Pular para o conteúdo
04 · Motores & RaciocínioBenchmarks de Bancada

O motor que pilota a esteira agêntica.

Benchmarks genéricos de chat mentem para engenheiros de software. Em esteiras agênticas reais, o que define o sucesso não é responder charadas, mas sim três variáveis cruciais: confiabilidade de invocação de ferramentas (Tool-Calling), resistência à perda de coerência após milhares de tokens (Context Rot) e previsibilidade de custos com cache de prompt.

Modelos Avaliados
8

motores de ponta

Especialidades
4

papéis de esteira

Entrada Mais Barata
$0.15

por 1M tokens

Maior Janela
2M

tokens de contexto

Arquitetura de Equipe de Agentes

Os 4 Papéis da Bancada.

Não use um canhão para matar uma mosca. O segredo da esteira eficiente é rotear tarefas para o modelo exato.

Orquestrador Geral

Lidera a decomposição de planos complexos, toma decisões de arquitetura e coordena subagentes.

2 modelo(s) curado(s)
Coder Cirúrgico

Focado em implementação cirúrgica de código, refatorações pontuais e testes unitários com alta fidelidade.

2 modelo(s) curado(s)
Auditor & Adversarial

Especialista em análise adversarial, prova formal de correção, segurança e detecção de regressões sutis.

2 modelo(s) curado(s)
Subagente Rápido & Worker

Executa tarefas periféricas de alta velocidade e baixo custo: triagem de arquivos, lint, commits e resumo.

2 modelo(s) curado(s)

Visão Geral Consolidada

Matriz Comparativa Agêntica.

Valores de custo em dólares ($) por 1.000.000 de tokens

ModeloPapel IdealTool-CallingContext RotJanelaInput / 1MOutput / 1MCache / 1M
Claude 3.7 SonnetAnthropicOrquestrador Geral
98%
Alta200k tokens$3.00$15.00$0.30
Claude 3.5 HaikuAnthropicSubagente Rápido & Worker
88%
Média200k tokens$0.80$4.00$0.08
GPT-4oOpenAICoder Cirúrgico
94%
Média128k tokens$2.50$10.00$1.25
o3-miniOpenAIAuditor & Adversarial
92%
Alta200k tokens$1.10$4.40$0.55
DeepSeek V3DeepSeekCoder Cirúrgico
89%
Média64k tokens (128k via API)$0.27$1.10$0.07
DeepSeek R1DeepSeekAuditor & Adversarial
85%
Alta64k tokens (128k via API)$0.55$2.19$0.14
Gemini 2.5 FlashGoogleSubagente Rápido & Worker
90%
Alta1M tokens$0.15$0.60$0.0375
Gemini 2.5 ProGoogleOrquestrador Geral
95%
Alta2M tokens$1.25$5.00$0.31
Fichas de Bancada por Papel:Mostrando todos os 8 modelos
AnthropicOrquestrador Geral★ Escolha da Bancada
ID: claude-3-7-sonnet

Claude 3.7 Sonnet

Tool-Calling
98%confiável
Resistência ao Rot
Alta

sustenta contexto denso sem esquecimento

Janela / Saída
200k tokens

max: 64k tokens (com thinking) / 8k tokens (padrão)

Custo / 1M Tokens
In:$3.00
Out:$15.00
Cache:$0.30
Tese de Bancada

O ápice técnico atual para engenharia de software agêntica. Sua capacidade de raciocínio híbrido dinâmico (intercalando pensamento profundo com execuções sequenciais de ferramentas) minimiza refatorações equivocadas e antecipa conflitos de borda antes de tocar no código. Com cache de prompt a $0.30/M, sustenta sessões prolongadas sem explodir custos.

⚠️

Quando NÃO Usar

Classificação trivial de strings, pipelines de extração sem ambiguidade ou agentes rápidos em lote onde Haiku ou Flash entregam o mesmo resultado com latência três vezes menor.

AnthropicSubagente Rápido & Worker
ID: claude-3-5-haiku

Claude 3.5 Haiku

Tool-Calling
88%confiável
Resistência ao Rot
Média

demanda compactação e checkpoints periódicos

Janela / Saída
200k tokens

max: 8k tokens

Custo / 1M Tokens
In:$0.80
Out:$4.00
Cache:$0.08
Tese de Bancada

Velocidade impressionante com precisão de tool-calling surpreendente para a faixa leve. Ideal para compor frotas de subagentes paralelos encarregados de leitura em árvore, filtragem de logs, geração de mensagens de commit ou triagem de arquivos candidatos antes da intervenção do modelo principal.

⚠️

Quando NÃO Usar

Arquitetura de sistemas complexos, reconciliação de dependências circulares ou raciocínio que dependa de compreensão profunda de tipos genéricos avançados em TypeScript ou Rust.

OpenAICoder Cirúrgico
ID: gpt-4o

GPT-4o

Tool-Calling
94%confiável
Resistência ao Rot
Média

demanda compactação e checkpoints periódicos

Janela / Saída
128k tokens

max: 16k tokens

Custo / 1M Tokens
In:$2.50
Out:$10.00
Cache:$1.25
Tese de Bancada

Motor versátil com excelente velocidade de geração e suporte estável a saídas estritamente estruturadas via JSON Schema. É uma escolha sólida para automação de tarefas cotidianas de codificação onde os padrões de biblioteca já estão bem estabelecidos.

⚠️

Quando NÃO Usar

Bases de código que exigem adesão rígida e cirúrgica ao estilo existente sem reescrever linhas vizinhas; historicamente tende a podar comentários ou reformatar blocos intactos ao redor.

OpenAIAuditor & Adversarial★ Escolha da Bancada
ID: o3-mini

o3-mini

Tool-Calling
92%confiável
Resistência ao Rot
Alta

sustenta contexto denso sem esquecimento

Janela / Saída
200k tokens

max: 100k tokens

Custo / 1M Tokens
In:$1.10
Out:$4.40
Cache:$0.55
Tese de Bancada

O melhor custo-benefício para raciocínio analítico denso do mercado. Especialista em isolar race conditions sutis, provar teoremas de concorrência e dissecar problemas de otimização matemática. Atua com maestria como auditor adversarial em duplas de agentes para revisar planos antes da execução.

⚠️

Quando NÃO Usar

Interfaces interativas com desenvolvedor que exigem respostas imediatas de baixa latência, ou redação de prosa natural e documentação comercial onde seu viés algorítmico gera texto excessivamente formal.

DeepSeekCoder Cirúrgico★ Escolha da Bancada
ID: deepseek-v3

DeepSeek V3

Tool-Calling
89%confiável
Resistência ao Rot
Média

demanda compactação e checkpoints periódicos

Janela / Saída
64k tokens (128k via API)

max: 8k tokens

Custo / 1M Tokens
In:$0.27
Out:$1.10
Cache:$0.07
Tese de Bancada

Um terremoto nos custos operacionais de IA: entrega capacidade de geração de código muito próxima dos modelos de primeira linha por menos de um décimo do valor. Perfeito para pipelines massivos de geração de testes de unidade, migrações mecânicas de sintaxe e enriquecimento de documentação em lote.

⚠️

Quando NÃO Usar

Sistemas críticos em produção que não toleram instabilidade eventual de tráfego na infraestrutura oficial, ou cadeias de ferramentas com mais de 15 chamadas consecutivas onde o tracking de estado possa falhar.

DeepSeekAuditor & Adversarial
ID: deepseek-r1

DeepSeek R1

Tool-Calling
85%confiável
Resistência ao Rot
Alta

sustenta contexto denso sem esquecimento

Janela / Saída
64k tokens (128k via API)

max: 8k tokens

Custo / 1M Tokens
In:$0.55
Out:$2.19
Cache:$0.14
Tese de Bancada

Modelo de raciocínio aberto que rivaliza com os benchmarks proprietários mais elevados da OpenAI. A grande vantagem estratégica é a transparência total: ao expor integralmente seu monólogo interior de raciocínio, permite inspecionar cada premissa assumida antes de aplicar soluções a bugs obscuros.

⚠️

Quando NÃO Usar

Chamadas diretas de tool-calling em ambientes que não sabem filtrar as tags <think>, ou rotinas de formatação simples onde os minutos extras de deliberação interna atrasam o fluxo.

GoogleSubagente Rápido & Worker★ Escolha da Bancada
ID: gemini-2-5-flash

Gemini 2.5 Flash

Tool-Calling
90%confiável
Resistência ao Rot
Alta

sustenta contexto denso sem esquecimento

Janela / Saída
1M tokens

max: 8k tokens

Custo / 1M Tokens
In:$0.15
Out:$0.60
Cache:$0.0375
Tese de Bancada

O campeão indiscutível de taxa de transferência por dólar: 1 milhão de tokens de janela a $0.15 de entrada é imbatível. Permite injetar monorepos inteiros, coleções completas de issues e logs gigantescos de telemetria sem necessidade de RAG ou fragmentação prévia.

⚠️

Quando NÃO Usar

Edição cirúrgica em código com regras sutis de tipagem avançada ou arquiteturas muito idiomáticas onde o modelo possa preferir convenções genéricas em detrimento das convenções locais do projeto.

GoogleOrquestrador Geral
ID: gemini-2-5-pro

Gemini 2.5 Pro

Tool-Calling
95%confiável
Resistência ao Rot
Alta

sustenta contexto denso sem esquecimento

Janela / Saída
2M tokens

max: 8k tokens

Custo / 1M Tokens
In:$1.25
Out:$5.00
Cache:$0.31
Tese de Bancada

Capacidade inigualável de assimilar ecossistemas inteiros de software em uma única tacada: 2 milhões de tokens com recuperação agulha-no-palheiro quase perfeita. Ideal para auditorias arquiteturais globais, análise de compatibilidade entre múltiplos sistemas e planejamento em nível corporativo.

⚠️

Quando NÃO Usar

Tarefas locais simples com poucas centenas de linhas de código, onde modelos menores respondem com menor latência inicial de streaming sem consumir o pipeline multimodal do Gemini.