Comparação de LLMs para programação

SciCode é a avaliação de programação científica da AA, expressa em porcentagem; maior é melhor. Ela é separada do teste de desempenho com 10,000 tokens de entrada e não avalia Cline dentro do editor. Qualidade e desempenho usam as configurações indicadas ao lado dos modelos. Um AA v5 Intelligence Index atual só aparece quando os dois modelos têm um valor publicado. O desempenho da AA usa o teste com 10,000 tokens de entrada e a configuração exibida de cada modelo; os ajustes de raciocínio variam. A velocidade é a taxa mediana de saída. A latência de resposta mede o primeiro token de resposta após o raciocínio, não o primeiro trecho de raciocínio transmitido. No raciocínio não transmitido e nos modelos sem raciocínio, a AA registra o mesmo evento para o primeiro trecho e a primeira resposta. A AA estima essa latência pela resposta inicial e pela duração do raciocínio; não é uma mediana amostrada separadamente. São implantações de referência, sem garantia para os endpoints da Novita. O exemplo sem cache cobra 10,000 tokens de entrada e 1,000 de saída pela tarifa do vendedor indicado; não representa o custo do teste AA. Preços e limites de contexto e saída vêm das fontes dos vendedores citados.

1. Artificial Analysis · Kimi K3.1 Pro · qualidade e desempenho
2. Artificial Analysis · Claude Opus 5.5 (Max, Default Fallback) · qualidade e desempenho
3. Artificial Analysis · DeepSeek V4.1 Flash 1017 (Max) · qualidade e desempenho
4. Artificial Analysis · Qwen3.8-Flash-Next · qualidade e desempenho
5. Artificial Analysis · GLM-5.3 (Max) · qualidade e desempenho
6. Anthropic · Claude Opus 5.5 · preços e limites API
7. Lyceum · Qwen3.8-Flash-Next · preços e limites API
8. Novita AI · DeepSeek V4.1 Flash 1017 · preços e limites do endpoint
9. Novita AI · Kimi K3.1 Pro · preços e limites do endpoint
10. Novita AI · GLM-5.3 · preços e limites do endpoint
11. Lyceum · Qwen3.8-Flash-Next · especificação de contexto nativo
12. Lyceum · limites de solicitações serverless