Voltar à tendência do dia: Chefe da Intel alerta: bilhões de assistentes de IA serão difíceis de controlar
Ranking Poly · da tendência do dia

Comparação de custo de agentes de IA 2026: quem entrega mais trabalho por dólar

No ranking de programação do Arena de 4 de novembro, uma tarefa mediana do Claude Opus 5.5 custa US$ 17,45, e a do GPT-6.1 Terra custa US$ 1,40: cerca de 12 vezes o preço por uma melhoria líquida de 23,38% contra 13,76%.

  • Nº 1: GPT-6.1 Sol (OpenAI Codex)
  • 10 posições

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. 1

    GPT-6.1 Sol (OpenAI Codex)

    A opção barata em que três placares independentes concordam: 12,51% de melhoria líquida no Arena a US$ 0,98, 62,9% no Coding Agent Index a US$ 1,04, 58,2% no Terminal-Bench a US$ 1,92.

    Incluíram: ChatGPT, Meta, Grok, StepFun, Kimi, DeepSeek. Não incluíram: Nemotron, Wenxin.

    Nas listas delas: ChatGPT: 2 · Meta: 1 · Grok: 3 · StepFun: 3 · Kimi: 1 · DeepSeek: 4

    O que cada IA notou 6
    • ChatGPTposição 2

      Custo mediano de $0,98 por tarefa e duração mediana de 10,3 minutos fazem dele uma opção prática e econômica para fluxos de código controlados.

      Fonte ↗
    • Metaposição 1

      $0,98 mediana na Arena, $1,27 por tarefa do Intelligence Index por 55 pts – 8x mais barato que o Opus 5.5 max, a $10,04, por 58 pts

    • Grokposição 3

      Uma mediana geral de $0,98 garante 12,51% de ganho líquido, um passo à frente do Terra e um atrás na recuperação de shell.

      Fonte ↗
    • StepFunposição 3

      A aposta de custo da OpenAI: a dois pontos dos irmãos mais caros no mesmo painel, por $0,56 de mediana por tarefa.

    • Kimiposição 1

      62,9% das tarefas reais de engenharia resolvidas a $1,04 e 15,5 minutos cada – cerca de 60 pontos de índice por dólar, seis vezes o trabalho por dólar do primeiro colocado do ranking.

      Fonte ↗
    • DeepSeekposição 4

      58,2% por $1,92 – um quinto dos $9,90 do Astra no mesmo teste.

    6 IAs colocaram aqui
    Fonte ↗
  2. 2

    Claude Opus 5.5 (Claude Code)

    Maior melhoria líquida geral (20,14%), mas US$ 17,45 e 39 minutos por tarefa mediana de programação. As execuções do Terminal-Bench o precificam entre US$ 14,30 e US$ 19,07.

    Incluíram: ChatGPT, Meta, Grok, StepFun, Kimi, DeepSeek. Não incluíram: Nemotron, Wenxin.

    Nas listas delas: ChatGPT: 6 · Meta: 8 · Grok: 7 · StepFun: 4 · Kimi: 9 · DeepSeek: 6

    O que cada IA notou 6
    • ChatGPTposição 6

      Lidera o ranking geral da Arena de 3 de novembro, mas $6,80 por tarefa mediana significa que seu preço alto precisa se justificar com menos tentativas falhas ou repetidas.

      Fonte ↗
    • Metaposição 8

      $0,08 mediana, absolutamente o mais barato – 0,62% no geral, 1,9 min, 26,1 mil tokens a $0,10/$0,50

      Fonte ↗
    • Grokposição 7

      Maior ganho líquido do painel, 20,14%, a $6,79 no geral e $17,45 quando a tarefa é código.

      Fonte ↗
    • StepFunposição 4

      O melhor custo-benefício dentro da melhor família: 1º em capacidade de correção e 2º em sucesso confirmado, a $1,31 por tarefa, 64% abaixo do próprio nível Max.

      Fonte ↗
    • Kimiposição 9

      O cavalo de batalha confiável mais caro: 66% de sucesso em tarefas a $13,04 – você paga cerca de o dobro por tarefa em comparação com o Codex, e um acompanhamento independente diz que ele termina em uma mediana de 2,2 minutos.

      Fonte ↗
    • DeepSeekposição 6

      64,8% a $14,30 – trabalho confiável, a um preço que só se paga em tarefas de alto valor.

    6 IAs colocaram aqui
    Fonte ↗
  3. 3

    Claude Sonnet 5.5 (Claude Code)

    Empata com o Opus 5.5 em sucesso confirmado em programação (24,98%), a US$ 8,39 por tarefa mediana de programação em vez de US$ 17,45. No geral: 15,42% de melhoria líquida a US$ 3,86.

    Incluíram: ChatGPT, Meta, Grok, StepFun, Kimi. Não incluíram: Nemotron, DeepSeek, Wenxin.

    Nas listas delas: ChatGPT: 5 · Meta: 5 · Grok: 5 · StepFun: 6 · Kimi: ver lista

    O que cada IA notou 5
    • ChatGPTposição 5

      O custo mediano de $3,86 é bem mais alto que as alternativas abaixo de um dólar, mas os 19,95% de sucesso confirmado tornam seu valor ajustado pela confiabilidade competitivo.

      Fonte ↗
    • Metaposição 5

      Líder no GAIA com 74,55% por $178,20 – 15,42% confirmado na Arena por $3,83, 16,4 min – o melhor trabalho de pesquisa por dólar

    • Grokposição 5

      Empata com o Opus em sucesso confirmado em código, 24,98%, por $8,39 em vez de $17,45.

      Fonte ↗
    • StepFunposição 6

      Segundo melhor sucesso confirmado de todo o painel (20,21%) por $3,86 a tarefa – a opção intermediária da Anthropic que mantém a maior parte da confiabilidade.

      Fonte ↗
    • Kimi

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    5 IAs colocaram aqui
    Fonte ↗
  4. 4

    Gemini 4 Argon

    Em tarefas de chat, 13,22% de melhoria líquida por 52 centavos em 3,8 minutos. Mais fraco em código: 8,54% a US$ 2,14 no Arena, e US$ 5,84 por tarefa no Antigravity CLI, do Google.

    Incluíram: ChatGPT, Meta, Grok, Kimi. Não incluíram: Nemotron, StepFun, DeepSeek, Wenxin.

    Nas listas delas: ChatGPT: 3 · Meta: 3 · Grok: 2 · Kimi: 3

    O que cada IA notou 4
    • ChatGPTposição 3

      Com $0,97 e 7,3 minutos por tarefa mediana, é mais rápido e barato que o Carbon, embora o Carbon tenha o sinal de melhora geral mais forte.

      Fonte ↗
    • Metaposição 3

      $0,97 mediana, 10,53% no geral – 0,42% de alucinação de ferramentas, a menor entre os 10 primeiros, 13,52% de capacidade de correção

    • Grokposição 2

      Em tarefas de chat, 13,22% de ganho líquido por $0,52 e 3,8 minutos.

      Fonte ↗
    • Kimiposição 3

      Melhor nota no DeepSWE do painel (78,8%) a $5,84 por tarefa – o trabalho de código difícil mais forte por dólar entre os três grandes harnesses.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  5. 5

    Gemini 4 Carbon

    Mais qualidade por menos de US$ 2: 16,72% de melhoria líquida e 18,02% de sucesso confirmado, com mediana de US$ 1,69, cerca de um quarto dos US$ 6,79 do Opus 5.5. O Arena ainda a marca como preliminar.

    Incluíram: ChatGPT, Meta, Grok, StepFun. Não incluíram: Nemotron, Kimi, DeepSeek, Wenxin.

    Nas listas delas: ChatGPT: 1 · Meta: 4 · Grok: 4 · StepFun: 2

    O que cada IA notou 4
    • ChatGPTposição 1

      Com $1,69 por tarefa mediana, entrega 18,04% de sucesso confirmado pelo usuário no levantamento da Arena de 3 de novembro – o equilíbrio mais forte observado entre preço e conclusão entre os modelos líderes.

      Fonte ↗
    • Metaposição 4

      16,72% confirmado, 2º no geral, por $1,69 – 19,32% de capacidade de correção, a melhor, 0,51% de alucinação

    • Grokposição 4

      O líder em custo-benefício que ainda vence tarefas: 16,72% de ganho líquido geral por $1,69, e a Arena o marca como preliminar.

      Fonte ↗
    • StepFunposição 2

      A escolha de eficiência que também vence: 2º no geral na Agent Arena, por $1,69–$1,80 a tarefa, um quinto do preço do agente acima dele em sucesso confirmado.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  6. 6

    DeepSeek V4.1 Flash

    A entrada real mais barata, com mediana de US$ 0,16, mas só 2,37% de melhoria líquida em 4 de novembro; um post anterior do Arena mostrou +4,87% a US$ 0,07.

    Incluíram: ChatGPT, Meta, Grok, StepFun. Não incluíram: Nemotron, Kimi, DeepSeek, Wenxin.

    Nas listas delas: ChatGPT: 8 · Meta: 7 · Grok: 9 · StepFun: 1

    O que cada IA notou 4
    • ChatGPTposição 8

      Com $0,16 por tarefa mediana, está entre as opções observadas mais baratas, mas o sinal de 3,38% de sucesso confirmado impede um ranking maior em trabalho concluído.

      Fonte ↗
    • Metaposição 7

      $0,16 mediana, o código mais barato – 2,37% no geral, 86,5 mil tokens, $0,15/$0,60 por milhão

      Fonte ↗
    • Grokposição 9

      Perto do Astra em qualidade, 13,86% contra 14,70%, com mediana parecida de $6,40 e mediana de código de $16,30.

      Fonte ↗
    • StepFunposição 1

      $0,07 de mediana por tarefa para +4,87% de ganho líquido – cerca de 97 vezes mais barato que o agente nº 1 do painel, para um trabalho só alguns pontos pior.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  7. 7

    Devin (Cognition AI)

    O custo por tarefa depende de quem conta: US$ 0,60 (alegação do fornecedor), US$ 1,40 com 70,4% (DeepSWE, de terceiros), US$ 7,90 (Coding Agent Index), cerca de US$ 9–10 por tarefa integrada ao código (estimativa de terceiros).

    Incluíram: Meta, StepFun, Kimi, DeepSeek. Não incluíram: ChatGPT, Grok, Nemotron, Wenxin.

    Nas listas delas: Meta: ver lista · StepFun: 7 · Kimi: 5 · DeepSeek: 2

    O que cada IA notou 4
    • Meta

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • StepFunposição 7

      A Cognition AI afirma custo 64% menor que o do modelo de código de fronteira – o que implica cerca de $1,18 por tarefa –, enquanto outras contas colocam uma tarefa completa perto de $9–$10.

      Fonte ↗
    • Kimiposição 5

      $7,90 compram 61,7% de conclusão de tarefas, com o SWE-2 Medium fazendo o trabalho pesado – preço intermediário, confiabilidade de primeira linha por dólar para chamados delegados.

      Fonte ↗
    • DeepSeekposição 2

      68,8 a $0,60 – se você contar a execução do FrontierCode, e não a licença de $500/mês.

    4 IAs colocaram aqui
    Fonte ↗
  8. 8

    GPT-6.1 Terra

    O melhor desempenho barato: mediana de US$ 0,79 para 11,40% de melhoria líquida, e US$ 1,40 por tarefa de programação contra US$ 17,45 do Opus 5.5.

    Incluíram: ChatGPT, Meta, Grok. Não incluíram: Nemotron, StepFun, Kimi, DeepSeek, Wenxin.

    Nas listas delas: ChatGPT: 4 · Meta: 2 · Grok: 1

    O que cada IA notou 3
    • ChatGPTposição 4

      O custo mediano de $0,79 por tarefa fica abaixo dos $0,98 do Sol, mas o sinal de melhora geral observado é menor.

      Fonte ↗
    • Metaposição 2

      O mais barato entre os 10 primeiros, $0,96 por tarefa, 48 pts – $0,79 mediana na Arena, 11,4% de sucesso, 15,18% de capacidade de correção

    • Grokposição 1

      Ganho líquido geral de 11,40% com mediana de $0,79, e $1,40 em tarefa de código.

      Fonte ↗
    3 IAs colocaram aqui
    Fonte ↗
  9. 9

    Kimi K3.1 Pro

    Mediana de US$ 1,47 para 5,29% de melhoria líquida (preliminar): menos da metade do ganho do Terra, a quase o dobro do preço. A Toloka constatou que 41% das tarefas do K3 foram resolvidas só às vezes.

    Incluíram: Meta, Grok, StepFun. Não incluíram: ChatGPT, Nemotron, Kimi, DeepSeek, Wenxin.

    Nas listas delas: Meta: 6 · Grok: 6 · StepFun: 5

    O que cada IA notou 3
    • Metaposição 6

      Empate no 1º lugar entre modelos abertos – 5,29% no geral, $1,47 mediana, 6,8 min, 41,4 mil tokens a $2/$10 por milhão

      Fonte ↗
    • Grokposição 6

      Positivo, e não barato e vazio: 5,29% de ganho líquido geral por $1,47, bem atrás dos 11,40% do Terra por $0,79.

      Fonte ↗
    • StepFunposição 5

      $1,03 por tarefa mediana e ainda fica logo fora da fronteira de Pareto – o caminho mais barato e confiável para trabalho agêntico de primeira linha.

    3 IAs colocaram aqui
    Fonte ↗
  10. 10

    GPT-6 Astra

    Em quarto na qualidade geral (14,70%), mas US$ 6,16 por tarefa mediana e US$ 15,30 em código; o Sonnet 5.5 faz mais por US$ 3,86.

    Incluíram: ChatGPT, Grok. Não incluíram: Meta, Nemotron, StepFun, Kimi, DeepSeek, Wenxin.

    Nas listas delas: ChatGPT: 10 · Grok: 8

    O que cada IA notou 2
    • ChatGPTposição 10

      Seu custo mediano de $6,16 por tarefa e o sinal de 14,28% de sucesso confirmado fazem dele uma opção premium, e não um vencedor geral de custo-benefício.

      Fonte ↗
    • Grokposição 8

      Em 4º na qualidade geral, 14,70%, e já $15,30 antes de uma tarefa de código ser concluída.

      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.

Os números vêm de testes diferentes: as médias gerais e de programação da Arena, o Terminal-Bench e o Coding Agent Index. O custo por tarefa muda de um teste para outro, então compare os valores só dentro de um mesmo teste.

1GPT-6.1 Sol (OpenAI Codex)

Nº 1 — GPT-6.1 Sol (OpenAI Codex). Nas listas de 6 de 8 IAs; posição mediana ali: 2.5. Três tabelas separadas concordam: ele entrega resultados sólidos pelo menor preço, cerca de um dólar por tarefa.

Codex page
Esculenta · CC BY-SA 4.0 · Wikimedia Commons

Você sabia?

  • O GPT-6.1 Sol consegue ler uma quantidade enorme de texto de uma vez. A janela de contexto anunciada é de 1.050.000 tokens, e ele pode escrever até 128.000 tokens em uma única resposta. É espaço suficiente para manter uma base de código muito grande em uma única sessão.

    Fonte ↗
O que é
O agente de programação Codex, da OpenAI, rodando o modelo GPT-6.1 Sol.
Seu diferencial
Custa bem menos por tarefa do que as duas opções da Claude em todas as tabelas.
Para quem
Indicado para trabalhos de programação com orçamento apertado; menos indicado se você precisa da maior melhoria líquida.
  • Melhoria líquida em relação ao custo12,51% líquidos a $0,98

Wikipédia · Wikidata

Por que está aqui

  • No Terminal-Bench Science 0.1, com esforço máximo, o GPT-6.1 Sol tem média de $5,47 por tarefa. O Claude Opus 5.5 tem média de $23,21 no mesmo ambiente de teste, então o Sol custa cerca de um quarto disso.

    Fonte ↗

  • A comparação de outubro de 2026 da TechRepublic informa custo de $1,04 por tarefa para o Codex com GPT-6.1 Sol. O Claude Code com Sonnet 5.5 aparece com $14,19. Não consegui abrir essa página para conferir os números; eles vêm do resumo da busca.

    Fonte ↗
Você sabia?

  • O preço anunciado na API é de $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída. É esse preço que sustenta o rótulo de 'opção barata', já que a maior parte do custo de um agente vem dos tokens que ele lê e escreve.

    Fonte ↗
História

  • Em maio de 2025, a versão em nuvem do Codex foi lançada, mas poucas pessoas fora da OpenAI continuaram usando. A equipe, que tinha cerca de sete semanas para construí-la, então voltou-se para ferramentas que rodam no próprio computador. Essa mudança virou a base do Codex de hoje.

    Fonte ↗
Onde saber mais

  • Abra o post oficial de lançamento do GPT-6.1 Sol, da OpenAI. Leia primeiro a tabela de benchmarks e depois as notas sobre os planos, para ver quais planos do Codex incluem o modelo antes de testá-lo.

    Fonte ↗

Vídeo: OpenAI Codex Explained for Normal People (“Claude Cowork Killer”) (em inglês) · Paul J Lipsky

Comparar os três primeiros ↓

2Claude Opus 5.5 (Claude Code)

Nº 2 — Claude Opus 5.5 (Claude Code). Nas listas de 6 de 8 IAs; posição mediana ali: 6.5. É o que tem a maior melhoria líquida no total, mas cada tarefa de programação custa muito mais e leva bem mais tempo.

Você sabia?

  • O rewind do Claude Code não desfaz tudo. Ele só acompanha as edições feitas com as ferramentas de edição de arquivos do próprio Claude. Mudanças feitas por comandos de terminal, como apagar ou mover arquivos, não entram nessa conta. Os pontos de restauração (checkpoints) continuam valendo entre sessões.

    Fonte ↗
O que é
O agente Claude Code, da Anthropic, rodando o modelo Opus 5.5.
Seu diferencial
Maior melhoria líquida da tabela, embora seja o mais caro por tarefa.
Para quem
Indicado para trabalhos difíceis e de alto valor; menos indicado para tarefas fáceis ou orçamentos apertados.
  • Melhoria líquida em relação ao custo20,14% líquidos, $17,45 por tarefa

Wikipédia · Wikidata

Por que está aqui

  • A Artificial Analysis dá ao Claude Code com Opus 5.5 nota 62 no seu Coding Agent Index. É o lado caro da troca: $11,42 por tarefa e 1,0 hora por tarefa.

    Fonte ↗

  • No Terminal-Bench Science 0.1, o Claude Opus 5.5 tem média de $23,21 por tarefa. O GPT-6.1 Sol tem média de $5,47 no mesmo teste, então o Opus custa mais de quatro vezes isso.

    Fonte ↗
História

  • O Claude Code começou em fevereiro de 2025 como uma prévia de pesquisa limitada, lançada junto com o modelo Claude 3.7 Sonnet.

    Fonte ↗
Para ter em mente

  • Quando a intenção não está clara ou falta contexto, o modo automático ainda pode aprovar ações inseguras e pode bloquear ações inofensivas. Cada ação passa por uma etapa extra de revisão, que pode atrasar o trabalho e gastar mais tokens com o tempo.

    Fonte ↗

  • A Anthropic recomenda rodar o modo automático em ambientes isolados, principalmente com código sensível. Na prática, trate-o como um ajudante que precisa ser vigiado, não como algo que você pode deixar sozinho.

    Fonte ↗
Onde saber mais

  • Abra a página de modos de permissão para ver o que cada modo deixa o Claude Code fazer sem perguntar. Leia primeiro a parte sobre o modo automático, já que ele agora é o modo inicial.

    Fonte ↗

Vídeo: Every Claude Code Concept Explained for Normal People (em inglês) · Simon Scrapes

Comparar os três primeiros ↓

3Claude Sonnet 5.5 (Claude Code)

Nº 3 — Claude Sonnet 5.5 (Claude Code). Nas listas de 5 de 8 IAs; posição mediana ali: 5. Empata com o Opus no índice de acerto confirmado em programação, por cerca de metade do preço por tarefa, então mantém a maior parte do valor.

O que é
O agente Claude Code, da Anthropic, rodando o modelo Sonnet 5.5, mais barato.
Seu diferencial
Empata com o Opus no acerto confirmado em programação, por bem menos dinheiro por tarefa.
Para quem
Indicado para quem usa Claude e quer confiabilidade com orçamento menor; menos indicado para os trabalhos mais baratos de todos.
  • Melhoria líquida em relação ao custo15,42% líquidos a $3,86

Wikipédia · Wikidata

Por que está aqui

  • A Artificial Analysis lista o Claude Sonnet 5.5 como uma variante do Claude Code, ao lado do Opus 5.5. A configuração do Opus 5.5 aparece com $11,42 por tarefa e 1,0 hora por tarefa. Esta página não traz o custo próprio do Sonnet.

    Fonte ↗

  • No AutomationBench, o Claude Sonnet 5.5 teve média de $1,14 por tarefa, segundo o artigo da Vellum. É um teste diferente de programação, então mostra apenas que o Sonnet pode ser barato em alguns trabalhos.

    Fonte ↗

Vídeo: Every Claude Code Concept Explained for Normal People (em inglês) · Simon Scrapes

Comparar os três primeiros ↓

Os três primeiros lado a lado

GPT-6.1 Sol (OpenAI Codex)Claude Opus 5.5 (Claude Code)Claude Sonnet 5.5 (Claude Code)
Nas listas das IAs6 / 86 / 85 / 8
Melhoria líquida em relação ao custo12,51% líquidos a $0,9820,14% líquidos, $17,45 por tarefa15,42% líquidos a $3,86
Primeiro paraMeta, Kimi——

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

Mais rankings

03Vale a pena saber

O que as IAs perceberam ao montar a lista.

Tarefa de programação e tarefa de chat são compras diferentes: a mediana do Opus 5.5 é US$ 17,45 e 39,3 min em código, contra US$ 3,68 e 10,4 min em chat; a do Terra é US$ 1,40 e US$ 0,58.

Perceberam:
Incluíram: Grok. Não incluíram: ChatGPT, Meta, Nemotron, StepFun, Kimi, DeepSeek, Wenxin.
Fonte ↗

Ninguém publica o custo em dinheiro do retrabalho, das chamadas erradas de ferramentas ou do resgate humano. Os números de alucinação de ferramentas e de bash do Arena são melhorias líquidas, não recibos de tarefas que falharam.

Perceberam:
Incluíram: ChatGPT, Grok, StepFun, DeepSeek. Não incluíram: Meta, Nemotron, Kimi, Wenxin.
Fonte ↗

As próprias telas do Arena citam custos diferentes para o mesmo modelo: Opus 5.5 a US$ 6,80 (Pareto), US$ 8,93 (placar de trabalho) e US$ 12,51 (post de custo); Sol a US$ 0,56 e US$ 1,91.

Perceberam:
Incluíram: StepFun. Não incluíram: ChatGPT, Meta, Grok, Nemotron, Kimi, DeepSeek, Wenxin.
Fonte ↗

A HAL alerta que seus custos no GAIA estão superestimados exatamente em 2× em execuções com spans de trace aninhados, mas a linha do Claude Sonnet 4.5 ainda mostra US$ 178,20 para 74,55%.

Perceberam:
Incluíram: ChatGPT, Meta, Grok, Kimi, DeepSeek. Não incluíram: Nemotron, StepFun, Wenxin.
Fonte ↗

04Como contamos

Em palavras simples, sem fórmulas.

1A pergunta

Os 10 agentes de IA que fazem mais trabalho real por dólar

2Por que este tema

As páginas de preços e os rankings mostram, cada um, só metade do quadro. Este põe sucesso, custo e tempo numa só escala por tipo de tarefa, para o leitor ver qual agente é realmente a boa compra.

3Onde se aplica

Global: agentes de IA de programação, assistentes que operam o computador e agentes de tarefas gerais

4O que analisamos

  • Sucesso verificado em objetivos de usuários concluídos, não em demonstrações
  • Custo mediano real por tarefa, incluindo modelo e uso de ferramentas quando informado
  • Tempo para concluir tarefas comparáveis
  • Peso de falhas e retrabalho: chamadas erradas de ferramentas, operações alucinadas, tarefas que um humano precisou resgatar
  • Ordem final: trabalho útil verificado por dólar, ajustado pelo tempo e pela confiabilidade, mostrado separadamente para tarefas de programação, pesquisa e navegador, com a cobertura de cada comparação informada
  • Arena: visão geral do Agent Arena (4 de novembro de 2026) — melhoria líquida, sucesso confirmado e custo e tempo medianos realizados por tarefa para 58 modelos em cerca de 2,76 milhões de sessões; 'melhoria líquida' é um efeito de tratamento
  • Arena: placar de código do Agent Arena — os mesmos indicadores em 912.449 sessões de programação
  • aiplans.dev: Coding Agent Index v1.5 (13 de outubro de 2026) — Pass@1 em DeepSWE, Terminal-Bench 4.0 e SWE-Atlas-QnA, com custo e tempo medidos por tarefa, por produto de agente

5Quem classificou

As IAs líderes: ChatGPT, Meta, Grok, Nemotron, StepFun, Kimi, DeepSeek, Wenxin. Cada uma montou sua própria lista de dez de forma independente e indicou uma fonte para cada posição.

6Como as posições foram definidas

O mesmo item escrito de formas diferentes por IAs diferentes foi contado como um só. Quanto mais IAs o colocaram na lista, e quanto mais alto, mais alta a posição. "Acordo das IAs" mostra quantas IAs tinham o item na própria lista. As fontes são apenas as que as próprias IAs encontraram; nada foi acrescentado à mão.

05A lista de cada IA

🇺🇸 ChatGPT10 posições · 3 notas

A mesma pergunta, respondida só por ChatGPT. A lista final acima combina todas as IAs.

  1. 1
    Gemini CLI with Gemini 4 Carbon

    Com $1,69 por tarefa mediana, entrega 18,04% de sucesso confirmado pelo usuário no levantamento da Arena de 3 de novembro – o equilíbrio mais forte observado entre preço e conclusão entre os modelos líderes.

    Fonte ↗
  2. 2
    OpenAI Codex with GPT-6.1 Sol

    Custo mediano de $0,98 por tarefa e duração mediana de 10,3 minutos fazem dele uma opção prática e econômica para fluxos de código controlados.

    Fonte ↗
  3. 3
    Gemini CLI with Gemini 4 Argon

    Com $0,97 e 7,3 minutos por tarefa mediana, é mais rápido e barato que o Carbon, embora o Carbon tenha o sinal de melhora geral mais forte.

    Fonte ↗
  4. 4
    OpenAI Codex with GPT-6.1 Terra

    O custo mediano de $0,79 por tarefa fica abaixo dos $0,98 do Sol, mas o sinal de melhora geral observado é menor.

    Fonte ↗
  5. 5
    Claude Code with Claude Sonnet 5.5

    O custo mediano de $3,86 é bem mais alto que as alternativas abaixo de um dólar, mas os 19,95% de sucesso confirmado tornam seu valor ajustado pela confiabilidade competitivo.

    Fonte ↗
  6. 6
    Claude Code with Claude Opus 5.5

    Lidera o ranking geral da Arena de 3 de novembro, mas $6,80 por tarefa mediana significa que seu preço alto precisa se justificar com menos tentativas falhas ou repetidas.

    Fonte ↗
  7. 7
    Claude Code with Claude Sonnet 5

    Seu custo mediano de $1,09 por tarefa é atraente para trabalhos curtos de código, mas a estimativa de sucesso confirmado de 4 de novembro é incerta demais para chamá-lo de pechincha em objetivos concluídos.

    Fonte ↗
  8. 8
    DeepSeek V4.1 Flash Agent Configuration

    Com $0,16 por tarefa mediana, está entre as opções observadas mais baratas, mas o sinal de 3,38% de sucesso confirmado impede um ranking maior em trabalho concluído.

    Fonte ↗
  9. 9
    MiMo-V2.6-Pro Agent Configuration

    Só $0,17 por tarefa mediana, mas 16,3 minutos e uma melhora geral mais fraca tornam sua aparente baratura menos decisiva.

    Fonte ↗
  10. 10
    OpenAI Codex with GPT-6 Astra

    Seu custo mediano de $6,16 por tarefa e o sinal de 14,28% de sucesso confirmado fazem dele uma opção premium, e não um vencedor geral de custo-benefício.

    Fonte ↗

O que ChatGPT percebeu

O custo mediano por tarefa do Gemini 4 Carbon em 3 de novembro, $1,69, é cerca de um quarto dos $6,80 do Opus 5.5, apesar de ambos ficarem perto do topo dos resultados gerais de agentes da Arena. Isso não prova que ele entrega quatro vezes mais objetivos concluídos por dólar.

Fonte ↗

A Universidade de Princeton alerta que seus custos no GAIA podem estar exatamente 2× acima do real em trechos de rastro aninhados afetados, enquanto as linhas não afetadas não estão infladas. Um ranking simples de custo construído com esses valores não corrigidos pode classificar os agentes de forma errada.

Fonte ↗

A LangChain constatou que 57% dos profissionais pesquisados tinham agentes em produção, enquanto 32% citaram a qualidade como uma das principais barreiras. O gargalo econômico costuma ser a conclusão confiável, e não só o preço por token.

Fonte ↗
🇺🇸 Meta10 posições · 1 notas

A mesma pergunta, respondida só por Meta. A lista final acima combina todas as IAs.

  1. 1
    GPT-6.1 Sol Max – OpenAI 2026

    $0,98 mediana na Arena, $1,27 por tarefa do Intelligence Index por 55 pts – 8x mais barato que o Opus 5.5 max, a $10,04, por 58 pts

  2. 2
    GPT-6.1 Terra Max – OpenAI 2026

    O mais barato entre os 10 primeiros, $0,96 por tarefa, 48 pts – $0,79 mediana na Arena, 11,4% de sucesso, 15,18% de capacidade de correção

  3. 3
    Gemini 4 Argon High – Google 2026

    $0,97 mediana, 10,53% no geral – 0,42% de alucinação de ferramentas, a menor entre os 10 primeiros, 13,52% de capacidade de correção

  4. 4
    Gemini 4 Carbon High – Google 2026

    16,72% confirmado, 2º no geral, por $1,69 – 19,32% de capacidade de correção, a melhor, 0,51% de alucinação

  5. 5
    Claude Sonnet 5.5 Max – Anthropic 2026

    Líder no GAIA com 74,55% por $178,20 – 15,42% confirmado na Arena por $3,83, 16,4 min – o melhor trabalho de pesquisa por dólar

  6. 6
    Kimi K3.1 Pro Max – Moonshot 2026

    Empate no 1º lugar entre modelos abertos – 5,29% no geral, $1,47 mediana, 6,8 min, 41,4 mil tokens a $2/$10 por milhão

    Fonte ↗
  7. 7
    DeepSeek V4.1 Flash Max – DeepSeek 2026

    $0,16 mediana, o código mais barato – 2,37% no geral, 86,5 mil tokens, $0,15/$0,60 por milhão

    Fonte ↗
  8. 8
    Claude Haiku 5.5 High – Anthropic 2026

    $0,08 mediana, absolutamente o mais barato – 0,62% no geral, 1,9 min, 26,1 mil tokens a $0,10/$0,50

    Fonte ↗
  9. 9
    GPT-6 Luna Low – OpenAI 2026

    $0,01 mediana – 5,93% no geral, 15,26% confirmado, 48 s, 3,9 mil tokens – o objetivo concluído mais barato

  10. 10
    Cursor Agent – Anysphere 2026

    De plano gratuito a $0 até o Pro de $20 – agente de IDE que faz a maior parte do trabalho real de código por dólar no ciclo diário de desenvolvimento

    Fonte ↗

O que Meta percebeu

57% têm agentes em produção segundo a LangChain (1.340 profissionais), e as preocupações com custo caíram – qualidade (32%) é a principal barreira, não o preço

Fonte ↗
🇺🇸 Grok10 posições · 4 notas

A mesma pergunta, respondida só por Grok. A lista final acima combina todas as IAs.

  1. 1
    GPT-6.1 Terra (2026)

    Ganho líquido geral de 11,40% com mediana de $0,79, e $1,40 em tarefa de código.

    Fonte ↗
  2. 2
    Gemini 4 Argon (2026)

    Em tarefas de chat, 13,22% de ganho líquido por $0,52 e 3,8 minutos.

    Fonte ↗
  3. 3
    GPT-6.1 Sol (2026)

    Uma mediana geral de $0,98 garante 12,51% de ganho líquido, um passo à frente do Terra e um atrás na recuperação de shell.

    Fonte ↗
  4. 4
    Gemini 4 Carbon (2026)

    O líder em custo-benefício que ainda vence tarefas: 16,72% de ganho líquido geral por $1,69, e a Arena o marca como preliminar.

    Fonte ↗
  5. 5
    Claude Sonnet 5.5 (2026)

    Empata com o Opus em sucesso confirmado em código, 24,98%, por $8,39 em vez de $17,45.

    Fonte ↗
  6. 6
    Kimi K3.1 Pro (2026)

    Positivo, e não barato e vazio: 5,29% de ganho líquido geral por $1,47, bem atrás dos 11,40% do Terra por $0,79.

    Fonte ↗
  7. 7
    Claude Opus 5.5 (2026)

    Maior ganho líquido do painel, 20,14%, a $6,79 no geral e $17,45 quando a tarefa é código.

    Fonte ↗
  8. 8
    GPT-6 Astra (2026)

    Em 4º na qualidade geral, 14,70%, e já $15,30 antes de uma tarefa de código ser concluída.

    Fonte ↗
  9. 9
    Claude Fable 5.1 (2026)

    Perto do Astra em qualidade, 13,86% contra 14,70%, com mediana parecida de $6,40 e mediana de código de $16,30.

    Fonte ↗
  10. 10
    Tencent Hy4 (2026)

    Mediana de $0,57 e só 5,39% de ganho líquido: a proporção parece econômica, o ganho concluído não.

    Fonte ↗

O que Grok percebeu

Uma tarefa de código e uma de chat são compras diferentes. Em 4 de nov. de 2026, a mediana do Claude Opus 5.5 foi de $17,45 e 39,3 minutos em código, contra $3,68 e 10,4 minutos em chat. As medianas do GPT-6.1 Terra nesses mesmos painéis foram $1,40 e $0,58.

Fonte ↗

A pesquisa da LangChain com mais de 1.300 profissionais constatou que 57,3% tinham agentes em produção, enquanto 32% apontaram a qualidade como principal barreira e o custo havia caído na lista. Uma execução falha que uma pessoa precisa salvar não entra nesse valor em dólar.

Fonte ↗

O painel antigo do GAIA da Universidade de Princeton colocou o Claude Sonnet 4.5 em 74,55% numa execução de $178,20 do conjunto, contra uma referência humana de 92% citada para o GAIA. Depois, o HAL alertou que os rastros aninhados haviam dobrado os custos informados. Dividir o preço anunciado por dois ainda não é um preço por pergunta publicado.

Fonte ↗

O estudo de setembro da Arena sobre o 'harness' (a estrutura que roda o modelo) constatou que trocar Claude Code, Codex CLI ou Pi mudava a conta mesmo quando as taxas de sucesso se mantinham parecidas. O ranking de novembro mantém o harness fixo e compara modelos, então não é um preço para esses aplicativos de desktop.

Fonte ↗
🇨🇳 StepFun10 posições · 4 notas

A mesma pergunta, respondida só por StepFun. A lista final acima combina todas as IAs.

  1. 1
    DeepSeek V4.1 Flash (Max)

    $0,07 de mediana por tarefa para +4,87% de ganho líquido – cerca de 97 vezes mais barato que o agente nº 1 do painel, para um trabalho só alguns pontos pior.

    Fonte ↗
  2. 2
    Gemini 4 Carbon (High)

    A escolha de eficiência que também vence: 2º no geral na Agent Arena, por $1,69–$1,80 a tarefa, um quinto do preço do agente acima dele em sucesso confirmado.

    Fonte ↗
  3. 3
    GPT-6.1 Sol (Max)

    A aposta de custo da OpenAI: a dois pontos dos irmãos mais caros no mesmo painel, por $0,56 de mediana por tarefa.

  4. 4
    Claude Opus 5.5 (High)

    O melhor custo-benefício dentro da melhor família: 1º em capacidade de correção e 2º em sucesso confirmado, a $1,31 por tarefa, 64% abaixo do próprio nível Max.

    Fonte ↗
  5. 5
    Kimi K3.1 Pro (Max)

    $1,03 por tarefa mediana e ainda fica logo fora da fronteira de Pareto – o caminho mais barato e confiável para trabalho agêntico de primeira linha.

  6. 6
    Claude Sonnet 5.5 (Max)

    Segundo melhor sucesso confirmado de todo o painel (20,21%) por $3,86 a tarefa – a opção intermediária da Anthropic que mantém a maior parte da confiabilidade.

    Fonte ↗
  7. 7
    Devin with SWE-2 (Cognition)

    A Cognition AI afirma custo 64% menor que o do modelo de código de fronteira – o que implica cerca de $1,18 por tarefa –, enquanto outras contas colocam uma tarefa completa perto de $9–$10.

    Fonte ↗
  8. 8
    Manus

    $1,00–$4,50 por tarefa pela conta de créditos publicada – valor real só se você mantiver as tarefas curtas, porque o mesmo plano consome de 200 a 9.000 créditos conforme o trabalho.

  9. 9
    OpenHands (open-source, self-hosted)

    Software gratuito, pague só pelos tokens – revisores estimam $0,15–$0,60 por tarefa, o agente auditável mais barato daqui, porque você pode ler cada permissão.

    Fonte ↗
  10. 10
    Claude Code with Opus 5.5 (Max)

    O agente mais confiável do painel, por $6,80–$12,51 a tarefa – vale a pena para trabalho difícil, indefensável para trabalho fácil.

    Fonte ↗

O que StepFun percebeu

O mesmo painel da Arena vai de $0,07 a $12,51 de custo mediano por tarefa – uma diferença de cerca de 178 vezes –, enquanto o ganho líquido vai de +4,87% a +20,75%: a maior parte do preço extra compra alguns pontos de confiabilidade, não um tipo diferente de trabalho.

Fonte ↗

O DeepSeek V4.1 Flash-1017 chega a 77,0% em um conjunto de tarefas agênticas por pouco menos de $0,20 por tarefa e ainda passa de 72% na configuração baixa – a prova mais clara de 2026 de que preço e competência se descolaram.

Fonte ↗

No GAIA, acertar é só metade da conta: uma execução do Sonnet 4.5 com 74,6% pelo harness do HAL pode custar de 3 a 4 vezes uma execução básica com 65%, quando somados tokens, novas tentativas e chamadas de ferramentas – muitas vezes o harness, e não o modelo, é o maior item da conta.

Fonte ↗

A própria divulgação de custos da Anthropic coloca o Claude Code em cerca de $13 por desenvolvedor por dia ativo e $150–250 por desenvolvedor por mês, o que muda as comparações 'por tarefa': para um usuário intenso, o que importa é a assinatura, e não a tarefa.

Fonte ↗
🇨🇳 Kimi10 posições · 4 notas

A mesma pergunta, respondida só por Kimi. A lista final acima combina todas as IAs.

  1. 1
    OpenAI Codex with GPT-6.1 Sol (xhigh)

    62,9% das tarefas reais de engenharia resolvidas a $1,04 e 15,5 minutos cada – cerca de 60 pontos de índice por dólar, seis vezes o trabalho por dólar do primeiro colocado do ranking.

    Fonte ↗
  2. 2
    OpenCode with GLM-5.3

    Um harness aberto mais um modelo aberto barato: 53,6% das tarefas a $4,24 cada – cerca de um terço do custo por tarefa resolvida da configuração principal do Claude.

    Fonte ↗
  3. 3
    Google Antigravity CLI with Gemini 4 Argon (high)

    Melhor nota no DeepSWE do painel (78,8%) a $5,84 por tarefa – o trabalho de código difícil mais forte por dólar entre os três grandes harnesses.

    Fonte ↗
  4. 4
    Kimi Code CLI (kimi-k3)

    66,1% em perguntas e respostas sobre a base de código e 68,4% no DeepSWE por $5,05 – mas uma nota de 21,2% no Terminal-Bench significa que uma pessoa precisa salvar suas falhas de linha de comando.

    Fonte ↗
  5. 5
    Devin Fusion CLI (Cognition)

    $7,90 compram 61,7% de conclusão de tarefas, com o SWE-2 Medium fazendo o trabalho pesado – preço intermediário, confiabilidade de primeira linha por dólar para chamados delegados.

    Fonte ↗
  6. 6
    Genspark Super Agent

    75,4% em tarefas de pesquisa e navegação do GAIA – a melhor precisão medida de forma independente para um agente geral fora dos grandes laboratórios –, mas seu custo por tarefa não é publicado.

    Fonte ↗
  7. 7
    Grok Build with Grok 4.7 (xhigh)

    72,6% no DeepSWE, à altura do Google, mas uma nota de 33,3% no Terminal-Bench a $8,82 por tarefa torna suas falhas caras de corrigir.

    Fonte ↗
  8. 8
    Muse Code with Muse Wonder (max)

    O mais rápido a concluir entre os cinco primeiros – 22,4 minutos por tarefa a $8,05 –, com a segunda melhor nota no DeepSWE (75,8%) do painel.

    Fonte ↗
  9. 9
    Claude Code with Opus 5.5 (max)

    O cavalo de batalha confiável mais caro: 66% de sucesso em tarefas a $13,04 – você paga cerca de o dobro por tarefa em comparação com o Codex, e um acompanhamento independente diz que ele termina em uma mediana de 2,2 minutos.

    Fonte ↗
  10. 10
    OpenAI Deep Research (ChatGPT)

    67,4% na validação do GAIA – a forma confiável mais barata de comprar um relatório de pesquisa pronto, embora as tarefas de navegação de nível 3 ainda falhem um terço das vezes.

    Fonte ↗

O que Kimi percebeu

A tarefa de código concluída mais barata não é do modelo mais barato: o Codex com GPT-6.1 Sol resolve 62,9% das tarefas a $1,04 cada, enquanto o melhor do painel (Claude Code Sonnet 5.5) custa $14,19 por tarefa para 68,4% – uma diferença de preço de 13 vezes para uma diferença de qualidade de 5,5 pontos.

Fonte ↗

Só o Claude Code responde por cerca de 4% de todos os commits públicos no GitHub, com commits atribuídos chegando a 326.731 por dia em março de 2026 – a maior presença medida de qualquer agente de código.

Fonte ↗

A Arena constatou que alguns modelos custam mais na prática do que sugerem seus preços por token, porque passos extras e rodadas de correção do usuário inflam a conta real – a visão de custo dela calcula a tarefa concluída, e não o token.

Fonte ↗

No GAIA, comprar 10 pontos a mais de precisão custa de 3 a 4 vezes mais: uma execução do Sonnet com 74,6% e estrutura de apoio custa de três a quatro vezes o que custa uma execução básica com 65%, quando somadas novas tentativas e chamadas de ferramentas.

Fonte ↗
🇨🇳 DeepSeek10 posições · 2 notas

A mesma pergunta, respondida só por DeepSeek. A lista final acima combina todas as IAs.

  1. 1
    Cursor Composer 2.5 (coding, 2026)

    69,3% a $0,44 – o agente de código verificado mais barato acima de 60 no Coding Agent Index.

  2. 2
    Devin (coding, 2026)

    68,8 a $0,60 – se você contar a execução do FrontierCode, e não a licença de $500/mês.

  3. 3
    Factory Droid 1.0 (coding, 2026)

    57,6% a $0,79 – 3,6 pontos acima do Codex e 12% mais barato, segundo a própria execução da Factory.

  4. 4
    OpenAI Codex (coding, 2026)

    58,2% por $1,92 – um quinto dos $9,90 do Astra no mesmo teste.

  5. 5
    Replit Agent (coding, 2026)

    49% a $2,53 – sucesso mediano, mas o dobro do custo do Codex por conclusão.

  6. 6
    Claude Code (coding, 2026)

    64,8% a $14,30 – trabalho confiável, a um preço que só se paga em tarefas de alto valor.

  7. 7
    Amazon Nova Act (browser, 2026)

    Confiança de navegador de 18/20 a $4,75 por hora – um fluxo de compra concluído pode custar centavos em infraestrutura, e não dólares por prompt.

    Fonte ↗
  8. 8
    Claude for Chrome (browser, 2026)

    18/20 e uma assinatura de $20, mas sem preço por tarefa publicado e com uma correção de roubo de credenciais que falhou.

  9. 9
    ChatGPT Work (research and browser, 2026)

    7 de 8 requisitos em uma comparação de três PDFs por $20/mês – mas sem custo por tarefa publicado.

    Fonte ↗
  10. 10
    Manus (research and browser, 2026)

    $1–$4,50 por tarefa parece barato até que 92% das tarefas difíceis na web precisem de uma pessoa para salvá-las.

    Fonte ↗

O que DeepSeek percebeu

A coluna de custo do GAIA no HAL está hoje exatamente 2× acima para trechos de rastro aninhados, então os valores antigos em dólar do GAIA não podem entrar numa comparação por tarefa de 2026 sem correção.

Fonte ↗

Agentes de navegador costumam ser vendidos por assinatura ou por hora de agente, e não por tarefa: o Amazon Nova Act custa $4,75 por hora de agente, o Claude for Chrome está incluído num plano de $20/mês, e o ChatGPT Work não tem preço por tarefa publicado.

Fonte ↗
🇨🇳 Wenxin6 posições

A mesma pergunta, respondida só por Wenxin. A lista final acima combina todas as IAs.

  1. 1
    Devin (Cognition AI, 2026) — coding

    0,38 por problema resolvido no GitHub – mas 1 em cada 5 exige retrabalho humano que apaga a economia

  2. 2
    Claude Agent (Anthropic, 2026) — general

    0,12 por tarefa concluída em várias etapas – o generalista *confiável* mais barato da Arena

  3. 3
    OpenAI Operator (OpenAI, 2026) — browser

    0,22 por tarefa de automação de navegador – 3× mais barato que um humano, mas duas vezes mais rápido de consertar quando dá errado

  4. 4
    GitHub Copilot Workspace (Microsoft/GitHub, 2026) — coding

    0,09 por PR aceito – mas só dentro do ecossistema fechado do GitHub

  5. 5
    Cursor Agent (Anysphere, 2026) — coding

    0,15 por edição de código aceita – querido pelos desenvolvedores, mas os custos sobem em grandes refatorações

    Fonte ↗
  6. 6
    Google Gemini Agent (Google, 2026) — research/docs

    0,08 por resumo de pesquisa — baratíssimo até você somar as 200

    Fonte ↗