Hoje, eu vi um benchmark interessante que revela bastante sobre as capacidades dos modelos de IA. O PinchBench testou vários modelos em tarefas de agentes OpenClaw e os resultados foram bastante diferentes.

Gemini 3 Flash está na frente - com uma taxa de sucesso de 95,1%. Mas o que é interessante é que outros modelos também estão bastante próximos. minimax-m2.1 alcançou 93,6% e kimi-k2.5 atingiu 93,4%. Claude Sonnet 4.5 está em 92,7%, enquanto GPT-4o parou em 85,2%.

A diferença entre esses modelos não parece ser muito grande, mas quando se trata de tarefas de agentes, essas pequenas diferenças também importam. Se você quer realmente entender a eficiência dos modelos de IA, observar esses benchmarks é bastante útil.