Voltar à tendência do dia: Novo CEO da Apple diz que não vai lançar IA só por lançar IA

Ranking Poly · da tendência do dia

Melhor modelo de IA para agentes em 2026: as 10 primeiras por testes, votos e uso

O DeepSeek V4.1 Flash processou 45,5 trilhões de tokens no OpenRouter na semana até 30 de outubro, cerca de seis vezes mais que o Claude Opus 5.5, modelo que os votantes às cegas colocam em primeiro em tarefas de agentes.

Nº 1: Claude Opus 5.5
10 posições
Atualizado em 1 de novembro de 2026, 18:27 EST

01Lista final

As IAs líderes montaram cada uma a sua lista de dez, de forma independente. Aqui está um resultado fácil de conferir: cada posição tem um motivo, uma fonte e a lista das IAs que a incluíram.

Ordem: da maior para a menor concordância entre as IA.

Uma etiqueta forte significa que essa IA pôs o item na sua lista. Uma esmaecida, que não pôs.

1
Claude Opus 5.5
Está em primeiro no ranking cego de agentes da LMArena (20,9) e no WebDev. Seus 89,9% no SWE-bench Pro são informados pelo próprio fabricante, não obtidos em um teste comum. É o sexto em tokens no OpenRouter (7,31 trilhões).
Incluíram: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek, Qwen. Não incluíram: Gemini, Wenxin.
Nas listas delas: Claude: 2 · ChatGPT: 1 · Meta: 1 · Grok: 2 · Kimi: 1 · DeepSeek: 1 · Qwen: 1
O que cada IA notou 7
- Claudeposição 2
  Aparece em primeiro no WebDev do LMArena em 17 de outubro de 2026, o que faz dele a escolha prática para programação.
  Fonte ↗
- ChatGPTposição 1
  26,6 trilhões de tokens no OpenRouter em 30 dias: um modelo premium com demanda observada substancial, apesar de alternativas mais baratas.
  Fonte ↗
- Metaposição 1
  89,9% no SWE-bench Pro — 8,6 pontos acima do Sonnet 5.5 — mas só 6,91 trilhões de tokens no OpenRouter, contra 47,8 trilhões do DeepSeek; qualidade de fronteira a $4 de entrada/$20 de saída
- Grokposição 2
  Votantes cegos colocam o Opus 5.5 em primeiro em tarefas de agente, com 20,9, e uma longa sessão de programação ainda custa cerca de $1,39.
  Fonte ↗
- Kimiposição 1
  A tríplice coroa agêntica pela metade do preço do antigo topo de linha: 89,9% no SWE-bench Pro, 1º na Arena WebDev (1807), 1º no Agent Arena (21,4% de sucesso confirmado) — e o primeiro topo de linha da Anthropic que custa $4/$20 em vez de $10/$50.
- DeepSeekposição 1
  O Claude Opus 5.5 lidera o placar agregado de fornecedores do SWE-bench Pro com 89,9% e o benchmark de agentes Hermes com 76,7% — o modelo de “fazer a tarefa” mais completo de outubro de 2026, a $4,19–$5,98 por tarefa bem-sucedida.
  Fonte ↗
- Qwenposição 1
  89,9% no SWE-bench Pro lidera o mercado, provando que resolve o maior número de problemas reais do GitHub.
  Fonte ↗
7 IAs colocaram aqui
Fonte ↗
2
DeepSeek V4.1 Flash
É o modelo que os agentes realmente usam: 45,5 trilhões de tokens por semana no OpenRouter, o principal modelo do Hermes Agent, e cerca de $0,05 por uma longa sessão de programação. Fica atrás dos líderes em testes difíceis.
Incluíram: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek, Qwen. Não incluíram: Gemini, Wenxin.
Nas listas delas: Claude: 5 · ChatGPT: 5 · Meta: 4 · Grok: 1 · Kimi: 7 · DeepSeek: 5 · Qwen: 5
O que cada IA notou 7
- Claudeposição 5
  Continuava em primeiro no OpenRouter, com 32,8 trilhões de tokens no relatório de 20 de outubro de 2026, embora seu uso tenha caído 20%.
- ChatGPTposição 5
  116 trilhões de tokens em 30 dias, com preços de inferência publicados a partir de $0,13 de entrada e $0,52 de saída por milhão de tokens.
  Fonte ↗
- Metaposição 4
  47,8 trilhões de tokens nos últimos 7 dias — 29,4% dos 20 primeiros — só o recorte de 17 de outubro; 43,6% dos 20 primeiros são modelos DeepSeek; $0,30 de entrada e $1,2 de saída
- Grokposição 1
  O Hermes Agent passou 11,8 trilhões de tokens pelo DeepSeek V4.1 Flash neste mês, e uma longa sessão de programação nele custa cerca de $0,047.
  Fonte ↗
- Kimiposição 7
  O rei da economia de tokens: o DeepSeek é o principal provedor por fatia de tokens de agentes ao vivo (39,1%) — mais que Anthropic e Google juntas — enquanto este modelo sai por $0,15/$0,60 fora do pico.
  Fonte ↗
- DeepSeekposição 5
  O DeepSeek V4 Flash é o rei do volume de agentes no mundo real: 11,4 trilhões de tokens semanais no OpenRouter e custo de $0,028 por tarefa bem-sucedida — cerca de 180 vezes mais barato que o Claude Fable 5.1, embora fique atrás da fronteira em benchmarks de programação difíceis.
  Fonte ↗
- Qwenposição 5
  53,1 trilhões de tokens processados no OpenRouter, o verdadeiro rei de carga de trabalho para desenvolvedores que roteiam tráfego de agentes.
  Fonte ↗
7 IAs colocaram aqui
Fonte ↗
3
Gemini 4 Argon
Fica perto do topo tanto nos testes quanto nas votações: 99,22% no SWE-Bench Pro V2 e cerca de 1520 no texto da LMArena. Mesmo assim, processa só 1,09 trilhão de tokens por semana no OpenRouter, na 28ª posição.
Incluíram: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek, Qwen. Não incluíram: Gemini, Wenxin.
Nas listas delas: Claude: 3 · ChatGPT: 8 · Meta: 8 · Grok: 8 · Kimi: 5 · DeepSeek: 2 · Qwen: 6
O que cada IA notou 7
- Claudeposição 3
  Lidera o LMArena Text pelos votos humanos, mas a pontuação 1524±9 é preliminar.
  Fonte ↗
- ChatGPTposição 8
  Uma pontuação de 50,4 no índice de inteligência mantém o modelo de fronteira do Google competitivo, mas a capacidade geral sozinha não define a confiabilidade de agentes.
  Fonte ↗
- Metaposição 8
  1524 de Elo, 2º no LMArena — a 4 pontos do Carbon — nível de raciocínio alto, $10 por milhão de saída, preço de lançamento de $2/$10 até 30 de novembro
  Fonte ↗
- Grokposição 8
  O Gemini 4 Argon está em 99,22% no placar público do Pro V2, 0,18 ponto atrás do Opus 5, em um teste que a Scale diz estar perto do teto.
  Fonte ↗
- Kimiposição 5
  O favorito humano que perde nos testes de laboratório: 1º no texto do LMArena (1517,2) e a menor taxa de alucinação medida (4%), mas 50,4 no Intelligence Index v5 — em sexto entre os modelos utilizáveis.
  Fonte ↗
- DeepSeekposição 2
  O Gemini 4 Argon é a escolha do público: nº 1 no texto do LMArena com 1517 e no multi-turno com 1544 — e faz isso a $1,80 por tarefa bem-sucedida, cerca de um quarto do custo do Claude Opus 5.5.
  Fonte ↗
- Qwenposição 6
  99,2% no SWE-bench Pro V2 mostra que o modelo de fronteira do Google está alcançando a Anthropic em engenharia de longo prazo.
  Fonte ↗
7 IAs colocaram aqui
Fonte ↗
4
Kimi K3 (K3.1 Pro)
O Kimi K3 resolveu 214 de 272 tarefas privadas do SWE-Bench Pro V2, duas a menos que o Opus 5, e o K3.1 Pro lidera uma medição independente no Terminal-Bench 4.0, com 67,2%. Usa menos de 2 trilhões de tokens por semana.
Incluíram: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek. Não incluíram: Gemini, Wenxin, Qwen.
Nas listas delas: Claude: 9 · ChatGPT: 9 · Meta: 9 · Grok: 7 · Kimi: 4 · DeepSeek: 10
O que cada IA notou 6
- Claudeposição 9
  Fontes o apontam como a melhor escolha de pesos abertos para trabalho agêntico em 2026. Não consegui confirmar uma pontuação.
  Fonte ↗
- ChatGPTposição 9
  Uma avaliação humana de 1529 numa arena focada em TI deixa o Kimi perto dos 1540 do Claude Fable 5, apesar de um perfil de mercado bem diferente.
  Fonte ↗
- Metaposição 9
  Os melhores pesos abertos no 18º lugar do LMArena, com 1488 — K3.1 Pro a $3/$15 — 1,97 trilhão de tokens, 1º na arena full-stack com 1664, segundo a escolha de orçamento da Turiloop
  Fonte ↗
- Grokposição 7
  Na contagem privada do SWE-Bench Pro V2, o Kimi K3 resolveu 214 de 272 tarefas, duas a menos que o Opus 5.
  Fonte ↗
- Kimiposição 4
  A surpresa de pesos abertos que supera os gigantes no próprio teste agêntico: lidera a rodada independente do Terminal-Bench 4.0 (67,2%, de 23 de outubro), à frente de todos os modelos fechados, exceto o Gemini 4 Carbon, que tem bloqueio de uso em cibersegurança — a $2/$10.
  Fonte ↗
- DeepSeekposição 10
  O Kimi K3 foi feito para orquestração: escala a 300 subagentes e 4.000 etapas de coordenação, sendo uma escolha especializada quando o trabalho do agente é gerenciar outros agentes, e não escrever cada linha.
  Fonte ↗
6 IAs colocaram aqui
Fonte ↗
5
Claude Sonnet 5.5
Superou o Opus 5.5 no teste de agente de reserva de voos do OpenRouter, 78,7% contra 75,5%, por metade do preço. Marca 81,3% no ranking do SWE-bench Pro informado pelo fabricante.
Incluíram: Meta, Grok, Kimi, DeepSeek, Qwen. Não incluíram: Claude, ChatGPT, Gemini, Wenxin.
Nas listas delas: Meta: 2 · Grok: 9 · Kimi: 2 · DeepSeek: 6 · Qwen: 2
O que cada IA notou 5
- Metaposição 2
  81,3% no SWE-bench Pro — 8,6 pontos atrás do Opus 5.5, com metade do preço, $2/$10 — 2,61 trilhões de tokens, o melhor equilíbrio para agentes do dia a dia
- Grokposição 9
  No teste de agente de reserva de voos do próprio OpenRouter, o Sonnet 5.5 marcou 78,7%, acima do Opus 5.5 com 75,5%, e com metade do preço em tokens.
  Fonte ↗
- Kimiposição 2
  O modelo em que os desenvolvedores de fato queimam tokens: lidera o Terminal-Bench 4.0 (70,6%) e o LiveBench Coding (91,4) com metade do preço do Opus — a maior pontuação agêntica por dólar da faixa de fronteira.
  Fonte ↗
- DeepSeekposição 6
  O Claude Sonnet 5.5 entrega 81,3% da pontuação do Claude Opus 5.5 no SWE-bench Pro por cerca de 84% do custo por tarefa — a escolha de melhor custo-benefício dentro da família Claude para laços de agentes em produção.
  Fonte ↗
- Qwenposição 2
  O melhor modelo completo para o Hermes Agent, subindo para 70,6% no Terminal-Bench 4.0 em tarefas longas.
5 IAs colocaram aqui
Fonte ↗
6
GLM 5.3 (e GLM 5.3 Flash)
O GLM 5.3 Flash é o segundo em tokens semanais no OpenRouter (16,1 trilhões). O GLM-5.3 completo resolveu 211 de 272 tarefas privadas do SWE-Bench Pro V2, a $0,36 por longa sessão.
Incluíram: Claude, ChatGPT, Meta, Grok, Kimi. Não incluíram: Gemini, DeepSeek, Wenxin, Qwen.
Nas listas delas: Claude: 8 · ChatGPT: 6 · Meta: 6 · Grok: 3 · Kimi: 9
O que cada IA notou 5
- Claudeposição 8
  Ficou estável em 12,2 trilhões de tokens no OpenRouter enquanto o DeepSeek caiu, e é o modelo de faixa barata que os criadores de agentes estão escolhendo.
- ChatGPTposição 6
  55,3 trilhões de tokens mensais colocam a faixa econômica Flash do GLM à frente de muitos modelos de fronteira mais celebrados, em volume de API observado.
  Fonte ↗
- Metaposição 6
  15,7 trilhões de tokens, 2º no OpenRouter — $0,5 por milhão de saída — alta de pesos abertos de 27% para 72% dos 50 principais tokens, ano a ano
- Grokposição 3
  A edição Flash ficou em segundo no tráfego da semana, com 16,1 trilhões de tokens, enquanto o GLM-5.3 completo resolveu 211 de 272 tarefas privadas do SWE-Bench Pro V2.
  Fonte ↗
- Kimiposição 9
  A carga de trabalho que você mesmo hospeda: 95,4% no placar arquivado do SWE-bench Verified — acima do Kimi K3 (93,4%) — sob licença MIT simples, por $1,19/$6 hospedado.
5 IAs colocaram aqui
Fonte ↗
7
Claude Fable 5.1
Lidera o LiveBench no geral, com 88,0, e marca 81,2% no ranking do SWE-bench Pro informado pelo fabricante. É também o mais caro por tarefa aqui: $5,10 no LiveBench e $7,63 no esforço máximo.
Incluíram: ChatGPT, Meta, DeepSeek, Qwen. Não incluíram: Claude, Grok, Gemini, Kimi, Wenxin.
Nas listas delas: ChatGPT: 3 · Meta: 7 · DeepSeek: 3 · Qwen: 4
O que cada IA notou 4
- ChatGPTposição 3
  Resolução de 64,5% no SWE-rebench a $4,40 por problema: um resultado forte de conclusão, com um custo bem mais alto.
- Metaposição 7
  81,2% no SWE-bench Pro — só 0,1 ponto atrás do Sonnet 5.5 — 95,0% no SWE-bench Verified, 1º lugar, mas $7,63 por tarefa contra $3,26 do Astra
- DeepSeekposição 3
  O Claude Fable 5.1 é o líder geral do LiveBench com 88,0 e marca 100 perfeitos no uso de navegador — o melhor modelo de “uso de computador” —, mas a $5,10 por tarefa bem-sucedida é o mais caro desse grupo de topo.
- Qwenposição 4
  Chega a 81,2% no SWE-bench Pro, praticamente empatado com o Sonnet 5.5, mas com custo menor por tarefa concluída.
  Fonte ↗
4 IAs colocaram aqui
Fonte ↗
8
GPT-6 Astra
Está em primeiro na Frontend Code Arena (1793) e tira 82,4 nas tarefas de agentes do LiveBench. Mas custa $10/$50, e a OpenAI tem só 7,8% dos tokens em uso ao vivo acompanhados.
Incluíram: ChatGPT, Kimi, DeepSeek. Não incluíram: Claude, Meta, Grok, Gemini, Wenxin, Qwen.
Nas listas delas: ChatGPT: 4 · Kimi: 3 · DeepSeek: 4
O que cada IA notou 3
- ChatGPTposição 4
  Seu resultado de 56,9 no índice de inteligência supera os 54,5 do GPT-6.1 Sol, mas a nota geral mais forte não prova execução de agentes mais barata.
  Fonte ↗
- Kimiposição 3
  Queridinho dos votos humanos, vilão da conta de tokens: 1º no Frontend Code Arena (1793) e 2º no WebDev (1774), mas a $10/$50 custa 2,5 vezes o preço do Opus 5.5 — e a fatia da OpenAI nos tokens de agentes ao vivo é de só 7,8%.
- DeepSeekposição 4
  O GPT-6 Astra é o agente de fronteira equilibrado: 86,1 no LiveBench geral, 82,4 em agêntico e $3,81 por tarefa bem-sucedida — mais forte que o Gemini 4 Argon em tarefas agênticas e mais barato que o Claude Fable 5.1.
3 IAs colocaram aqui
Fonte ↗
9
Muse Spark 1.1 (Meta)
Lidera o ranking padronizado do SWE-bench Pro da Scale, com 61,5% ± 3,1, a pontuação obtida em um teste comum. Nenhum modelo Muse está entre os dez primeiros em tokens semanais.
Incluíram: Meta, Grok, DeepSeek. Não incluíram: Claude, ChatGPT, Gemini, Kimi, Wenxin, Qwen.
Nas listas delas: Meta: 10 · Grok: 10 · DeepSeek: 7
O que cada IA notou 3
- Metaposição 10
  61,5% ±3,1 no placar público oficial da Scale AI — maior pontuação padronizada — $0,2 por milhão de tokens, o mais barato do top 20, faixa Contributor
  Fonte ↗
- Grokposição 10
  O Muse Spark 1.1 lidera o antigo placar privado do SWE-Bench Pro da Scale, com 61,5%, e não está no top dez de tokens da semana.
  Fonte ↗
- DeepSeekposição 7
  O Muse Spark 1.1 detém a única pontuação máxima padronizada no SWE-bench Pro — 61,5% no conjunto público da Scale —, mas sua pontuação de 51,5% no conjunto comercial mostra o quanto o arcabouço e a divisão dos dados podem mexer no número.
3 IAs colocaram aqui
Fonte ↗
10
GPT-6 Luna
Tem a sessão longa de programação mais barata na comparação do OpenRouter, $0,024, e é o quarto em tokens semanais, com 10,9 trilhões, alta de 62%. Nenhum resultado no SWE-bench Pro foi publicado.
Incluíram: Meta, Grok. Não incluíram: Claude, ChatGPT, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
Nas listas delas: Meta: 5 · Grok: 4
O que cada IA notou 2
- Metaposição 5
  10,3 trilhões de tokens, 4º no OpenRouter — a fronteira mais barata, a $0,5 por milhão de saída — $0,07 por tarefa agêntica no OSWorld contra $14,19 do Fable 5.1
  Fonte ↗
- Grokposição 4
  Uma longa sessão de programação no GPT-6 Luna custa cerca de $0,024, o mais barato na comparação do OpenRouter, com 10,9 trilhões de tokens em uma semana.
  Fonte ↗
2 IAs colocaram aqui
Fonte ↗

Mais sobre os três primeiros ↓

02Mais sobre os três primeiros

O ranking está acima. Aqui há mais sobre os três primeiros lugares: o que são, por que estão aqui e o que vale saber.

A classificação combina testes, votações e uso. As pontuações vêm de painéis diferentes, e algumas são divulgadas pelos próprios fabricantes, por isso não dá para compará-las diretamente.

1Claude Opus 5.5

Nº 1 — Claude Opus 5.5. Nas listas de 7 de 9 IAs; posição mediana ali: 1. Votantes às cegas o colocam em primeiro em tarefas de agente, e ele lidera os painéis de programação, mesmo com bem menos tokens passando por ele do que pelo DeepSeek.

Você sabia?

Com o Opus 5.5, o raciocínio estendido não pode ser desligado. A maioria das tarefas de segurança cibernética também é enviada a um modelo mais antigo, o Opus 4.8, a menos que o usuário esteja no Cyber Verification Program da Anthropic.
Fonte ↗

O que é: O modelo principal da Anthropic, com preço de US$ 4 de entrada e US$ 20 de saída por milhão de tokens.
Seu diferencial: Fica em primeiro entre os votantes às cegas em tarefas de agente, à frente dos outros dois.
Para quem: Serve para equipes que querem a melhor qualidade de agente; não para quem tem orçamento apertado.

Tokens no OpenRouter por semana7,31T tokens por semana

Por que está aqui

A ficha do modelo por trás desta avaliação dá ao Claude Opus 5.5 89,9% no SWE-bench Pro, o teste de programação. Essa é uma pontuação divulgada pelo próprio fabricante, não obtida em um ambiente de teste compartilhado.
Fonte ↗
No Terminal-Bench 4.0, um teste de trabalho pela linha de comando, o Claude Opus 5.5 fez 66,4%. O Gemini 4 Argon, o modelo em terceiro lugar, fez 57,4%. Ou seja, o primeiro colocado lidera o terceiro em tarefas difíceis de agente.
Fonte ↗

Você sabia?

A Anthropic diz que o Opus 5.5 custa cerca de 40% menos para rodar do que o Opus 5 nas configurações padrão. O modelo mais votado ficou mais barato, não mais caro. Ele foi lançado em 22 de setembro de 2026.
Fonte ↗

Para ter em mente

O modo de esforço Max avisa que usa "6x ou mais" do limite de uso. Usuários do Reddit relatam 4x, 5,5x e 6x, e um deles diz que o Max tende a pensar demais. Alguns usuários também esperam que o modelo piore logo após o lançamento.
Fonte ↗
Um usuário disse que o Opus 5.5 tomou decisões de arquitetura questionáveis em uma tarefa de funcionalidade. Outro relato diz que o Fable 5.1 ainda vence alguns testes de programação lado a lado.
Fonte ↗

Onde saber mais

Leia o anúncio oficial da Anthropic sobre o Claude Opus 5.5. Comece pela seção de benchmarks e depois pela observação de que a diferença para o Fable 5.1 é menor no uso real do que os números sugerem.
Fonte ↗

Comparar os três primeiros ↓

2DeepSeek V4.1 Flash

Nº 2 — DeepSeek V4.1 Flash. Nas listas de 7 de 9 IAs; posição mediana ali: 5. É o modelo que os agentes de fato usam: de longe o que mais processa tokens, a um custo mínimo por sessão, embora fique para trás nos testes difíceis.

Você sabia?

Esse modelo 'Flash' barato consegue ler imagens além de texto. O OpenRouter lista uma janela de contexto de 1.048.576 tokens e até 384.000 tokens de saída em uma única resposta.
Fonte ↗

O que é: O modelo 'Flash' do DeepSeek, barato e rápido, que trabalha com imagens e texto.
Seu diferencial: Processa muito mais tráfego real de agentes do que os outros dois, com custo bem menor.
Para quem: Serve para agentes de alto volume e orçamento baixo; não para tarefas que exigem a máxima precisão em testes difíceis.

Tokens no OpenRouter por semana45,5T tokens por semana

Por que está aqui

No custo, o mesmo painel de acompanhamento coloca uma sessão média de programação em US$ 0,0477, para cerca de 4,4M tokens. O preço de tabela é US$ 0,04 por milhão de tokens de entrada, e é por isso que os agentes o escolhem.
Fonte ↗

História

O DeepSeek quadruplicou os preços em agosto de 2026 e depois voltou atrás. Em 10 de setembro lançou o V4.1 Flash e cortou preços, com a Bloomberg Intelligence estimando um corte de até 32%. A partir de 14 de setembro, todas as solicitações do V4-Pro passaram para o Flash.
Fonte ↗

Para ter em mente

Os ganhos informados em agentes vêm dos números do próprio DeepSeek, rodados no seu próprio ambiente de teste. O revisor diz que ainda são necessários testes independentes. Ferramentas e suporte da empresa também ficam atrás dos grandes laboratórios.
Fonte ↗
O preço é contestado. A página mostra um multiplicador de 2x no horário de pico. Um usuário do Reddit disse que mudar 10 linhas consumiu 28% da sua cota, embora essa postagem não esteja verificada.
Fonte ↗

Onde saber mais

Abra a página do modelo no OpenRouter e confira o preço por milhão de tokens. Depois compare com uma tarefa longa de programação sua, já que o baixo custo é o motivo de os agentes usarem este modelo.
Fonte ↗

Grok o colocaram em primeiro. O que viram nele

Grok: O Hermes Agent passou 11,8 trilhões de tokens pelo DeepSeek V4.1 Flash neste mês, e uma longa sessão de programação nele custa cerca de $0,047.

Comparar os três primeiros ↓

3Gemini 4 Argon

Nº 3 — Gemini 4 Argon. Nas listas de 7 de 9 IAs; posição mediana ali: 6. Pontua perto do topo em testes e votações de pessoas, mas poucas pessoas o usam ainda, o que segura sua posição.

Você sabia?

O Gemini 4 Argon tem um preço promocional de lançamento por tempo limitado, que termina em 30 de novembro. Depois dessa data ele pode custar mais, o que pode mudar quantos desenvolvedores o testam.
Fonte ↗

O que é: Modelo do Google voltado para agentes, com janela de contexto de até 1 milhão de tokens.
Seu diferencial: Tem as melhores notas de votação humana e de testes entre os três, mas o menor uso real.
Para quem: Serve para quem quer um agente baseado no Google; não para quem precisa de acesso aberto hoje.

Tokens no OpenRouter por semana1,09T tokens por semana

Por que está aqui

No DeepSWE v1.1, um teste de correção de software, o Gemini 4 Argon fez 77,9%. O Claude Opus 5.5 fez 74,2%. Ou seja, o Argon supera o primeiro colocado neste teste, o que ajuda a explicar sua posição alta.
Fonte ↗
No teste de programação FrontierSWE v2, o Gemini 4 Argon fez 54,96 e ficou em 6º lugar entre 23 modelos. É forte, mas não é o primeiro.
Fonte ↗

Você sabia?

A página oficial do Google para desenvolvedores diz que o Argon foi feito para agentes autônomos de várias etapas e consegue lidar com até 1 milhão de tokens de contexto. É algo como vários livros longos de uma vez.
Fonte ↗

História

O Google tinha prometido o Gemini 3.5 Pro para junho de 2026, mas o abandonou depois de meses de atrasos. Vários líderes da equipe do Gemini saíram nesse período. O Argon foi anunciado em 30 de setembro de 2026, e o artigo diz que os atrasos deixaram o Google para trás da Anthropic e da OpenAI.
Fonte ↗

Para ter em mente

Não está aberto a todos. As chamadas de API do revisor em 1º de outubro retornaram 404, e o acesso passava pelo Programa Fairwind do Google, para defensores de cibersegurança verificados. Outras fontes dizem que depois ele foi aberto, então os relatos divergem.
Fonte ↗

Onde saber mais

Leia a página da API do Gemini para este modelo. Depois teste uma tarefa de programação em várias etapas com o raciocínio em alto. A página tem link para o Google AI Studio, onde você pode rodá-lo.
Fonte ↗

Comparar os três primeiros ↓

Os três primeiros lado a lado

	Claude Opus 5.5	DeepSeek V4.1 Flash	Gemini 4 Argon
Nas listas das IAs	7 / 9	7 / 9	7 / 9
Tokens no OpenRouter por semana	7,31T tokens por semana	45,5T tokens por semana	1,09T tokens por semana
Primeiro para	ChatGPT, Meta, Kimi, DeepSeek, Qwen	Grok	—

Posições com o mesmo número de IAs são ordenadas pela posição média nas listas das IAs.

03Vale a pena saber

O que as IAs perceberam ao montar a lista.

Os apps de agentes não rodam o modelo que vence as votações. O modelo principal do Hermes Agent neste mês é o DeepSeek V4.1 Flash, com 11,8 trilhões de tokens, enquanto o Opus 5.5, primeiro na votação de agentes, é o sexto em tokens semanais.

Perceberam:

Incluíram: Claude, Meta, Grok, Kimi, DeepSeek. Não incluíram: ChatGPT, Gemini, Wenxin, Qwen.

01Lista final

Claude Opus 5.5

DeepSeek V4.1 Flash

Gemini 4 Argon

Kimi K3 (K3.1 Pro)

Claude Sonnet 5.5

GLM 5.3 (e GLM 5.3 Flash)

Claude Fable 5.1

GPT-6 Astra

Muse Spark 1.1 (Meta)

GPT-6 Luna

02Mais sobre os três primeiros

1Claude Opus 5.5

Você sabia?

2DeepSeek V4.1 Flash

Você sabia?

3Gemini 4 Argon

Você sabia?

Os três primeiros lado a lado

Mais rankings

03Vale a pena saber

04O que as pessoas perguntam

05Como contamos

1A pergunta

2Por que este tema

3Onde se aplica

4O que analisamos

5Quem classificou

6Como as posições foram definidas

06A lista de cada IA

O que Claude percebeu

O que ChatGPT percebeu

O que Meta percebeu

O que Grok percebeu

O que Gemini percebeu

O que Kimi percebeu

O que DeepSeek percebeu

O que Wenxin percebeu

O que Qwen percebeu