Seis modelos perdem nota no mesmo dia e a régua muda
Reavaliação do Artificial Analysis derruba GPT-5 mini, Command A+, o3-mini e outros; só Claude 4.5 Sonnet sobe.
OpenAI
Anthropic
Qwen (Alibaba)A régua mexeu debaixo de quem já tinha escolhido
Se você fechou contrato, montou pipeline ou simplesmente anotou na planilha qual modelo usar para cada tarefa, preste atenção: nove notas de benchmark foram revisadas no mesmo dia pelo Artificial Analysis, e seis caíram. Só uma subiu.
A pergunta que importa não é "qual modelo é melhor agora" — é "em qual decisão sua você confiou numa nota que já não vale".
Quem caiu, e quem caiu feio
O tombo mais agressivo foi do GPT-5 mini (high): passou de 32,96 para 25,31 no índice de inteligência, uma perda de 7,65 pontos em um único ajuste de régua. É o tipo de variação que muda de qual prateleira o modelo fica — sai da faixa intermediária e entra no fim do meio de campo. Preço de saída segue em US$ 0,6875 por milhão de tokens.
Logo atrás vem o Command A+, da Cohere: de 29,29 para 22,51. Detalhe curioso, o catálogo não publicou preço para esse modelo, então não dá para comparar com a régua anterior em reais por dólar de inteligência. O fato é que a nota caiu e a régua mudou.
O o3-mini (high), da OpenAI, perdeu 2,74 pontos e foi para 15,64 — a menor nota entre os seis reavaliados. É também o mais caro do grupo em saída: US$ 1,925 por milhão de tokens. Para uma nota de 15,6, é um valor que pede explicação.
Fecham o bloco dos que caíram o Qwen3 235B A22B 2507 Reasoning (de 22,34 para 19,61, a US$ 0,8375) e o GPT-5.1 (high) (de 38,91 para 36,87, a US$ 3,4375). Esse último é o que dói mais no bolso: o modelo mais caro do grupo perdeu quase 2 pontos sem mudar de preço.
| Modelo | Antes | Depois | Diferença |
|---|---|---|---|
| GPT-5 mini (high) | 33.0 | 25.3 | -7.7 |
| Command A+ | 29.3 | 22.5 | -6.8 |
| o3-mini (high) | 18.4 | 15.6 | -2.7 |
| Qwen3 235B A22B 2507 (Reason | 22.3 | 19.6 | -2.7 |
| GPT-5.1 (high) | 38.9 | 36.9 | -2.0 |
| Claude 4.5 Sonnet (Reasoning | 34.7 | 36.4 | +1.8 |
O único que subiu
Em meio ao tombo geral, o Claude 4.5 Sonnet Reasoning foi de 34,65 para 36,42 — alta de 1,77 pontos. É a única nota que subiu entre as nove revisadas. Continua sendo o modelo mais caro do grupo, a US$ 6 por milhão de tokens de saída. Para o tipo de tarefa em que reasoning compensa, a nota melhorou; para a fatura, nada mudou.
O que essa reavaliação diz sobre o tabuleiro
Para entender o peso do ajuste, vale olhar quem está no topo hoje e quem está no chão. O catálogo tem mais de 482 modelos listados e 62 criadores diferentes. No topo do índice de inteligência, o Claude Fable 5 lidera com 62,07, seguido do Claude Sonnet 5 (55,26), do GLM 5.2 da Z.ai (52,64), do Gemini 3.1 Pro Preview (47,74) e do Gemini 3.5 Flash (46,67). Os modelos reavaliados hoje estão todos bem abaixo dessa régua — nenhum deles aparece entre os cinco primeiros.
| Modelo | Inteligência | Saída US$/M |
|---|---|---|
| Claude Fable 5 | 62.1 | 50 |
| Claude Sonnet 5 | 55.3 | 10 |
| GLM 5.2 | 52.6 | 3.036 |
| Gemini 3.1 Pro Preview | 47.7 | 12 |
| Gemini 3.5 Flash | 46.7 | 9 |
A leitura prática é simples: a régua mexeu, mas o topo continua o mesmo. Anthropic, Google e Z.ai seguem na frente. OpenAI, Cohere e Alibaba aparecem, mas em outra faixa.
Para quem isso muda a decisão
Se você estava usando GPT-5 mini como "barato que resolve", a nota nova exige uma repescagem: o custo-benefício precisa ser recalculado com 25,3, não com 32,9. Se estava no GPT-5.1 por ser "o topo da OpenAI para tarefas médias", a queda de 2 pontos é marginal mas real — e o preço, US$ 3,4375 por milhão de saída, não acompanhou.
Se estava no Command A+, a nota nova (22,51) reposiciona o modelo na faixa baixa, e a ausência de preço público dificulta a comparação direta. Vale testar alternativas como o GLM 5.2, que está em 52,64 por US$ 3,036 — mais caro, mas em outra prateleira de capacidade.
Se estava no o3-mini (high), a nota de 15,6 por US$ 1,925 é um sinal de alerta: é o modelo mais caro entre os reavaliados de baixo desempenho. Provavelmente não é a melhor escolha hoje.
Se estava no Qwen3 235B Reasoning, a queda para 19,6 mantém o modelo na faixa econômica, mas tira o argumento de "nota surpreendente pelo preço".
E se estava no Claude 4.5 Sonnet Reasoning, a boa notícia: a nota subiu. A má: o preço, US$ 6 por milhão de saída, segue sendo o mais alto do grupo. Para tarefas em que reasoning justifica o custo, a conta ficou um pouco mais favorável.
O que fazer agora
Pegue a planilha de modelos que você roda em produção. Para cada um dos seis que caíram, recalcule o custo por ponto de inteligência usando a nota nova. Se o modelo já não justifica o preço, troque. Se continua justificando, mantenha — mas com a nota certa na cabeça.
A régua mudou. Sua decisão precisa mudar junto.
Recalcule custo por ponto de inteligência dos seis modelos reavaliados antes de renovar qualquer contrato ou pipeline.
Perguntas frequentes
Por que o Artificial Analysis reavaliou nove modelos no mesmo dia?
Reavaliações em lote são comuns quando o método de benchmark muda ou quando há correção de dados antigos. O efeito prático é o mesmo: notas antigas perdem validade e comparações precisam ser refeitas com a régua nova.
O GPT-5 mini ainda vale a pena depois da queda?
Depende do uso. A nota caiu de 32,96 para 25,31, então o argumento de "modelo intermediário barato" enfraqueceu. Para tarefas simples, o preço de US$ 0,6875 por milhão de saída ainda pode compensar; para tarefas que exigem raciocínio, vale olhar alternativas como o GLM 5.2 ou o Gemini 3.5 Flash.
Por que o Claude 4.5 Sonnet Reasoning subiu enquanto todo mundo caiu?
Não há explicação pública para movimentos individuais em reavaliações em lote — pode ser ajuste de método, correção de amostras ou novo conjunto de testes. O fato é que, entre as nove notas revisadas em 2 de julho de 2026, foi a única que subiu, de 34,65 para 36,42.
