Voltar à tendência do dia: Vários assistentes de IA agora podem escrever software juntos, 24 horas por dia
Ranking Poly · da tendência do dia

Melhor modelo de programação 2026: top 10 para uma equipe de agentes

O Claude Opus 5.5 escreveu 64,4% do código de IA revisado pela cubic na semana de 26 de out. e lidera o Terminal-Bench 4.0 com 64,8%. Mesmo assim, o GPT-6.1 Sol, com metade do preço de saída, tem menos bugs contados por linha: 0,76 contra 1,14.

  • Nº 1: GPT-5.6 Sol
  • 10 posições

01Lista final

As IAs líderes fizeram, cada uma, a sua lista de dez posições. Acima, um resultado combinado fácil de conferir: cada posição tem um motivo, as IAs que a incluíram e, quando as IAs deram, uma fonte.

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-5.6 Sol

    Foi o modelo mais limpo dentro do Codex, com 0,62, mas marca só 32,2% nas tarefas de um dia inteiro e 37,3% nas de terminal. Saiu do ranking de 4 de nov. da cubic.

    Incluíram: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Nas listas delas: ChatGPT: 7 · Meta: 1 · Grok: 9 · Gemini: 3 · Nova · DeepSeek: 9 · Wenxin: 1 · MiMo: 3

    O que cada IA notou 8
    • ChatGPTposição 7

      Sua taxa histórica de 0,62 bugs no Codex foi excelente, mas uma pontuação de 32,2% em tarefas longas desaconselha dar a ele a vaga mais difícil.

      Fonte ↗
    • Metaposição 1

      0,62 dentro do Codex, 0,65 no geral — único modelo abaixo da média, 35% menos bugs, mas apenas 0,7% do código revisado na semana de 5 de outubro

      Fonte ↗
    • Grokposição 9

      Foi o modelo mais limpo dentro do Codex, com 0,62, e em tarefas de um dia inteiro marca 32,2%, cerca de metade do Astra.

      Fonte ↗
    • Geminiposição 3

      O Coder foi o programador de produção mais limpo já registrado: taxa relativa de erros excepcionalmente baixa, de 0,62, o que o torna o cavalo de batalha mais confiável no dia a dia, apesar da pontuação modesta de 32,2% na tarefa de 20 horas.

    • Nova

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

    • DeepSeekposição 9

      Taxa de bugs de 0,62 dentro do Codex — 38% menos bugs contados que a média — mas 37,3% no Terminal-Bench e 32,2% no FrontierSWE: a vaga mais limpa para tarefas pequenas, não para as longas.

      Fonte ↗
    • Wenxinposição 1

      Menor taxa de bugs observada (0,62) no preço do Codex — código limpo pelo preço de um café por 1 milhão de tokens.

      Fonte ↗
    • MiMoposição 3

      O código mais limpo do ranking — 0,62 bug por linha dentro do Codex — e a pior pontuação em tarefas longas entre os principais modelos, com 32,2%.

      Fonte ↗
    8 IAs colocaram aqui
    Fonte ↗
  2. 2

    GPT-6 Astra

    Lidera o FrontierSWE v2 de 20 horas com 65,5%, mas custa cerca de US$ 1.030 por tentativa, contra US$ 99 do Opus 5.5, e a saída é de US$ 50 por milhão de tokens. Coloque-o na vaga de escalonamento.

    Incluíram: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Nas listas delas: ChatGPT: 3 · Meta: 3 · Grok: 4 · Gemini: 1 · Nova · DeepSeek: 3 · Wenxin: 2 · MiMo: 2

    O que cada IA notou 8
    • ChatGPTposição 3

      O campeão de engenharia de 20 horas, com 65,5%, mas o preço de $50 por token de saída faz dele um modelo para casos extremos, não meu padrão do dia a dia.

      Fonte ↗
    • Metaposição 3

      Líder do FrontierSWE v2 com 65,5% + 58,2% no Terminal-Bench, mas taxa de bugs de 1,13, acima da média — o sobrevivente de 20 horas

    • Grokposição 4

      Lidera o ranking de 20 horas com 65,5%, a cerca de $1.030 por tentativa, e em tarefas de terminal não supera o Sol, que custa $10 de saída.

      Fonte ↗
    • Geminiposição 1

      Domina as tarefas maratona de 20 horas, com 65,5% no FrontierSWE v2, e mantém 58,2% de resolução por linha de comando dentro do Codex.

    • Nova

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

    • DeepSeekposição 3

      65,5% no FrontierSWE e 58,2% no Terminal-Bench: o melhor modelo do ranking para tarefas de um dia inteiro, mas com saída de $50 e taxa de bugs de 1,09.

      Fonte ↗
    • Wenxinposição 2

      Campeão do FrontierSWE com 65,5% e 58,2% em terminais — mas 1,13 bug por linha o torna mais caro por linha limpa.

    • MiMoposição 2

      O único modelo que terminou as tarefas de 20 horas em primeiro lugar — a $1.029,65 por tentativa e com 1,13 bugs contados por linha no Codex.

      Fonte ↗
    8 IAs colocaram aqui
    Fonte ↗
  3. 3

    Claude Opus 5.5

    Melhor par de terminal, com 64,8% e 62,3% nas tarefas de 20 horas, mas a taxa de bugs agora é 1,14 (1,49 em outubro). Coloque-o na vaga das tarefas difíceis, não na das limpas.

    Incluíram: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Nas listas delas: ChatGPT: 2 · Meta: 4 · Grok: 3 · Gemini: 2 · Nova · DeepSeek: 5 · Wenxin: 3 · MiMo: 1

    O que cada IA notou 8
    • ChatGPTposição 2

      Líder em tarefas de terminal, com 64,8%, mas sua taxa agregada de bugs de 1,14 é pior que a média do código revisado pela cubic.

      Fonte ↗
    • Metaposição 4

      Primeiro no Terminal-Bench com 64,8%, segundo no FrontierSWE com 62,3%, mas taxa de bugs de 1,49, a pior dentro do Claude Code — terminal forte, uso diário sujo

      Fonte ↗
    • Grokposição 3

      Escreveu 64,4% do código de IA revisado pela cubic na semana de 26 de outubro, e não é o modelo limpo no Claude Code: 1,13 agora, 1,49 no texto de outubro.

      Fonte ↗
    • Geminiposição 2

      O atual líder em linha de comando, com 64,8% no Terminal-Bench 4.0 e 62,3% no FrontierSWE v2, mas com taxa relativa de defeitos de 1,49.

    • Nova

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

    • DeepSeekposição 5

      64,8% no Terminal-Bench e 62,3% no FrontierSWE: a combinação mais forte do Claude Code para trabalho pesado, mas sua taxa de bugs de 1,39 é a pior do Bug Bench.

      Fonte ↗
    • Wenxinposição 3

      64,8% em terminais, 62,3% em tarefas de 20 horas — mas 1,49 bug por linha o deixa atrás em limpeza.

      Fonte ↗
    • MiMoposição 1

      Vence o ranking de terminal em seu ambiente, com 64,8%, e sobrevive às tarefas de 20 horas com 62,3% — por cerca de $99 por tentativa, onde o vencedor desse ranking paga $1.030.

      Fonte ↗
    8 IAs colocaram aqui
    Fonte ↗
  4. 4

    GPT-6.1 Sol

    Menor taxa de bugs atual (0,76), 58,2% nas tarefas de terminal, US$ 10 de saída. Ressalva: o artigo da cubic de 16 de out. dava 1,22 com duas semanas de dados, e ele não tem linha no FrontierSWE.

    Incluíram: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. Não incluíram: Nova.

    Nas listas delas: ChatGPT: 1 · Meta: 6 · Grok: 1 · Gemini: 6 · DeepSeek: 1 · Wenxin: 6 · MiMo: 5

    O que cada IA notou 7
    • ChatGPTposição 1

      Taxa relativa de bugs de 0,76 e o mesmo resultado de 58,2% no terminal que o Astra, com preço por token de saída de um quinto do preço padrão do Astra.

      Fonte ↗
    • Metaposição 6

      58,2% no Terminal-Bench, empate com o Astra: $1,92 contra $14,30; taxa de bugs de 1,22 dentro do Codex; a OpenAI recomenda para programação complexa

      Fonte ↗
    • Grokposição 1

      O menor número de bugs contados entre os modelos ranqueados, 0,76, e os mesmos 58,2% no terminal que o Astra, por cerca de $634 na execução com o Codex em vez de $3,3 mil.

      Fonte ↗
    • Geminiposição 6

      Iguala os 58,2% de resolução por linha de comando do Astra dentro do Codex, com maior profundidade de raciocínio iterativo, e registra taxa relativa de bugs de 1,22.

    • DeepSeekposição 1

      Taxa relativa de bugs de 0,98 e 58,2% no Terminal-Bench por $10 de saída — a melhor vaga para uso geral, um pouco atrás do Astra em trabalho de longo prazo, mas cinco vezes mais barato.

      Fonte ↗
    • Wenxinposição 6

      58,2% em terminais e 1,22 bug por linha — mais rápido que o Astra, um pouco mais limpo, na mesma faixa de preço.

    • MiMoposição 5

      A mesma pontuação de terminal dos modelos principais (58,2%) por $10 de saída por milhão de tokens — cinco vezes mais barato que o Astra, mas com 1,22 bug por linha.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  5. 5

    Claude Sonnet 5.5

    A três pontos dos líderes nos dois placares (61,8% no terminal, 61,9% nas tarefas de um dia inteiro), com saída de US$ 10, metade do preço do Opus 5.5, e taxa de bugs de 1,03.

    Incluíram: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. Não incluíram: Nova.

    Nas listas delas: ChatGPT: 4 · Meta: 5 · Grok: 2 · Gemini: 4 · DeepSeek: 2 · Wenxin: 4 · MiMo: 4

    O que cada IA notou 7
    • ChatGPTposição 4

      Com 61,8% de resolução no terminal, ele fica a menos de três pontos do Opus 5.5, o que o torna uma opção séria para implementação.

      Fonte ↗
    • Metaposição 5

      61,8% no Terminal-Bench, 61,9% no FrontierSWE, taxa de bugs de 1,24, empatado com o Fable dentro do Claude Code, por um quinto do preço

      Fonte ↗
    • Grokposição 2

      A $10 por milhão de tokens de saída, ele fica perto do líder em terminal, com 61,8% no Claude Code, e perto do líder de tarefas de um dia inteiro, com 61,9% no ambiente compartilhado.

      Fonte ↗
    • Geminiposição 4

      Marca 61,8% no Terminal-Bench 4.0 por uma fração do preço de saída do Opus, e serve como padrão de mercado para o uso diário em ciclos agênticos de linha de comando.

    • DeepSeekposição 2

      Taxa de bugs de 1,06 e 61,8% no Terminal-Bench por $10 de saída: a forma mais barata de ter a pontuação de terminal de topo do Claude Code.

      Fonte ↗
    • Wenxinposição 4

      61,8% em terminais com preço provavelmente metade do Opus — a escolha do cavalo de trabalho.

      Fonte ↗
    • MiMoposição 4

      A cerca de dois pontos do Opus 5.5 em sessões de programação, numa faixa inferior — a opção de melhor custo-benefício do par da Anthropic.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  6. 6

    Claude Fable 5.1

    O modelo mais limpo dentro do Claude Code, com 0,93 (1,09 em outubro), mas a US$ 50 de saída custa tanto quanto o Astra e marca 56,3% nas tarefas de um dia inteiro, contra 65,5% do Astra.

    Incluíram: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. Não incluíram: Nova.

    Nas listas delas: ChatGPT: 5 · Meta: 2 · Grok: 5 · Gemini: 5 · DeepSeek: 7 · Wenxin: 5 · MiMo: 6

    O que cada IA notou 7
    • ChatGPTposição 5

      Sua taxa agregada de bugs de 0,93 supera o 1,14 do Opus 5.5, apesar de o Opus ser muito mais usado.

      Fonte ↗
    • Metaposição 2

      1,09 dentro do Claude Code, o mais limpo ali; 56,3% no FrontierSWE, empatado com o Sonnet 5.5, mas custa 5 vezes mais

      Fonte ↗
    • Grokposição 5

      O mais limpo dentro do Claude Code, com 0,93, enquanto o padrão que as pessoas realmente usam é o Opus 5.5.

      Fonte ↗
    • Geminiposição 5

      Combina uma taxa sólida de conclusão de 57,9% no Terminal-Bench 4.0 com taxa relativa de bugs de 1,09, bem mais limpo na revisão que o Opus 5.5.

    • DeepSeekposição 7

      Taxa de bugs de 1,07, 57,9% no Terminal-Bench e 56,3% no FrontierSWE — equilibrado, mas com saída de $50 custa o mesmo que o Astra, sem a liderança do Astra em tarefas longas.

      Fonte ↗
    • Wenxinposição 5

      57,9% em terminais, 1,09 bug por linha — limpo na faixa média, preço na faixa média, ponto ideal para programar no dia a dia.

      Fonte ↗
    • MiMoposição 6

      O especialista do dia a dia: 57,9% em tarefas de terminal e o código mais limpo medido dentro do Claude Code, com 1,09.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  7. 7

    Claude Opus 5

    O modelo com menos bugs entre os ranqueados dentro do Cursor, com 1,22, ainda acima da média. Marca 52,0% nas tarefas de um dia inteiro, atrás do Opus 5.5, e custa mais, a US$ 25 de saída.

    Incluíram: ChatGPT, Meta, Grok, DeepSeek, MiMo. Não incluíram: Gemini, Nova, Wenxin.

    Nas listas delas: ChatGPT: 8 · Meta: 8 · Grok: 8 · DeepSeek: 10 · MiMo: 9

    O que cada IA notou 5
    • ChatGPTposição 8

      Uma taxa agregada de bugs de 1,21 o deixa atrás do Opus 5.5, mais novo, sem uma melhora estatística clara comprovada em toda a família.

      Fonte ↗
    • Metaposição 8

      52,0% no FrontierSWE, taxa de bugs de 1,33, 51,8% no Terminal-Bench antigo — substituído pelo Opus 5.5, com preço 20% menor

      Fonte ↗
    • Grokposição 8

      Dentro do Cursor, é o modelo ranqueado com menos bugs, com 1,22, o que ainda representa 22% mais bugs contados que a média.

      Fonte ↗
    • DeepSeekposição 10

      Taxa de bugs de 1,30, 53,9% no Terminal-Bench, 52,0% no FrontierSWE e $25 de saída — uma vaga intermediária que já não é a mais limpa nem a mais forte.

      Fonte ↗
    • MiMoposição 9

      A geração anterior ainda termina metade das tarefas de 20 horas (52,0%), onde modelos mais novos e baratos param em 32%.

      Fonte ↗
    5 IAs colocaram aqui
    Fonte ↗
  8. 8

    Grok 4.7

    A saída mais barata entre os ranqueados, a US$ 6 por milhão de tokens, vem com a maior taxa de bugs do ranking, 1,79, e 37,6% nas tarefas de terminal no Grok Build.

    Incluíram: ChatGPT, Grok, Gemini, Wenxin, MiMo. Não incluíram: Meta, Nova, DeepSeek.

    Nas listas delas: ChatGPT: 10 · Grok: 10 · Gemini: 7 · Wenxin: 7 · MiMo: 10

    O que cada IA notou 5
    • ChatGPTposição 10

      Uma taxa relativa de bugs de 1,79 faz dele a opção menos convincente para implementação padrão entre os oito modelos atualmente ranqueados pela cubic.

      Fonte ↗
    • Grokposição 10

      O token de saída ranqueado mais barato, a $6 por milhão, vem com a maior taxa de bugs ranqueada, 1,79.

      Fonte ↗
    • Geminiposição 7

      Alcança 37,6% no Terminal-Bench 4.0 dentro do Grok Build, com alta vazão de tokens para diagnóstico de sistemas e automação de infraestrutura.

    • Wenxinposição 7

      37,6% em terminais — o modelo de terminal de ponta não é o modelo de tarefas longas de ponta.

      Fonte ↗
    • MiMoposição 10

      O terceiro lugar que vale uma vaga em uma equipe mista: 37,6% das tarefas de terminal em seu próprio ambiente — real, mas um nível inteiro abaixo dos líderes.

      Fonte ↗
    5 IAs colocaram aqui
    Fonte ↗
  9. 9

    Gemini 4 Carbon

    Marca 61,2% no FrontierSWE v2, 1,1 ponto atrás do Opus 5.5 no mesmo ambiente. Não tem taxa de bugs da cubic e não tem linha oficial no Terminal-Bench.

    Incluíram: ChatGPT, Meta, Grok. Não incluíram: Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Nas listas delas: ChatGPT: 6 · Meta: 7 · Grok: 6

    O que cada IA notou 3
    • ChatGPTposição 6

      Com 61,2% no FrontierSWE v2, ele fica apenas 1,1 ponto atrás do Opus 5.5 no mesmo ambiente de teste.

    • Metaposição 7

      61,2% no FrontierSWE v2, 4º lugar, sem taxa de bugs no Bug Bench — a melhor pontuação em tarefas longas entre os modelos que não são da OpenAI nem da Anthropic

    • Grokposição 6

      Em quarto no ranking compartilhado de 20 horas, com 61,2%, e a cubic não tem taxa de bugs contada para ele.

    3 IAs colocaram aqui
    fonte não informada
  10. 10

    Gemini 4 Argon

    55,0% nas tarefas de um dia inteiro a cerca de US$ 129 por tentativa, aproximadamente um oitavo do custo do Astra. O preço de saída de lançamento, US$ 10, sobe para US$ 20 depois de 30 de nov. Sem taxa de bugs da cubic.

    Incluíram: Meta, DeepSeek, MiMo. Não incluíram: ChatGPT, Grok, Gemini, Nova, Wenxin.

    Nas listas delas: Meta: 9 · DeepSeek: 8 · MiMo: 8

    O que cada IA notou 3
    • Metaposição 9

      55,0% no FrontierSWE, sem Bug Bench, líder em amplitude segundo a tabela comparativa do Google de outubro de 2026

    • DeepSeekposição 8

      55,0% no FrontierSWE e 57,6% no Terminal-Bench com $10 de saída de lançamento — uma terceira vaga credível, embora a densidade de bugs tenha gerado críticas independentes.

      Fonte ↗
    • MiMoposição 8

      Uma tentativa completa do FrontierSWE custa $129,36 — cerca de um oitavo do Astra —, por isso é a vaga econômica para tarefas de um dia inteiro.

      Fonte ↗
    3 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.

As taxas de erros não medem exatamente a mesma coisa: variam conforme a ferramenta (0,62 dentro do Codex, 0,76 no total) e conforme a data (o Opus 5.5 está em 1,14 agora e estava em 1,49 em outubro).

1GPT-5.6 Sol

Nº 1 — GPT-5.6 Sol. Nas listas de 8 de 8 IAs; posição mediana ali: 3. Escreve o código mais limpo, com menos erros contados, e tem preço de saída baixo, embora seja mais fraco em tarefas que levam o dia inteiro.

Você sabia?

  • O GPT-5.6 vem em três tamanhos: Sol, Terra e Luna. Segundo a OpenAI, as versões mais baratas, Terra e Luna, superaram o Fable 5 em alguns testes, com cerca de um décimo sexto do custo.

    Fonte ↗
O que é
O modelo de programação Sol, da OpenAI, vendido em três tamanhos.
Seu diferencial
Menos erros contados entre os três, com preço de saída bem mais baixo.
Para quem
Serve para programação limpa do dia a dia; não é a escolha para maratonas de 20 horas.
  • Taxa relativa de errosTaxa relativa de erros de 0,76

Wikidata

História

  • Em 26 de junho de 2026, a OpenAI apresentou uma prévia do GPT-5.6 Sol só para um pequeno grupo de parceiros selecionados. A pedido do governo dos EUA, enviou primeiro os nomes dos parceiros ao governo. A OpenAI disse que isso é uma medida de curto prazo, e não um acordo permanente.

    Fonte ↗
Onde saber mais

  • Abra a página do modelo GPT-5.6 Sol. Ela mostra o ID do modelo, gpt-5.6-sol, uma janela de contexto de 1.050.000 tokens e o preço. Comece com uma tarefa real e exigente no esforço médio, que é o padrão, e depois aumente ou diminua.

    Fonte ↗
Comparar os três primeiros ↓

2GPT-6 Astra

Nº 2 — GPT-6 Astra. Nas listas de 8 de 8 IAs; posição mediana ali: 3. Vence nas tarefas de 20 horas, mas custa bem mais por teste e tem mais erros; por isso é uma opção de escalada, para quando as outras não bastam.

Você sabia?

  • O Astra é o primeiro modelo da OpenAI classificado como “Crítico” em habilidades de segurança cibernética pelo seu Preparedness Framework. Sem limites de produção, marcou 100% no ExploitBench, contra 78,5% do GPT-5.6 Sol.

    Fonte ↗
O que é
O modelo mais avançado da OpenAI, o GPT-6, começou com um pequeno grupo de clientes.
Seu diferencial
O melhor em tarefas de 20 horas, com 65,5%, à frente dos outros dois.
Para quem
Serve para trabalhos difíceis que levam o dia inteiro e têm orçamento alto; não é a escolha padrão do dia a dia.
  • Taxa relativa de errosTaxa de erros de 1,13

Wikipédia · Wikidata

História

  • Em 3 de setembro de 2026, a OpenAI lançou o GPT-6 Astra primeiro para um grupo seleto de clientes do seu programa Daybreak, antes de disponibilizá-lo amplamente.

    Fonte ↗
Para ter em mente

  • Uma semana após o lançamento, muitos usuários disseram que o Astra piorou. A equipe de Dax Raad, na Opencode, voltou ao GPT-5.6 Sol, dizendo que o gasto dobrado não compensava as desvantagens. Segundo a Decrypt, a OpenAI não havia emitido nenhum comunicado.

    Fonte ↗

  • Custa US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída, 2,5 vezes o preço de lançamento do Sol. Seus recursos de segurança cibernética mais fortes são restritos a defensores selecionados no programa Daybreak.

    Fonte ↗
O que as pessoas dizem

  • Astra feels significantly dumber for me today — synthwavedd (developer, on X)

    Fonte ↗
Onde saber mais

  • Abra a página do GPT-6 Astra, da OpenAI, para ver no que ele se sai bem: uso do computador, navegação, programação e ciência. O acesso começou limitado, então confira na página o que o seu plano pode usar antes de começar.

    Fonte ↗
Gemini o colocaram em primeiro. O que viram nele

  • Gemini: Domina as tarefas maratona de 20 horas, com 65,5% no FrontierSWE v2, e mantém 58,2% de resolução por linha de comando dentro do Codex.

Vídeo: Coding is Dead? Learn These SKILLS to Survive AGI | GPT-6 Astra Explained (em inglês) · Nishant Chahar

Comparar os três primeiros ↓

3Claude Opus 5.5

Nº 3 — Claude Opus 5.5. Nas listas de 8 de 8 IAs; posição mediana ali: 3. Lidera nas tarefas de terminal e vai bem nos trabalhos de 20 horas, com preço baixo por teste, mas tem mais erros.

Você sabia?

  • O esforço médio pode superar o esforço máximo. Em alguns testes de programação, o médio conclui as tarefas por menos de um dólar e tem pontuação maior que as execuções no esforço máximo, que custam vários dólares por tarefa.

    Fonte ↗
O que é
Modelo Claude, da Anthropic, feito para agentes de programação.
Seu diferencial
O melhor em tarefas de terminal, com 64,8%, e bem mais barato por teste que o Astra.
Para quem
Serve para trabalhos difíceis de terminal; não é a escolha se o código limpo for o mais importante.
  • Taxa relativa de errosTaxa combinada de erros de 1,14
História

  • Em 22 de setembro de 2026, a Anthropic lançou o Claude Opus 5.5, o primeiro modelo da sua família 5.5. Os preços padrão de entrada e saída caíram 20% em relação ao Opus 5, para US$ 4 e US$ 20 por milhão de tokens.

    Fonte ↗ ✓ confirmado por várias IAs
Onde saber mais

  • Leia o anúncio oficial do Claude Opus 5.5. Ele diz que o modelo iguala o Claude Fable 5.1 na maioria das tarefas, com custo de operação 40% menor que o do Opus 5. Comece usando o ID do modelo claude-opus-5-5 na Claude Platform.

    Fonte ↗
MiMo o colocaram em primeiro. O que viram nele

  • MiMo: Vence o ranking de terminal em seu ambiente, com 64,8%, e sobrevive às tarefas de 20 horas com 62,3% — por cerca de $99 por tentativa, onde o vencedor desse ranking paga $1.030.

Comparar os três primeiros ↓

Os três primeiros lado a lado

GPT-5.6 SolGPT-6 AstraClaude Opus 5.5
Nas listas das IAs8 / 88 / 88 / 8
Taxa relativa de errosTaxa relativa de erros de 0,76Taxa de erros de 1,13Taxa combinada de erros de 1,14
Primeiro paraMeta, WenxinGeminiMiMo

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.

O modelo mais usado não é o mais limpo: o Opus 5.5 escreveu 64,4% das linhas de IA da cubic na semana de 26 de out., mas sua taxa de bugs é 1,14, contra 0,76 do GPT-6.1 Sol.

Perceberam:
Incluíram: ChatGPT, Grok. Não incluíram: Meta, Gemini, Nova, DeepSeek, Wenxin, MiMo.
Fonte ↗

GPT-6 Astra e GPT-6.1 Sol resolvem, ambos, 58,2% do Terminal-Bench 4.0 no Codex, a cerca de US$ 9,90 contra US$ 1,92 por tarefa.

Perceberam:
Incluíram: ChatGPT, Meta, Grok. Não incluíram: Gemini, Nova, DeepSeek, Wenxin, MiMo.
Fonte ↗

No FrontierSWE v2, a vantagem de 3,2 pontos do Astra sobre o Opus 5.5 custa cerca de dez vezes mais por tentativa: US$ 1.029,65 contra US$ 98,87.

Perceberam:
Incluíram: Grok, Nova, DeepSeek, MiMo. Não incluíram: ChatGPT, Meta, Gemini, Wenxin.
Fonte ↗

As taxas de bugs da cubic mudaram entre publicações (Opus 5.5 de 1,49 para 1,14, GPT-6.1 Sol de 1,22 para 0,76). As janelas de medição mudaram; isso não prova que os modelos melhoraram. Uma terceira leitura (GPT-6 Luna 0,47) aparece em só uma resposta e não está confirmada.

Perceberam:
Incluíram: ChatGPT, Grok, DeepSeek. Não incluíram: Meta, Gemini, Nova, Wenxin, MiMo.
Fonte ↗

04O que as pessoas perguntam

qual é o melhor modelo para programar em 2026

Depende da vaga. O GPT-6.1 Sol tem a menor taxa de bugs contada, 0,76; o Claude Opus 5.5 lidera o Terminal-Bench 4.0 com 64,8%; e o GPT-6 Astra lidera o FrontierSWE v2 com 65,5%.

Fonte ↗
gpt vs claude para programação

O GPT-6 Astra vence o Opus 5.5 nas tarefas de 20 horas, 65,5% contra 62,3%. O Opus 5.5 vence o Astra nas tarefas de terminal, nos ambientes próprios de cada um, 64,8% contra 58,2%.

Fonte ↗
gpt 5 vs claude para programação

O GPT-5.6 Sol teve taxa de bugs de 0,62 dentro do Codex em outubro, mas marca 32,2% no FrontierSWE v2, contra 62,3% do Opus 5.5 no mesmo ambiente.

Fonte ↗
por que as taxas de bugs de modelos de programação variam entre fontes

O artigo da cubic de 16 de out. mediu janelas curtas dentro de cada agente, enquanto o placar de 4 de nov. reúne de 13 de jul. a 1º de nov. É por isso que o Opus 5.5 aparece com 1,49 em um e 1,14 no outro.

Fonte ↗

05Como contamos

Em palavras simples, sem fórmulas.

1A pergunta

Top 10 modelos para ocupar as vagas de uma equipe de agentes de programação

2Por que este tema

O leitor recebe uma escolha de modelo por vaga, que nenhum ranking único oferece, e responde a uma pergunta que as pessoas buscam o ano todo.

3Onde se aplica

global; pessoas que escolhem o modelo dentro do Claude Code, Codex, Cursor ou um agente parecido

4O que analisamos

  • Bugs contados por linha no código que equipes reais enviaram por esse agente
  • Parcela das tarefas de terminal resolvidas no ambiente próprio do fornecedor
  • Nota nas tarefas de um dia inteiro, quando o ambiente é o mesmo para todos os modelos
  • Preço de lista da saída, por milhão de tokens, comparado com a taxa de bugs
  • cubic Bug Bench — Bugs contados por linha atribuída à IA, em relação à média (1,00; quanto menor, mais limpo). O ranking de 4 de nov. cobre de 13 de jul. a 1º de nov. O artigo de 16 de out. usou janelas mais curtas, específicas de cada agente. O
  • Terminal-Bench 4.0 (tbench.ai) — Taxa de resolução em 66 tarefas de terminal, com o ambiente próprio do fornecedor indicado.
  • Proximal FrontierSWE v2 — Média de 5 tentativas em 34 tarefas de até 20 horas, com todos os modelos em um único ambiente Proximal compartilhado.
  • cubic, preço de lista vs taxa de bugs — Preço de lista do fornecedor por milhão de tokens de saída, colocado ao lado da taxa relativa de bugs.

5Quem classificou

As IAs líderes: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo. 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.

06A 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
    GPT-6.1 Sol (2026)

    Taxa relativa de bugs de 0,76 e o mesmo resultado de 58,2% no terminal que o Astra, com preço por token de saída de um quinto do preço padrão do Astra.

    Fonte ↗
  2. 2
    Claude Opus 5.5 (2026)

    Líder em tarefas de terminal, com 64,8%, mas sua taxa agregada de bugs de 1,14 é pior que a média do código revisado pela cubic.

    Fonte ↗
  3. 3
    GPT-6 Astra (2026)

    O campeão de engenharia de 20 horas, com 65,5%, mas o preço de $50 por token de saída faz dele um modelo para casos extremos, não meu padrão do dia a dia.

    Fonte ↗
  4. 4
    Claude Sonnet 5.5 (2026)

    Com 61,8% de resolução no terminal, ele fica a menos de três pontos do Opus 5.5, o que o torna uma opção séria para implementação.

    Fonte ↗
  5. 5
    Claude Fable 5.1 (2026)

    Sua taxa agregada de bugs de 0,93 supera o 1,14 do Opus 5.5, apesar de o Opus ser muito mais usado.

    Fonte ↗
  6. 6
    Gemini 4 Carbon (2026)

    Com 61,2% no FrontierSWE v2, ele fica apenas 1,1 ponto atrás do Opus 5.5 no mesmo ambiente de teste.

  7. 7
    GPT-5.6 Sol (2026)

    Sua taxa histórica de 0,62 bugs no Codex foi excelente, mas uma pontuação de 32,2% em tarefas longas desaconselha dar a ele a vaga mais difícil.

    Fonte ↗
  8. 8
    Claude Opus 5 (2026)

    Uma taxa agregada de bugs de 1,21 o deixa atrás do Opus 5.5, mais novo, sem uma melhora estatística clara comprovada em toda a família.

    Fonte ↗
  9. 9
    Claude Opus 4.8 (2026)

    Sua participação caiu de 29,4% em julho para 0,5% no fim de outubro, o que mostra como os padrões dos modelos de programação mudam rápido.

    Fonte ↗
  10. 10
    Grok 4.7 (2026)

    Uma taxa relativa de bugs de 1,79 faz dele a opção menos convincente para implementação padrão entre os oito modelos atualmente ranqueados pela cubic.

    Fonte ↗

O que ChatGPT percebeu

O modelo mais usado não é o mais limpo no código revisado: o Opus 5.5 escreveu 64,4% das linhas de IA atribuídas pela cubic na última semana completa, mas o GPT-6.1 Sol teve a menor taxa relativa de bugs, 0,76 contra 1,14.

Fonte ↗

Astra e Sol chegaram ambos a 58,2% no Terminal-Bench 4.0 usando o Codex, mas seus custos estimados por tarefa na API foram de $9,90 e $1,92, respectivamente. Resultados arredondados iguais não significam desempenho idêntico em todas as tarefas.

Fonte ↗

O preço de tabela por token de saída não é o custo da tarefa. Um modelo que usa menos tokens ou termina mais rápido pode custar menos por tarefa resolvida, mesmo com um preço por milhão de tokens de saída mais alto.

Fonte ↗
🇺🇸 Meta10 posições · 4 notas

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

  1. 1
    GPT-5.6 Sol 2026

    0,62 dentro do Codex, 0,65 no geral — único modelo abaixo da média, 35% menos bugs, mas apenas 0,7% do código revisado na semana de 5 de outubro

    Fonte ↗
  2. 2
    Claude Fable 5.1 2026

    1,09 dentro do Claude Code, o mais limpo ali; 56,3% no FrontierSWE, empatado com o Sonnet 5.5, mas custa 5 vezes mais

    Fonte ↗
  3. 3
    GPT-6 Astra 2026

    Líder do FrontierSWE v2 com 65,5% + 58,2% no Terminal-Bench, mas taxa de bugs de 1,13, acima da média — o sobrevivente de 20 horas

  4. 4
    Claude Opus 5.5 2026

    Primeiro no Terminal-Bench com 64,8%, segundo no FrontierSWE com 62,3%, mas taxa de bugs de 1,49, a pior dentro do Claude Code — terminal forte, uso diário sujo

    Fonte ↗
  5. 5
    Claude Sonnet 5.5 2026

    61,8% no Terminal-Bench, 61,9% no FrontierSWE, taxa de bugs de 1,24, empatado com o Fable dentro do Claude Code, por um quinto do preço

    Fonte ↗
  6. 6
    GPT-6.1 Sol 2026

    58,2% no Terminal-Bench, empate com o Astra: $1,92 contra $14,30; taxa de bugs de 1,22 dentro do Codex; a OpenAI recomenda para programação complexa

    Fonte ↗
  7. 7
    Gemini 4 Carbon 2026

    61,2% no FrontierSWE v2, 4º lugar, sem taxa de bugs no Bug Bench — a melhor pontuação em tarefas longas entre os modelos que não são da OpenAI nem da Anthropic

  8. 8
    Claude Opus 5 2026

    52,0% no FrontierSWE, taxa de bugs de 1,33, 51,8% no Terminal-Bench antigo — substituído pelo Opus 5.5, com preço 20% menor

    Fonte ↗
  9. 9
    Gemini 4 Argon 2026

    55,0% no FrontierSWE, sem Bug Bench, líder em amplitude segundo a tabela comparativa do Google de outubro de 2026

  10. 10
    Claude Haiku 5.5 2026

    43,8% no FrontierSWE, sem ranking no Bug Bench na janela de 5 de outubro, $0,50 de saída — o Claude mais barato para tarefas de rotina

    Fonte ↗

O que Meta percebeu

O padrão do fornecedor não é o mais limpo: o Claude Code usa o Opus 5.5 por padrão, com taxa de bugs de 1,49, a pior entre os agentes; já o Fable 5.1, com 1,09, é o mais limpo dentro do Claude Code. O Codex recomenda o GPT-6.1 Sol (1,22), mas o GPT-5.6 Sol, com 0,62, é o mais limpo.

Fonte ↗

Código limpo no dia a dia, terminal e 20 horas são três vagas diferentes: o GPT-5.6 Sol vence em bugs (0,62), o Opus 5.5 vence no terminal (64,8%), o Astra vence em 20 horas (65,5%) — nenhum modelo vence as três.

Fonte ↗

O preço por linha limpa inverte o ranking: o Sol, com saída de $10, tem 0,65; o Astra, com $50, tem 1,13 — o Astra custa 5 vezes mais por 13% a mais de bugs que a média.

Fonte ↗

O GPT-5.6 Sol escreveu 35% do código de IA na semana de 17 de agosto, mas só 0,7% na semana de 5 de outubro — o modelo mais limpo é agora o mais raro nos dados revisados.

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 Sol

    O menor número de bugs contados entre os modelos ranqueados, 0,76, e os mesmos 58,2% no terminal que o Astra, por cerca de $634 na execução com o Codex em vez de $3,3 mil.

    Fonte ↗
  2. 2
    Claude Sonnet 5.5

    A $10 por milhão de tokens de saída, ele fica perto do líder em terminal, com 61,8% no Claude Code, e perto do líder de tarefas de um dia inteiro, com 61,9% no ambiente compartilhado.

    Fonte ↗
  3. 3
    Claude Opus 5.5

    Escreveu 64,4% do código de IA revisado pela cubic na semana de 26 de outubro, e não é o modelo limpo no Claude Code: 1,13 agora, 1,49 no texto de outubro.

    Fonte ↗
  4. 4
    GPT-6 Astra

    Lidera o ranking de 20 horas com 65,5%, a cerca de $1.030 por tentativa, e em tarefas de terminal não supera o Sol, que custa $10 de saída.

    Fonte ↗
  5. 5
    Claude Fable 5.1

    O mais limpo dentro do Claude Code, com 0,93, enquanto o padrão que as pessoas realmente usam é o Opus 5.5.

    Fonte ↗
  6. 6
    Gemini 4 Carbon

    Em quarto no ranking compartilhado de 20 horas, com 61,2%, e a cubic não tem taxa de bugs contada para ele.

  7. 7
    GLM-5.3

    A vaga de pesos abertos: 41,8% das tarefas de terminal dentro do Claude Code e 30,2% no ranking de 20 horas.

    Fonte ↗
  8. 8
    Claude Opus 5

    Dentro do Cursor, é o modelo ranqueado com menos bugs, com 1,22, o que ainda representa 22% mais bugs contados que a média.

    Fonte ↗
  9. 9
    GPT-5.6 Sol

    Foi o modelo mais limpo dentro do Codex, com 0,62, e em tarefas de um dia inteiro marca 32,2%, cerca de metade do Astra.

    Fonte ↗
  10. 10
    Grok 4.7

    O token de saída ranqueado mais barato, a $6 por milhão, vem com a maior taxa de bugs ranqueada, 1,79.

    Fonte ↗

O que Grok percebeu

O padrão do Claude Code nos planos pagos é o Opus 5.5. Dentro desse agente, a menor taxa de bugs na janela de 4 de novembro é a do Fable 5.1, com 0,93, empatado com o Sonnet 5.5, com 1,00; já o Opus 5.5 fica em 1,13.

Fonte ↗

O GPT-6 Astra e o GPT-6.1 Sol resolvem os mesmos 58,2% do Terminal-Bench 4.0 dentro do Codex. A execução listada do Astra custa cerca de $3,3 mil; a do Sol, cerca de $634.

Fonte ↗

No FrontierSWE v2, o Astra, com 65,5%, custa cerca de 10 vezes mais por tentativa que o Opus 5.5, com 62,3%: cerca de $1.029,65 contra $98,87.

Fonte ↗

O GPT-5.6 Sol liderou o Codex em bugs contados, com 0,62, no artigo de outubro da cubic; depois caiu para menos de 0,5% das linhas atribuídas à IA e saiu do ranking de 4 de novembro. Sua pontuação em tarefas de um dia inteiro é 32,2%.

Fonte ↗
🇺🇸 Gemini10 posições

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

  1. 1
    GPT-6 Astra

    Domina as tarefas maratona de 20 horas, com 65,5% no FrontierSWE v2, e mantém 58,2% de resolução por linha de comando dentro do Codex.

  2. 2
    Claude Opus 5.5

    O atual líder em linha de comando, com 64,8% no Terminal-Bench 4.0 e 62,3% no FrontierSWE v2, mas com taxa relativa de defeitos de 1,49.

  3. 3
    GPT-5.6 Sol

    O Coder foi o programador de produção mais limpo já registrado: taxa relativa de erros excepcionalmente baixa, de 0,62, o que o torna o cavalo de batalha mais confiável no dia a dia, apesar da pontuação modesta de 32,2% na tarefa de 20 horas.

  4. 4
    Claude Sonnet 5.5

    Marca 61,8% no Terminal-Bench 4.0 por uma fração do preço de saída do Opus, e serve como padrão de mercado para o uso diário em ciclos agênticos de linha de comando.

  5. 5
    Claude Fable 5.1

    Combina uma taxa sólida de conclusão de 57,9% no Terminal-Bench 4.0 com taxa relativa de bugs de 1,09, bem mais limpo na revisão que o Opus 5.5.

  6. 6
    GPT-6.1 Sol

    Iguala os 58,2% de resolução por linha de comando do Astra dentro do Codex, com maior profundidade de raciocínio iterativo, e registra taxa relativa de bugs de 1,22.

  7. 7
    Grok 4.7

    Alcança 37,6% no Terminal-Bench 4.0 dentro do Grok Build, com alta vazão de tokens para diagnóstico de sistemas e automação de infraestrutura.

  8. 8
    Gemini 2.5 Pro

    Aproveita uma janela de contexto nativa de 2 milhões de tokens para ler bases de código inteiras de vários repositórios em um único prompt, em migrações complexas com dependências cruzadas.

    Fonte ↗
  9. 9
    DeepSeek V3.5 Coder

    Modelo de pesos abertos com o menor custo, que reduz de forma drástica o preço comercial por token em geração de testes unitários em grande volume e em enxames de revisão automática de PRs.

  10. 10
    Qwen 2.5 Coder 32B

    O modelo de referência para instalação local em bases de código corporativas, onde não há vazamento de dados para a nuvem e a conformidade com ambiente isolado é indispensável.

    Fonte ↗
🇨🇳 DeepSeek10 posições · 3 notas

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

  1. 1
    GPT-6.1 Sol

    Taxa relativa de bugs de 0,98 e 58,2% no Terminal-Bench por $10 de saída — a melhor vaga para uso geral, um pouco atrás do Astra em trabalho de longo prazo, mas cinco vezes mais barato.

    Fonte ↗
  2. 2
    Claude Sonnet 5.5

    Taxa de bugs de 1,06 e 61,8% no Terminal-Bench por $10 de saída: a forma mais barata de ter a pontuação de terminal de topo do Claude Code.

    Fonte ↗
  3. 3
    GPT-6 Astra

    65,5% no FrontierSWE e 58,2% no Terminal-Bench: o melhor modelo do ranking para tarefas de um dia inteiro, mas com saída de $50 e taxa de bugs de 1,09.

    Fonte ↗
  4. 4
    GPT-6 Luna

    Taxa de bugs de 0,47 — 53% menos bugs contados que a média — por $0,50 de saída, mas marca só 16,4% no Terminal-Bench; é uma vaga limpa para o dia a dia, não para fechar tarefas difíceis.

    Fonte ↗
  5. 5
    Claude Opus 5.5

    64,8% no Terminal-Bench e 62,3% no FrontierSWE: a combinação mais forte do Claude Code para trabalho pesado, mas sua taxa de bugs de 1,39 é a pior do Bug Bench.

    Fonte ↗
  6. 6
    Kimi K3.1 Pro

    67,2% no Terminal-Bench (Artificial Analysis) por $10 de saída: o campeão bruto de terminal, mas 25,9% no FrontierSWE e nenhum ranking no Bug Bench fazem dele um especialista.

  7. 7
    Claude Fable 5.1

    Taxa de bugs de 1,07, 57,9% no Terminal-Bench e 56,3% no FrontierSWE — equilibrado, mas com saída de $50 custa o mesmo que o Astra, sem a liderança do Astra em tarefas longas.

    Fonte ↗
  8. 8
    Gemini 4 Argon

    55,0% no FrontierSWE e 57,6% no Terminal-Bench com $10 de saída de lançamento — uma terceira vaga credível, embora a densidade de bugs tenha gerado críticas independentes.

    Fonte ↗
  9. 9
    GPT-5.6 Sol

    Taxa de bugs de 0,62 dentro do Codex — 38% menos bugs contados que a média — mas 37,3% no Terminal-Bench e 32,2% no FrontierSWE: a vaga mais limpa para tarefas pequenas, não para as longas.

    Fonte ↗
  10. 10
    Claude Opus 5

    Taxa de bugs de 1,30, 53,9% no Terminal-Bench, 52,0% no FrontierSWE e $25 de saída — uma vaga intermediária que já não é a mais limpa nem a mais forte.

    Fonte ↗

O que DeepSeek percebeu

O modelo mais barato vence o Bug Bench: o GPT-6 Luna, com $0,50 de saída, tem a menor taxa relativa de bugs (0,47) — 53% abaixo da média —, enquanto o Fable 5.1, a $50, e o Astra ficam em 1,07 e 1,09.

Fonte ↗

O Opus 5.5 é a vaga mais contraditória: a melhor pontuação do Claude Code no Terminal-Bench (64,8%) e a segunda no FrontierSWE (62,3%), mas a pior taxa no Bug Bench (1,39).

Fonte ↗

O preço por tentativa inverte a lista do FrontierSWE: o GPT-6 Astra lidera com 65,5%, mas custa $1.029,65 por tentativa; o Opus 5.5 custa $98,87, 90% a menos, por 3,2 pontos a menos.

Fonte ↗
🇨🇳 Wenxin10 posições · 2 notas

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

  1. 1
    GPT-5.6 Sol (OpenAI, dentro do Codex) 2026

    Menor taxa de bugs observada (0,62) no preço do Codex — código limpo pelo preço de um café por 1 milhão de tokens.

    Fonte ↗
  2. 2
    GPT-6 Astra (OpenAI, dentro do Codex) 2026

    Campeão do FrontierSWE com 65,5% e 58,2% em terminais — mas 1,13 bug por linha o torna mais caro por linha limpa.

  3. 3
    Claude Opus 5.5 (Anthropic, dentro do Claude Code) 2026

    64,8% em terminais, 62,3% em tarefas de 20 horas — mas 1,49 bug por linha o deixa atrás em limpeza.

    Fonte ↗
  4. 4
    Claude Sonnet 5.5 (Anthropic, dentro do Claude Code) 2026

    61,8% em terminais com preço provavelmente metade do Opus — a escolha do cavalo de trabalho.

    Fonte ↗
  5. 5
    Claude Fable 5.1 (Anthropic, dentro do Claude Code) 2026

    57,9% em terminais, 1,09 bug por linha — limpo na faixa média, preço na faixa média, ponto ideal para programar no dia a dia.

    Fonte ↗
  6. 6
    GPT-6.1 Sol (OpenAI, dentro do Codex) 2026

    58,2% em terminais e 1,22 bug por linha — mais rápido que o Astra, um pouco mais limpo, na mesma faixa de preço.

  7. 7
    Grok 4.7 (xAI, dentro do Grok Build) 2026

    37,6% em terminais — o modelo de terminal de ponta não é o modelo de tarefas longas de ponta.

    Fonte ↗
  8. 8
    DeepSeek-V3 (DeepSeek, via API) 2026

    Pesos abertos, abaixo de 2 por 1 milhão de tokens; a taxa de bugs não está na lista principal da cubic, mas relatos da comunidade apontam cerca de 1,3.

  9. 9
    Qwen 3 (Alibaba, via API) 2026

    Pesos abertos, forte em terminais nos benchmarks de língua chinesa; os dados da cubic em inglês são escassos.

  10. 10
    Gemini 2.5 Pro (Google, via Vertex/AI Studio) 2026

    Modelo principal do Google de 2026; os dados da cubic e do terminal ainda não estão nas tabelas principais, mas é forte em contexto longo.

    Fonte ↗

O que Wenxin percebeu

O Claude Fable 5.1 custa cerca de um quinze avos do Claude Opus 5.5 por token, mas entrega 57,9% em terminais e apenas 1,09 bug por linha — o campeão de custo-benefício para programação com agentes no dia a dia.

Fonte ↗

O GPT-6 Astra lidera o FrontierSWE (65,5%), mas sua taxa de bugs de 1,13 significa que uma equipe que entrega 100 mil linhas por mês paga cerca de 1,4 milhão em tokens pelo mesmo código limpo que o Fable entrega por cerca de 0,07 milhão.

Fonte ↗
🇨🇳 MiMo10 posições · 4 notas

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

  1. 1
    Claude Opus 5.5 (Anthropic, 2026)

    Vence o ranking de terminal em seu ambiente, com 64,8%, e sobrevive às tarefas de 20 horas com 62,3% — por cerca de $99 por tentativa, onde o vencedor desse ranking paga $1.030.

    Fonte ↗
  2. 2
    GPT-6 Astra (OpenAI, 2026)

    O único modelo que terminou as tarefas de 20 horas em primeiro lugar — a $1.029,65 por tentativa e com 1,13 bugs contados por linha no Codex.

    Fonte ↗
  3. 3
    GPT-5.6 Sol (OpenAI, 2026)

    O código mais limpo do ranking — 0,62 bug por linha dentro do Codex — e a pior pontuação em tarefas longas entre os principais modelos, com 32,2%.

    Fonte ↗
  4. 4
    Claude Sonnet 5.5 (Anthropic, 2026)

    A cerca de dois pontos do Opus 5.5 em sessões de programação, numa faixa inferior — a opção de melhor custo-benefício do par da Anthropic.

    Fonte ↗
  5. 5
    GPT-6.1 Sol (OpenAI, 2026)

    A mesma pontuação de terminal dos modelos principais (58,2%) por $10 de saída por milhão de tokens — cinco vezes mais barato que o Astra, mas com 1,22 bug por linha.

    Fonte ↗
  6. 6
    Claude Fable 5.1 (Anthropic, 2026)

    O especialista do dia a dia: 57,9% em tarefas de terminal e o código mais limpo medido dentro do Claude Code, com 1,09.

    Fonte ↗
  7. 7
    GPT-6.1 Terra (OpenAI, 2026)

    A OpenAI diz que iguala o Astra com um décimo do preço do token e gasta tokens três vezes mais eficientemente que o Opus 5.5.

    Fonte ↗
  8. 8
    Gemini 4 Argon (Google, 2026)

    Uma tentativa completa do FrontierSWE custa $129,36 — cerca de um oitavo do Astra —, por isso é a vaga econômica para tarefas de um dia inteiro.

    Fonte ↗
  9. 9
    Claude Opus 5 (Anthropic, 2025)

    A geração anterior ainda termina metade das tarefas de 20 horas (52,0%), onde modelos mais novos e baratos param em 32%.

    Fonte ↗
  10. 10
    Grok 4.7 (xAI, 2026)

    O terceiro lugar que vale uma vaga em uma equipe mista: 37,6% das tarefas de terminal em seu próprio ambiente — real, mas um nível inteiro abaixo dos líderes.

    Fonte ↗

O que MiMo percebeu

O modelo mais limpo e o mais forte não são a mesma vaga: dentro do Codex, o GPT-5.6 Sol registra 0,62 bug por linha contra 1,13 do GPT-6 Astra — mas só o Astra vence as tarefas de 20 horas.

Fonte ↗

Vencer o FrontierSWE v2 custa ao GPT-6 Astra $1.029,65 por tentativa; o Claude Opus 5.5 chega a 62,3% por $98,87 — uma diferença de 3,2 pontos por dez vezes o dinheiro.

Fonte ↗

Dentro do Claude Code, o carro-chefe do próprio fornecedor é o que escreve código mais sujo: Opus 5.5, com 1,49 bug por linha, contra 1,09 do Fable 5.1.

Fonte ↗

A maior subida do ranking do ano é de geração, não de fornecedor: o Opus 4.8 resolveu 23,6% das tarefas de terminal, o Opus 5.5 resolve 64,8%.

Fonte ↗