GPT-6 Sol e Luna: a melhoria está sobretudo no preço
GPT-6 Sol e Luna baixam os preços da API, com ganhos menores nos testes. Comparo resultados, acesso no ChatGPT e as primeiras experiências no Reddit.
benchmarks
Todos os artigos com a tag benchmarks, do mais recente para o mais antigo.
Opus 5.5 programa melhor. O custo por tarefa varia
Opus 5.5 melhora nos testes independentes e reduz os preços dos tokens. Comparo custos por tarefa, níveis de raciocínio e os primeiros relatos no Reddit.
GPT-6 Astra custa 2,5x o Sol por token. Fala como uma pessoa
O GPT-6 Astra da OpenAI consome créditos a 2,5 vezes a tarifa do Sol e conversa de forma mais humana. Analisei os limites, os benchmarks e os relatos iniciais.
O Muse Spark 1.3 esteve acima do GPT-6 dois dias. Eis porquê
O Muse Spark 1.3 marcou 62 na Artificial Analysis, à frente do GPT-6 Astra, e caiu para nono numa reavaliação. Segui o rasto da pontuação e do preço.
Fable 5.1 supera o Fable 5. O Opus continua difícil de substituir
Fable 5.1 supera o antecessor em tarefas longas de agentes, mas o Opus 5 mantém-se próximo e custa metade do preço base. Analisei benchmarks e relatos iniciais.
DeepSeek V4 Flash perdeu para o Opus 4.8 nos 9 benchmarks
O V4 Flash custa 0,14 dólares à entrada e 0,28 à saída por milhão de tokens. Verifiquei se o desconto de 97 a 99% compensa perder os benchmarks.
Pontuações próximas num benchmark escondem modelos diferentes
O DeepSWE põe Luna Max 2,2 pontos atrás de Sol High por cerca de um sexto do custo. Explico porque podem funcionar de forma tão diferente num repositório.
GPT-5.6 vs Claude 5: porque é que os benchmarks divergem
Comparei Sol, Terra, Opus 5 e Fable 5 em benchmarks de programação. O vencedor muda conforme a tarefa, o esforço, a configuração do agente e o orçamento.
Kimi K3 iguala o GPT-5.6, mas demora 4,6 vezes mais
O Kimi K3 empata com o GPT-5.6 medium, mas demora 4,6 vezes mais. O GLM-5.2 é barato por token e caro por tarefa. Verifiquei onde ambos vencem.
O Opus 5 é um ótimo funcionário, mas um chefe frustrante
O Opus 5 iguala o Fable 5 nos benchmarks por metade do preço por token, mas é difícil de supervisionar. Explico quando cada modelo compensa.