Por curiosidade – e após algumas dicas suas – incluí o KIMI e o GLM (z.ai) no ranking. Ambos são, na verdade, focados em programação.
Fiquei interessado: Como eles se saem em impostos, medicina, direito e economia? (Claude, ChatGPT, Gemini e Grok agora também estão incluídos em várias versões de modelos e mudaram bastante o ranking.)
Mas dê uma olhada em dois padrões nos resultados em particular:
→ 1. Os desvios padrão que surgem apesar de perguntas exatamente idênticas.
→ 2. A tendência de progressão dos modelos ao longo do tempo – já perceptível, mesmo que o período de observação ainda seja relativamente curto.
Quem será o primeiro a atingir 99%?
