Monitor de degradação v0.1
Medições brutas de um mesmo modelo em várias revendas: na mesma janela de tempo, todas as revendas respondem ao mesmo conjunto de sondas de identidade (data de corte do conhecimento, “a versão mais recente que você conhece” e outras), e registramos a concordância com as respostas de referência desse modelo, os tokens de entrada, os tokens de raciocínio e a impressão digital do modelo. Os números são publicados como estão, sem veredito.
| 100% (90 respostas) | 109–24,260 | 1,014 | DeepSeek V4.1 Flash | — | 98.2% | 1.31 s | ¥2.59 | ||
| 100% (90 respostas) | 109–24,260 | 1,014 | DeepSeek V4 Pro | — | 99.0% | 1.35 s | ¥11.4 | ||
| 100% (90 respostas) | 109–24,260 | 1,014 | GLM 5.3 | — | 98.5% | 0.96 s | ¥8.56 | ||
| 100% (90 respostas) | 109–24,260 | 1,014 | Qwen 3.8 Max | — | 98.0% | 1.06 s | ¥20.4 | ||
| 98% (90 respostas) | 109–24,260 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 98% (90 respostas) | 100–161,349 | 38 | GPT 6.1 Sol | — | 98.7% | 0.87 s | ¥0.44 | ||
| 98% (90 respostas) | — | 0 | Grok 4.7 | — | 98.3% | 5.11 s | ¥3.10 | ||
| 97% (90 respostas) | 52–24,260 | 996 | Claude Fable 5.1 | — | 98.2% | 1.34 s | ¥4.38 | ||
| 97% (90 respostas) | 52–24,260 | 996 | Claude Fable 5.1 | — | — | — | — | ||
| 97% (90 respostas) | 52–24,260 | 996 | Claude Fable 5.1 | — | — | — | — | ||
| 97% (90 respostas) | 52–24,260 | 996 | Claude Fable 5.1 | — | — | — | — | ||
| 97% (90 respostas) | 52–24,260 | 559 | Claude Opus 5.5 | — | 97.3% | 1.57 s | ¥1.75 | ||
| 97% (90 respostas) | 52–24,260 | 559 | Claude Opus 5.5 | — | — | — | — | ||
| 97% (90 respostas) | 52–24,260 | 559 | Claude Opus 5.5 | — | — | — | — | ||
| 97% (90 respostas) | 109–45,108 | 0 | Claude Sonnet 5 | — | 97.7% | 1.77 s | ¥7.30 | ||
| 97% (90 respostas) | 109–45,108 | 0 | Claude Sonnet 5 | — | 97.7% | 1.58 s | ¥9.20 | ||
| 97% (90 respostas) | 109–45,108 | 0 | Claude Sonnet 5 | — | 97.2% | 1.29 s | ¥0.88 | ||
| 97% (90 respostas) | 109–45,108 | 0 | Claude Sonnet 5 | — | — | — | — | ||
| 97% (90 respostas) | 109–24,260 | 0 | Claude Haiku 5.5 | — | 98.0% | 0.94 s | — | ||
| 97% (90 respostas) | 109–24,260 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 97% (90 respostas) | 100–151,769 | 39 | GPT 6 Astra | — | 98.5% | 1.33 s | ¥2.19 | ||
| 97% (90 respostas) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (90 respostas) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (90 respostas) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (90 respostas) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (90 respostas) | 100–161,349 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 97% (90 respostas) | 100–161,349 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 97% (90 respostas) | 100–161,349 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 97% (90 respostas) | — | 0 | Grok 4.7 | — | — | — | — | ||
| 97% (90 respostas) | — | 0 | Kimi K3 | — | 98.0% | 1.16 s | ¥28.6 | ||
| 85% (20 respostas) | 101–22,953 | 23 | GPT 6 Astra | — | 100.0% | 9.76 s | — | ||
| 61% (18 respostas) | 116–402 | 217 | Claude Opus 5.5 | — | 93.3% | 9.05 s | — | ||
| 44% (18 respostas) | 116–139 | 243 | Claude Haiku 5.5 | — | 96.7% | 7.00 s | — | ||
| 39% (18 respostas) | 114–411 | 0 | Claude Haiku 5.5 | — | 100.0% | 23.19 s | — | ||
| 69% (13 respostas) | 3,685–21,590 | 0 | Gemini 3.8 Flash | — | — | — | — | ||
| 54% (28 respostas) | 121–140 | 0 | Grok 4.7 | — | — | — | — | ||
| 28% (18 respostas) | 239–748 | 0 | Claude Haiku 5.5 | — | 77.4% | 19.67 s | — | ||
| 100% (54 respostas) | 456–694 | 69 | Claude Opus 5.5 | — | — | — | — | ||
| 100% (54 respostas) | 472–730 | 178 | Claude Haiku 5.5 | — | — | — | — | ||
| 100% (8 respostas) | 22,945–22,956 | 38 | GPT 6 Astra | — | 100.0% | 4.04 s | ¥3.30 | ||
| 96% (28 respostas) | 5,264–5,279 | 29 | GPT 6 Astra | — | — | — | — | ||
| 89% (28 respostas) | 4,203–4,218 | 27 | GPT 6 Astra | — | 100.0% | 8.02 s | — | ||
| 89% (28 respostas) | 486–4,212 | 35 | GPT 6 Astra | — | — | — | — | ||
| 89% (18 respostas) | 129–155 | 0 | Claude Fable 5.1 | — | — | — | — | ||
| 88% (8 respostas) | 22,945–22,956 | 42 | GPT 6.1 Sol | — | — | — | — | ||
| 86% (28 respostas) | 93–4,218 | 18 | GPT 6 Astra | — | — | — | — | ||
| 83% (18 respostas) | 127–153 | 0 | Claude Sonnet 5 | — | 96.7% | 6.55 s | — | ||
| 83% (18 respostas) | 116–139 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 82% (28 respostas) | 93–108 | 36 | GPT 6 Astra | — | 100.0% | 2.88 s | — | ||
| 82% (28 respostas) | 812–828 | 0 | GPT 6.1 Sol | — | 100.0% | 3.49 s | ¥15.4 | ||
| 82% (28 respostas) | 100–116 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 79% (28 respostas) | 93–108 | 33 | GPT 6 Astra | — | 100.0% | 9.99 s | ¥2.04 | ||
| 79% (28 respostas) | 93–108 | 34 | GPT 6.1 Sol | — | — | — | — | ||
| 72% (18 respostas) | 129–155 | 537 | Claude Haiku 5.5 | — | 77.8% | 14.16 s | — | ||
| 68% (28 respostas) | 4,207–4,480 | 16 | GPT 6.1 Sol | — | 96.7% | 5.20 s | — | ||
| 68% (28 respostas) | 101–4,484 | 0 | GPT 6 Astra | — | 93.3% | 8.16 s | ¥11.9 | ||
| 61% (28 respostas) | 4,211–18,563 | 0 | GPT 5.6 Terra | — | — | — | — | ||
| 56% (18 respostas) | 116–139 | 0 | Claude Opus 5.5 | — | 83.3% | 12.04 s | ¥8.80 | ||
| 56% (18 respostas) | 114–137 | 0 | Claude Haiku 5.5 | — | 77.8% | 9.30 s | ¥2.04 | ||
| 50% (18 respostas) | 2,025–10,740 | 0 | Claude Haiku 5.5 | — | 79.3% | 21.85 s | — | ||
| 50% (18 respostas) | 127–153 | 458 | Claude Sonnet 5 | — | 61.1% | 12.08 s | — | ||
| 44% (18 respostas) | 116–139 | 170 | Claude Haiku 5.5 | — | 100.0% | 2.17 s | — | ||
| 44% (18 respostas) | 258–2,860 | 0 | Claude Haiku 5.5 | — | 88.9% | 24.58 s | ¥2.04 | ||
| 44% (18 respostas) | 153–168 | 0 | Claude Sonnet 5 | — | 100.0% | 3.97 s | ¥4.40 | ||
| 41% (17 respostas) | 116–139 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 40% (5 respostas) | 137–144 | 0 | Claude Opus 5.5 | — | 60.0% | 2.38 s | ¥4.77 | ||
| 39% (18 respostas) | 116–139 | 208 | Claude Haiku 5.5 | — | 100.0% | 2.03 s | — | ||
| 33% (18 respostas) | 121–239 | 0 | Claude Haiku 5.5 | — | 100.0% | 2.88 s | ¥4.40 | ||
| 28% (18 respostas) | 148–463 | 0 | Claude Haiku 5.5 | — | 88.9% | 15.94 s | ¥2.04 | ||
| Ainda não medido | — | — | — | — | 100.0% | 23.19 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 23.19 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 8.85 s | — | ||
| Ainda não medido | — | — | — | — | 98.6% | 1.40 s | ¥3.29 | ||
| Ainda não medido | — | — | — | — | 98.2% | 0.91 s | ¥4.46 | ||
| Ainda não medido | — | — | — | — | 73.3% | 1.83 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 2.27 s | — | ||
| Ainda não medido | — | — | — | — | 77.4% | 3.02 s | ¥4.40 | ||
| Ainda não medido | — | — | — | — | 100.0% | 3.52 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 6.04 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 2.45 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 4.62 s | ¥2.38 | ||
| Ainda não medido | — | — | — | — | 100.0% | 7.18 s | ¥0.66 | ||
| Ainda não medido | — | — | — | — | 90.0% | 6.70 s | — | ||
| Ainda não medido | — | — | — | — | 86.7% | 4.67 s | — | ||
| Ainda não medido | — | — | — | — | 0.0% | — | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 2.51 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 3.63 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 3.95 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 4.17 s | ¥1.30 | ||
| Ainda não medido | — | — | — | — | 94.4% | 6.48 s | — | ||
| Ainda não medido | — | — | — | — | 89.7% | 6.03 s | — | ||
| Ainda não medido | — | — | — | — | 96.7% | 9.57 s | — | ||
| Ainda não medido | — | — | — | — | 88.9% | 6.48 s | ¥2.04 | ||
| Ainda não medido | — | — | — | — | 100.0% | 3.31 s | — | ||
| Ainda não medido | — | — | — | — | 100.0% | 4.88 s | ¥1.27 | ||
| Ainda não medido | — | — | — | — | 100.0% | 12.91 s | — | ||
| Ainda não medido | — | — | — | — | 96.7% | 10.99 s | — | ||
| Ainda não medido | — | — | — | — | 0.0% | — | — | ||
| Ainda não medido | — | — | — | — | 96.7% | 4.34 s | — | ||
| Ainda não medido | — | — | — | — | 88.9% | 5.53 s | ¥2.04 | ||
| Ainda não medido | — | — | — | — | 90.0% | 7.27 s | — |
Perguntas frequentes
Como ler esses números?
As sondas fazem perguntas como “qual é a data de corte do seu conhecimento” ou “qual é o iPhone mais recente que você conhece”: modelos diferentes respondem de forma diferente, e um mesmo modelo responde de forma consistente. Concordância bem abaixo das outras revendas, tokens de entrada que não batem com os das demais ou uma impressão digital que não parece a do modelo merecem atenção. Números isolados oscilam; quanto mais respostas, mais confiáveis.
Por que olhar a contagem de tokens de entrada?
A mesma entrada enviada ao mesmo modelo deve sempre gerar exatamente a mesma contagem de tokens. Uma contagem diferente da das outras revendas geralmente indica outro modelo ou conteúdo extra adicionado à requisição.
Por que ainda não há dados?
O monitor de degradação ainda está sendo integrado. As primeiras medições vão aparecer aqui. A disponibilidade, o tempo até o primeiro token e o custo por sessão na tabela são medições ao vivo.
Qual a diferença em relação ao ranking geral?
O ranking geral cobre disponibilidade, velocidade e preço. O monitor de degradação mostra se cada revenda entrega o modelo verdadeiro. Por enquanto, ele não afeta os rankings.