Benchmark
5 min
Cartesia Managed Agents lidera Speech Agent Arena
Cartesia Managed Agents marcou 1.115 Elo e 91,7% de sucesso na Speech Agent Arena; veja o que cada métrica mede e o que o placar não prova.
#Cartesia#Managed Agents#Speech Agent Arena
Categoria
Benchmarks
Testes práticos de performance, consumo e precisão entre agentes de IA
Benchmark
6 min
Artificial Analysis Intelligence Index v5: o que muda
O Index v5 combina nove avaliações; 60% do peso vem de testes privados ou respostas retidas, dividido igualmente em quatro áreas.
#Artificial Analysis#Intelligence Index v5#benchmarks
Benchmark
6 min
MAI Image 2.7: 2º na Artificial Analysis e 3º na Arena
MAI Image 2.7 ficou em 3º na Arena e 2º na Artificial Analysis; o anúncio destaca avanços em edição de cena, texto e restauração.
#MAI Image 2.7#Microsoft AI#Image Edit Arena
Benchmark
5 min
GenXR-Bench: Claude Opus 5 marca 50,9% no XR
GenXR-Bench reúne 112 tarefas XR. No paper v2, Claude Opus 5 alcançou 50,9% de Pass@1, com 29,2% em tarefas de recursos do SDK.
#GenXR-Bench#XR#coding agents
Benchmark
6 min
Code2Video-AA compara 27 modelos em vídeos com código
O Code2Video-AA avaliou 27 modelos em 114 briefs; veja o leaderboard, a taxa de renderização e os limites do benchmark.
#Code2Video-AA#Artificial Analysis#benchmark
Benchmark
6 min
DeepSeek V4.1 Flash marca 47,7% no CursorBench 4.0
Cursor liberou o DeepSeek V4.1 Flash 1017; no CursorBench 4.0, o modo Max marcou 47,7% a custo médio de US$ 0,98 por tarefa.
#radar#ia
Benchmark
5 min
Nanbeige4.3-33B: resultados em benchmarks de agentes
O cartão atualizado em 25 de outubro compara quatro modelos em testes de agentes, com resultados próprios da equipe Nanbeige e limites na avaliação.
#Nanbeige#Nanbeige4.3-33B#benchmarks
Benchmark
3 min
Kimi K3.1 Pro estreia na Agent Arena em 11º
A Arena incluiu o Kimi K3.1 Pro na Agent Arena em 24 de outubro. O gráfico mostra o modelo em 11º, com +7,6% contra a linha de base.
#Kimi K3.1 Pro#Agent Arena#Arena.ai
Benchmark
5 min
Kimi K3.1 Pro marca 65,7% no Terminal-Bench 4.0
A Moonshot relata 65,7% para o Kimi K3.1 Pro no Terminal-Bench 4.0, perto do Claude Opus 5.5, em teste divulgado pela própria empresa.
#Kimi#Moonshot AI#Terminal-Bench
Benchmark
4 min
ThinkingBox eleva consistência do Qwen3.8-27B
No ThinkingBox-Bench com 507 tarefas, o ajuste do Qwen3.8-27B elevou de 38 para 107 as tarefas aprovadas em todas as 20 tentativas.
#ThinkingBox#Qwen#benchmark
Benchmark
5 min
NVIDIA Vera: CoreWeave mede 1,8x em tarefas de agentes
Teste da CoreWeave publicado pela NVIDIA reporta inicialização de sandbox acima de 3x e loops de agentes 1,8x mais rápidos com Vera frente a x86.
#NVIDIA#Vera#OpenShell
A maior newsletter de IA do Mundo
Acompanhe a revolução dos squads e multi-agentes de IA.
Curadoria técnica e aprofundada: arquiteturas agênticas, benchmarks reais de tokens, servidores MCP e ferramentas open source direto no seu e-mail e no blog.