BENCHMARK DOCUMENTADO

SWE-Bench Pro

Resultados publicados e condições declaradas pelas fontes. Os números só são comparáveis quando versão, configuração, métrica e data coincidem.

01 / RESULTADOS

Medições publicadas

Modelo	Organização	Resultado	Métrica	Condições
GPT‑5.6 Sol	OpenAI	64,6 %	Resolvido	Tabela oficial do GPT‑5.6.
GPT‑5.6 Terra	OpenAI	63,4 %	Resolvido	Tabela oficial do GPT‑5.6.
GPT‑5.6 Luna	OpenAI	62,7 %	Resolvido	Tabela oficial do GPT‑5.6.
Gemini 3.1 Pro	Google	54,2 %	Resolvido	Valor reproduzido na tabela comparativa da OpenAI.
GLM‑5.1	Z.AI	58,4 %	Resolvido	Resultado publicado pela Z.AI.

02 / INTERPRETAÇÃO

Verifique o identificador do modelo, a data e se o alias pode mudar.

Verifique ferramentas, esforço, número de tentativas, prompt e orçamento de inferência.

Valide o resultado com tarefas, idiomas, formatos e erros representativos do seu produto.

03 / MÉTODO

Um benchmark público orienta, mas não substitui uma avaliação com os teus dados, ferramentas, orçamento e tolerância ao erro.

Um alias móvel e um snapshot podem produzir resultados diferentes. Regista o modelo, a data e o fornecedor.

O prompt, o raciocínio, as ferramentas, o número de tentativas e o orçamento devem ser equivalentes para comparar.

Uma diferença pequena pode desaparecer entre execuções. Conserva amostras, dispersão e falhas, não apenas a média.

Valida se a melhoria se mantém em idiomas, formatos e casos reais próximos do teu produto.

Uma métrica só é útil quando conhecemos a tarefa, as condições e o erro que importa. O resultado começa com o desenho do teste.

04 / FONTES