a maioria das cargas de trabalho, reservando o Claude Fable 5.1 para o raciocínio mais exigente.

As recomendações abaixo se referem ao Claude Opus pelo nome da família, então continuam valendo como estão escritas e agora apontam para o Opus 5.5.

Como todo modelo aqui, ele é avaliado nas configurações padrão do fornecedor, o que no caso do Opus 5.5 significa esforço médio, enquanto o Opus 5 rodava em esforço alto: seus resultados medem o modelo do jeito que a Anthropic o entrega.

A Anthropic lançou o Claude Fable 5.1 em 1º de setembro de 2026, e ele assume a vaga de flagship da Anthropic neste site.

Ele mantém exatamente o preço de tabela do Fable 5 ($10 / $50 por 1M de tokens) e marca 52,6% no Terminal-Bench-Science 0.1, contra 24,7% do Fable 5; a Anthropic informa que ele supera o Fable 5, o Opus 5 e o GPT-5.6 em vários benchmarks.

O Fable 5.1 e o Claude Mythos 5.1, de acesso restrito, são o mesmo modelo de base com salvaguardas diferentes.

Uma ressalva que vale dizer com todas as letras: o tão citado "até 45% mais barato" vem inteiramente da leitura de cache ter caído para um quarto do preço anterior, então só se concretiza se a sua carga de trabalho reutiliza contexto em cache — o preço por token anunciado não mudou.

O Fable 5 saiu das novas comparações aqui; seus resultados anteriores continuam disponíveis para leitura.

Onde este artigo diz "Claude Fable", leia Fable 5.1.

Também há duas correções de preço.

A tarifa de lançamento de $2/$10 do Claude Sonnet 5 passou a ser o preço padrão em 11 de agosto de 2026, e o aumento para $3/$15 previsto para 1º de setembro foi cancelado.

O GPT-5.6 (Sol) caiu de $5/$30 para $4/$20 em 21 de agosto, um valor que vale pelo menos até 21 de novembro.

Onde as notas de julho abaixo dizem "$3/$15" ou "$5/$30", leia os novos preços; as notas são mantidas como foram escritas na época.

A Anthropic lançou o Claude Opus 5 e o Claude Sonnet 5 em 24 de julho de 2026.

O Opus 5 chega exatamente pelo preço que o Opus 4.8 tinha ($5 / $25 por 1M de tokens), com 96,0% no SWE-bench Verified e mais que o dobro do Opus 4.8 no Frontier-Bench, então assume a vaga equilibrada da Anthropic neste site; o Sonnet 5 chega pelo preço de tabela do Sonnet 4.6 ($3 / $15, com tarifa de lançamento de $2 / $10 até 31 de agosto de 2026) e assume a vaga leve.

O Claude Fable 5 continua sendo o flagship da Anthropic.

Opus 4.8 e Sonnet 4.6 saíram das novas comparações, e seus resultados anteriores seguem disponíveis.

Onde este artigo diz "Claude Opus", leia Opus 5 daqui em diante.

Como ambos são atualizações pelo mesmo preço, as recomendações práticas abaixo não mudam — apenas o Claude indicado para qualidade passa a ser um modelo mais novo.

Em 9 de julho de 2026, a OpenAI disponibilizou o GPT-5.6 de forma geral.

O GPT-5.6 chega como uma família de três níveis: Sol (flagship), Terra (equilibrado) e Luna (rápido e econômico); seguindo nossa política de listar apenas a variante padrão de cada geração, adotamos o flagship padrão, Sol.

Em relação ao GPT-5.5, os ganhos são amplos — destacam-se a engenharia de software (SWE-Bench Pro 64,6% vs 59,4%) e o uso do computador (OSWorld 2.0 62,6% vs 47,5%), sendo o salto no uso do computador o maior.

A janela de contexto é de 1,05M de tokens e o preço padrão de contexto curto iguala o do GPT-5.5: $5/$30 por 1M de tokens.

Como resultado, nossa linha da OpenAI passa a ter o GPT-5.6 como flagship e o GPT-5.5 como opção equilibrada, enquanto o GPT-5.4 sai das novas comparações (seus dados anteriores continuam visíveis).

As recomendações abaixo foram atualizadas de acordo: onde antes citavam GPT-5.2 / GPT-5.4 como a opção confiável para o dia a dia, agora citam GPT-5.5 / GPT-5.6.

Em 9 de junho de 2026, a Anthropic lançou o Claude Fable 5 — a versão pública do seu modelo Mythos — e o colocamos na nossa vaga de flagship da Anthropic.

Ele ocupou brevemente essa vaga até que, em 12 de junho, a Anthropic o retirou de forma abrupta (junto com o Mythos 5) para todos os clientes, para cumprir uma diretiva de controle de exportações do governo dos EUA.

Essa diretiva já foi revogada e a Anthropic restabeleceu o acesso via API, por isso, desde 1º de julho de 2026, o Fable 5 volta à nossa seleção como flagship da Anthropic, com o Claude Opus 4.8 voltando a ser uma forte segunda opção pela metade do preço ($5/$25 por milhão de tokens).

Como o Fable 5 ficou indisponível por várias semanas, ele está só agora voltando a acumular dados de benchmark, então seus rankings por gênero ainda têm poucas amostras por enquanto.

A página do Fable 5 está novamente no ar.

A Anthropic se mexeu rápido de novo.

O Claude Opus 4.8 chegou em 28 de maio de 2026 — apenas cerca de seis semanas após o Opus 4.7 — e agora ocupa a nossa vaga de flagship da Anthropic.

A proposta é um julgamento mais apurado, mais honestidade sobre o próprio progresso e a capacidade de trabalhar de forma independente por mais tempo.

O ganho mais concreto está na confiabilidade do código: o Opus 4.8 é cerca de quatro vezes menos propenso que o 4.7 a deixar passar sem comentário uma falha no próprio código e lidera em engenharia de software agêntica com 69,2% no SWE-Bench Pro, à frente de GPT-5.5 e Gemini 3.1 Pro.

O preço não muda em relação ao 4.7: $5/$25 por milhão de tokens, então a atualização é essencialmente gratuita por token.

Neste site, o Opus 4.7 permanece disponível para leitura em comparações passadas, mas não participa mais de novas sessões.

De agora em diante, onde este artigo disser "Claude Opus", leia como Opus 4.8.

Nesta primavera, dois novos modelos flagship chegaram em rápida sucessão.

A Anthropic lançou o Claude Opus 4.7 em 16 de abril de 2026, poucas semanas depois do GPT-5.4.

A OpenAI veio em seguida com o GPT-5.5 em 23 de abril de 2026.

Ambos trazem saltos significativos em programação agêntica e em fluxos que coordenam ferramentas.

O Claude Opus 4.7 estreia com um novo tokenizador e uma interface de adaptive thinking mais limpa; o GPT-5.5 mostra avanços mensuráveis em programação de longo horizonte (Expert-SWE 73,1% em tarefas de 20 horas) e em benchmarks de uso do computador (OSWorld-Verified 78,7%).

E o que isso significa para as recomendações abaixo? Basicamente, os rótulos mudam um pouco.

A faixa de "alta qualidade" na família GPT é agora melhor representada pelo GPT-5.5, e o GPT-5.4 continua bastante capaz como opção equilibrada.

O Claude Opus passou de 4.6 para 4.7 na nossa vaga de flagship; neste site, a geração anterior do Opus permanece disponível para leitura em comparações passadas, mas não participa mais de novas sessões.

A linha Gemini segue inalterada por ora.

O preço dos novos flagships é mais alto: o GPT-5.5 dobra a taxa de saída do GPT-5.4, enquanto o Claude Opus 4.7 mantém os mesmos $5/$25 por milhão de tokens do 4.6.

Para a maior parte das escolhas do dia a dia, os modelos equilibrados anteriores ainda dão conta; para trabalhos realmente exigentes, os ganhos estão nos novos flagships.

Ao escolher um modelo de IA, é muito fácil cair em perguntas como “qual modelo tem o melhor desempenho?” ou “qual é o mais barato?”.

Essas perguntas são importantes, claro, mas na prática não bastam sozinhas.

O modelo certo muda conforme o que você quer fazer, o nível de qualidade que espera e o custo com o qual se sente confortável no uso do dia a dia.

É por isso que este site separa comparações de desempenho de comparações de preço e custo-benefício.

IA não é algo que possa ser resumido a “quanto mais forte, melhor” ou “quanto mais barato, melhor”.

Na prática, a escolha mais sensata é a que combina com as suas necessidades dentro do equilíbrio entre preço, estabilidade e qualidade da saída.

Se eu tivesse de resumir minha visão depois deste snapshot da forma mais simples possível, eu diria o seguinte: o modelo leve do GPT se você quer gastar pouco, o modelo GPT de nível superior para o melhor equilíbrio entre força geral e custo, e o Claude Opus para trabalhos em que o que conta é a qualidade do próprio texto, como ficção ou planejamento.

Em vez de existir um único modelo perfeito para tudo, cada um tem uma personalidade bem clara.

Vale lembrar, porém, que cada gênero tem uma única tarefa, então leia qualquer ponto forte ou fraco por gênero como “foi assim naquela tarefa”.

Em preço, o primeiro modelo que eu apontaria é o modelo leve do GPT.

Na medição deste site, ele teve o menor custo por resposta entre os seis modelos, com uma nota mais ou menos no nível do modelo principal do Google.

Contra o modelo do Google do mesmo nível leve, a diferença é clara tanto em custo quanto em nota.

Ou seja, hoje existe uma opção mais barata e mais forte do que o Gemini Flash-Lite, que as versões anteriores deste artigo colocavam em primeiro lugar por preço.

No trabalho do dia a dia — escrever, estudar, organizar tarefas, preparar um primeiro rascunho de uma consulta — ele rende mais do que se esperaria por esse preço.

Em programação e em explicações didáticas, chegou perto dos modelos superiores.
O ponto fraco é igualmente claro.

Na tarefa de planejamento deste snapshot, ele interpretou errado a regra sobre a ordem dos trabalhos e concluiu com um plano que não podia funcionar, o que lhe custou muitos pontos.

Quando você pedir uma conclusão a partir de condições intrincadas, vale conferir se a conclusão realmente as cumpre.

Se um iniciante vai escolher seu primeiro modelo, o modelo leve do GPT continua sendo o mais fácil de recomendar: é barato, raramente erra feio e não é exigente com o tipo de trabalho.

No conjunto das dezesseis tarefas, o primeiro lugar ficou com o modelo GPT de nível superior da OpenAI.

Ele não desabou em nenhum gênero e se manteve no meio da tabela até nas tarefas em que foi pior.

Também venceu todos os debates contra os modelos do seu nível.

A força dele está mais na resistência do que no brilho, e ele é muito fácil de usar quando você quer uma saída coerente e pronta para uso: programação, design, explicação, análise.

A outra coisa que não dá para ignorar é o custo: por resposta, ele custou uma fração do que custou o Claude Opus.

Se você olha qualidade e custo juntos e quer um só modelo, hoje esta é a escolha mais segura.

Quando o que está sendo avaliado é a qualidade do próprio texto, o Claude Opus mostrou sua força.

Ele foi o melhor nas tarefas de ficção, planejamento, brainstorming, humor e empatia, com trabalhos que impressionam pelo acabamento geral, pela estrutura e pela forma como montam uma resposta completa a partir de um pedido um tanto ambíguo.

Há também um aspecto que este site não captura totalmente por meio de comparação numérica direta, mas que importa na prática: o quão bom o Claude pode parecer quando você pede que ele construa um site.

Pela minha experiência, o Claude Code às vezes consegue gerar um design relativamente moderno mesmo sem muitas instruções, enquanto o Codex tende a produzir designs mais seguros, mais contidos e mais convencionais no conjunto.

Claro que isso ainda depende do prompt e das condições do projeto, mas no uso real a diferença pode ser bastante perceptível.

Ainda assim, aqui não faz sentido falar só dos pontos positivos.

O Claude Opus é caro: nesta medição, ele teve o maior custo por resposta entre os seis modelos.

As respostas são longas, e ele muitas vezes parece mais lento que o Codex.

Também há tarefas, como a de aconselhamento, em que o modelo GPT de nível superior se saiu melhor.

Se você está disposto a pagar pela qualidade da ficção ou do planejamento, o Claude Opus é uma opção muito forte, mas pode virar um peso se for usado o tempo todo.

O modelo da Anthropic um nível abaixo foi o melhor nas tarefas de redação corporativa e de análise, e empatou com os modelos superiores em programação.

Ele custa cerca de metade do Claude Opus, então, para documentos e relatórios de trabalho, vale testá-lo primeiro.

Por outro lado, na tarefa de ficção deste snapshot, a nota dele foi surpreendentemente baixa.

Se ficção é o seu uso principal, o Claude Opus combina mais.

O modelo principal do Google é barato e chegou perto dos melhores em explicação didática, redação corporativa e resumos.

Na tarefa de persuasão, porém, ele prometeu algo que os próprios números contradiziam e perdeu muitos pontos, e não venceu nenhum debate contra o seu nível.

O modelo do Google um nível abaixo ficou em último entre os seis desta vez.

No problema de matemática, errou as quatro respostas, e na tarefa de ficção entendeu errado a regra central da história.

Ele tem utilidade para processar grandes volumes de trabalho cujos resultados sejam fáceis de conferir, como resumos curtos ou classificações rotineiras, mas por enquanto acho difícil recomendá-lo para trabalhos em que a qualidade importa.

A melhor forma de evitar uma escolha ruim de IA não é olhar apenas para qual modelo parece mais forte em abstrato.

Na prática, a resposta muda conforme você precisa usá-lo todos os dias em escala, conforme o seu trabalho exige um alto nível de acabamento, ou conforme você simplesmente quer começar testando algo barato.

Modelos de alto nível são inegavelmente atraentes, mas se você usa IA o tempo todo, custo e velocidade importam.

Por outro lado, mesmo um modelo barato e útil pode não ser o que você quer quando o resultado final realmente precisa parecer refinado.

Pessoalmente, acho que escolher um modelo de IA tem menos a ver com caçar “o modelo mais forte” e mais com encontrar a ferramenta que melhor combina com a sua forma de trabalhar.

Quando você decide se a sua prioridade real é custo baixo, estabilidade ou acabamento, a escolha fica muito mais clara.

Se eu tivesse de expressar a visão do operador do site depois deste snapshot da forma mais direta possível, seria a seguinte:

Essa é a forma mais prática de enxergar: leia a coluna de ressalvas junto com a de pontos fortes.

O resultado de cada modelo em cada tarefa, com as respostas e os comentários dos juízes, está nas páginas de classificação e de gêneros.

Em outras palavras, nenhum modelo é perfeito.

Os pontos fortes e fracos de cada um ficam bem fáceis de entender quando você os usa dessa forma.

Por isso, neste site, eu recomendaria pensar neles assim: o modelo leve do GPT para custo, o modelo GPT de nível superior para força geral, e o Claude Opus para a qualidade da ficção e do planejamento.